超声速燃烧流的双时间步计算方法研究

发展了模拟非定常超声速燃烧流场的隐式双时间步方法。采用时间分裂法对流动和反应进行解耦处理,流动方程组由双时间步方法求解,内迭代过程采用LU-SGS方法;反应源项方程组通过隐式二阶梯形公式求解。分析了时间分裂格式和时间步长对计算结果的影响,结果显示:一阶时间精度的分裂格式会略微高估化学效率,应该采用二阶时间精度的分裂格式;时间步长的选取对计算结果影响显著,为了保证解耦算法的计算精度,时间步长应足够小以能够较准确捕捉到主导各种输运过程的大尺度涡团的非定常行为。     

具有时间约束任务的无人机航迹规划方法

根据战场环境中威胁的种类及特性,建立了威胁模型,描述了威胁范围与威胁概率的关系;在对具有时间敏感性任务的无人机进行航迹规划时,根据无人机任务的时间限制,结合无人机的性能参数,采用适当增加风险代价,来满足任务时间要求的方法,改进了A*搜索算法,将A*算法的代价估价函数设置为与时间相关的函数,采用变步长搜索策略,通过判断是...     

等步长目标搜索方法中步长对搜索结果的影响

研究了距离选通水下成像系统中基于等步长的目标搜索方法,给出了基于等步长目标搜索方法的搜索策略和目标存在的判别准则,对等步长目标搜索方法中不同步长对目标搜索结果的影响进行了仿真分析和实验,结果表明了所提出的判别函数和判别准则的正确性和步长对目标搜索结果的影响分析的正确性。     

阵列雷达自适应多零点单脉冲群目标测角算法

针对阵列体制雷达，由极大似然估计导出自适应多零点单脉冲测角原理。分析发现迭代步长过大导致双零点单脉冲技术在多目标条件下失效，因此提出加权步长改进角度估计的迭代过程，只需要较少计算量就能实现群内多个目标的精确测角。仿真结果表明：该算法在较高信噪比条件下可以精确测量群内三个目标角度，测角误差约为0.15倍波束宽度；当群目标数较多或者目标相位差接近于0时，算法性能下降明显。     

融合动量项的步长自适应盲源分离算法

为进一步缓解盲源分离算法收敛速度与稳态误差之间的矛盾,首先在自然梯度算法的基础上,通过融合动量项改善算法的收敛速度,基于分离性能指标的步长自适应减小稳态误差;然后,给出了所提算法的模型图,同时考虑分离性能和计算复杂度,选择合适的融合动量项算法,并设计了算法的近似最优参数,有效避免了算法的分段收敛;最后,合理选择步长与动量项的权重系数,有效改善了分离性能与收敛速度。仿真结果表明:该算法在一定程度上缓解了上述矛盾,并具有较低的计算复杂度。     

双变因子LMS自适应滤波算法

为提高最小均方(LMS)自适应滤波算法的性能,在步长因子与误差信号满足一种改进的Sigmoid函数关系式的基础上,提出了一种双变因子控制下的变步长LMS自适应滤波算法。该算法具有初始状态收敛速度快、稳定状态均方误差小、抗噪声性能好、适应系统跃变能力强的优点。计算机仿真结果验证了该算法的优越性。     

高炮火控外弹道实时解算及其应用

建立了某型高炮火控系统的外弹道解算模型,此模型采用迭代-修正的方式,使用Runge-Kutta-Felhberg自适应步长数值解法,直接解4D外弹道方程组,得到射角和弹丸飞行时间.还对该方法的精度和实时性进行了分析,确定了高炮火控系统应用外弹道方程实时解算模型的可能性.     

改进的变步长LMS自适应滤波算法分析

通过建立步长因子μ与误差信号e(n)之间的非线性函数关系,提出了一种改进的自适应变步长最小均方(LM S)算法。该算法克服了LM S算法在自适应稳态阶段μ取值偏大的缺陷,具有在误差e(n)接近零处缓慢变化的特点。该算法还具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将该算法对比一般的变步长算法,该改进算法在平稳过程中具有更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

分布反馈光纤激光水听器系统干涉仪降噪研究

针对分布反馈光纤激光水听器系统在高速运动过程中干涉仪噪声过大的问题，提出了基于参考光源的差分探测方案，设计了基于3端口环形器的光纤干涉仪差分探测光路，利用改进的变步长LMS滤波算法，结合噪声自适应抵消技术和B样条小波变换，有效抑制了干涉仪噪声，解决了信噪比下降的问题。实验结果表明：该方法能降低系统噪声本底约30 dB;与传统参考传感器的差分方案相比，该方法不易受环境影响，不会增加阵列复杂度，更具有实用价值。