无线认知网络中一种分布式最大频谱分配算法

无线认知网络被认为是下一代无线网络的核心架构之一。该网络能解决日益增长的频谱使用需求和低下的频谱使用率之间的矛盾。通过伺机接入临时可用频谱资源,其频谱利用率能得到大幅的提高。由于频谱资源分配是影响频谱资源利用率的关键,因此如何对频谱资源进行高效的分配一直是无线认知网络的重要研究领域之一。我们证明了在异构频谱使用概率条件下的最优频谱分配是NP难的问题。为了有效解决该问题,本文提出了一种基于分布式最大加权独立集的频谱分配算法——DMWIS。该算法的时间复杂度为O(V2/2)。通过大量的仿真实验,验证了在90%以上的不同随机网络环境下算法能在3轮内收敛,并且该算法一般能获得最优解90%的性能。     

基于单GPS观测的SINS姿态校正方法

针对车(船)载惯性和GPS组合导航系统(INS/GPS),研究单天线GPS对INS的姿态校正方法。提出一种基于单天线GPS进行捷联惯导(SINS)机动中对准和姿态校正方法,该方法以GPS两个不同时刻的不共线速度向量为参考向量,利用TRIAD算法进行姿态确定,并设计了Kalman滤波器估计姿态四元数。仿真试验表明该方案能较好地校正惯导系统的初始对准误差,并通过实时校正保持长期的姿态精度。     

基于支持向量机和虚拟仪器谐波频率检测

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。提出了一种基于支持向量机算法(SVM)的检测飞机电网中谐波频率的新方法,以支持向量机方法为理论基础,利用强大的图形化开发软件LabVIEW为开发平台,设计了谐波检测系统。经实验发现,该系统在采样点数较少的情况下,仍能比较准确检测出各次谐波频率,系统具有操作简单,稳定可靠、测试精度高等特点。     

一种新的航天器相对导航视觉方法

研究了基于单目视觉的航天器相对导航方法,基于线性投影原理,建立包含图像特征与导航信息之间关系的非线性方程组。将非线性问题转化为最优化问题处理,针对该问题构建了目标函数,采用拟Newton方法解算该优化问题。进行了数值仿真,验证了该相对导航算法的有效性。     

基于FPGA和UART接口的多路数据采集系统的实现

为了满足对采集后的数据进行快速、远距离的串行传输、并实时储存的需求,研制了一种基于FPGA和UART接口的多路数据采集系统。采用FPGA实现数据的采集模块、模拟信号路数选择以及数字信号的并串转换等功能;同时利用RS-422接口实现了数字信号远距离的串行传输。功能仿真和实际测量验证了设计的可行性。     

一种低精度捷联式惯导系统初始对准方法

捷联式惯导系统的对准,是指在系统进入工作前建立姿态矩阵的初始值。针对低精度捷联式惯导的初始对准,提出了基于捷联式惯导系统和双天线GPS测向系统组合的初始对准方案,并着重推导了失准角和陀螺常值漂移的计算过程,最后利用最小二乘法进行了实验验证,结果表明方法可行。     

基于IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。     

基于IMM的雷达伺服系统变结构控制

提出了基于转换量测的IMM雷达伺服系统变结构控制方法,一方面用该算法对输入信号进行滤波降噪,消弱了伺服系统的抖振;另一方面利用算法估计的目标角速度、角加速度状态,减小了伺服系统动态滞后。仿真验证了该算法的有效性。并在实际工程应用中取得了良好的控制效果。     

面向作战分析的典型空中目标RCS建模

空中目标的RCS建模是雷达系统建模中的基本问题,面向作战分析仿真的RCS建模需要较高的模型精细度和运算可操作性。RCS的统计特征会随着姿态角、频率、极化方式以及观测时间而变化,所以目标RCS的统计特征除了特殊情况外,是不实用的。因为通过对空中目标形态的分析,提出了空中对称目标和旋转目标的RCS建模方法,给出了该方法的插值运算形式,最后探讨了仿真运行中目标RCS的运行流程。     

一种改进的变结构制导律的设计与仿真

建立导弹-目标攻击简化模型,通过数学推导对一种现有的变结构制导律进行了改进设计;简要介绍了制导律的推导设计过程;运用Simulink工具进行建模仿真和数值分析,并将结果与原制导律以及比例制导律进行了比较。仿真结果表明,改进的制导律在最大过载要求、过载变化、目标视线角速度变化以及动态特性等方面都有明显的改善。