全面提升持续创新能力

新的一年,是航天二院“十一五”规划实施的关键年。这一年,航天二院要实现“大整合、大发展;新结构、新二院”(两大两新)的战略构想,全面提升持续创新能力。     

改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

基于多尺度稀疏字典的SAR图像目标识别方法

针对合成孔径雷达目标识别问题,提出一种基于多尺度稀疏字典的SAR图像目标识别方法。稀疏字典选择是稀疏表示中的关键问题之一,该方法利用小波多尺度分析构造过完备稀疏字典,将训练样本图像在小波解析域中进行小波多层分解,充分利用小波多尺度分析突出图像局部特征的特点,并和过完备稀疏表示有效结合组成级联字典。通过求解测试样本相应的稀疏系数矢量并根据系数矢量中对应训练样本类别的重构误差判定目标类型。实验结果表明,该方法在识别前无需对SAR图像进行预处理,具有良好的识别效果。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

固定舵二维弹道修正组件结构模型

为了满足二维弹道修正组件小型化设计要求,设计了3种二维弹道修正组件模型,应用Solid Works软件和ICEM软件分别建立3种修正组件的实体模型和网格模型,并利用Fluent软件进行气动特性数值计算,将计算结果进行对比分析,得出不同修正组件模型参数对气动特性的影响。研究结果表明,修正组件尺寸的减小会增大阻力系数;舵片形状和尺寸对阻力系数和升力系数影响较小,但是对滚转力矩系数影响较大,矩形结构的舵片对舵片周围气动特性会产生不利影响;在满足修正要求的前提下,可以适当缩小舵片面积来降低舵机控制难度,提升飞行稳定性。     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

无人机姿态控制系统的优化设计与仿真

应用线性二次型性能指标的最优控制理论,对无人机姿态控制系统进行了优化设计,通过仿真实现了系统的最优调节。在设计和仿真过程中,借助于MATLAB最优控制工具箱及有关命令,使设计变得简单、效率得到提高。