基于线加速度计的高分辨率光学影像颤振检测与重建方法

卫星平台颤振条件下,推扫式高分辨率光学影像成像往往产生扭曲,从而影响影像的定位及信息提取精度。针对当前颤振下影像成像扭曲补偿的问题,提出一种基于线加速度计测量平台颤振下的稳态重成像模型实现高分辨率卫星颤振扭曲影像的重建。采用受平台颤振影响而扭曲变形的高分某型号卫星全色影像数据进行验证。分析结果表明:提出的线加速度计可以有效检测并测量出平台的颤振,设计的颤振影像地面重建模型可以有效提高光学影像成像质量,补偿后影像扭曲变形现象明显消除。     

两种具有动力学补偿的机器人位置/力混合控制器

文中提出了采用前馈动力学补偿和实时动力学补偿的两种机器人位置/力混合控制器。仿真结果显示了这两种动力学补偿的有效性。由于动力学补偿的引入、机器人位置/力混合控制系统的性能得到明显改善。     

独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。     

非高斯码元检测的马尔可夫链蒙特卡洛算法

针对实际超低频接收机不仅受非高斯噪声的影响,还受接收机内部和外部环境中高斯噪声影响的问题,对噪声采用非高斯分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种利用马尔可夫链蒙特卡洛方法的超低频信号码元盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步估计信道衰落系数和噪声模型参数,并实现对信号码元的检测。算法迭代效率快、精度高。通过与最优检测算法性能比较,盲检测算法性能优异,对超低频信号接收具有重要的现实意义。     

一种基于最大似然估计的ISAR自聚焦算法

自聚焦是ISAR成像中的一项关键技术,其目的是消除目标和雷达的径向运动引起的相位误差。从ISAR信号模型出发,推导得到了相位误差的最大似然估计,并给出了一种基于最大似然估计的ISAR自聚焦算法。该算法采用了相位梯度算法(PGA)的处理结构,利用了多个距离单元上的散射点信号。算法中没有孤立散射点的要求,不需要相位解模糊,并且消除了相位误差估计中积累误差的影响,提高了相位误差的估计精度。将该算法应用于实测数据的ISAR成像中,得到了较好的聚焦结果。     

高空气球地面充氦气量计算方法分析与试验评估

作为高空气球研究中的一个重要问题,气球在地面发放前充入的氦气量会直接影响其上升速度和驻空高度,进而影响平台的可靠性和稳定性。因此研究充氦气量的准确计算方法十分必要。建立了高空气球上升过程动力学模型,计算了气球初始升速的理论值,用于与实际初始升速对比,为评估充氦气量计算方法提供依据。归纳了三种较为典型的高空气球地面充氦气量计算方法,根据实际开展的飞行试验,分析对比了三种方法的准确性和误差范围。提出了浮力补偿规律,完成了对三种方法的评估。通过研究可以对现有充氦气量计算方法进行有效修正,进而为高空气球的实际飞行提供指导。     

粒子滤波匹配追踪重构算法

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粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的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;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。     

磁力仪三轴非正交的转动补偿方法

为解决磁力仪三轴非正交的问题,建立了三轴磁力仪误差补偿模型,提出了基于旋转数据正弦曲线拟合的方法,对三轴磁力仪的非正交性进行标定。利用正弦曲线的初始相位角求解标定参数,实现了对三轴磁力仪的非正交标定及输出补偿。结果表明:该方法对磁力仪非正交参数的求解精度高,标定后的磁力仪的磁测准确性改善明显;该方法不需要利用高精度光泵磁强计测量磁场的强度,为三轴磁力仪的非正交参数标定提供了一个新的有效的途径。     

随机振动中晶体振荡器的有源降噪设计

针对晶体振荡器在振动下会发生输出频率漂移的问题,在分析声学有源降噪技术和加速度对晶体振荡器输出相位噪声的影响机理基础上,提出降低随机振动中晶体振荡器噪声的方法。在晶体振荡器外围电路中嵌入加速度传感器、模数转换器、数模转换器和数字处理器,构建对晶体振荡器相位噪声进行实时补偿的有源降噪系统。结果表明:设计的有源降噪系统在0.03g/Hz振动幅度、10~850 Hz频率范围的随机振动条件下,能达到20 d B的相位噪声补偿效果。     

利用循环网络的降落伞开伞载荷补偿方法

为了对降落伞充气展开过程中的开伞载荷进行更加准确的预测,提出一种基于循环神经网络的开伞载荷补偿计算方法,包括模型架构和数据处理方式。该方法将充气时间法计算的预测值代入循环网络进行二次计算,使最终结果能够更加贴近试验真值。使用多层前馈网络、标准循环网络与长短时记忆网络三种网络进行比较,验证了所提模型预测结果的适用性和准确性,研究了学习率、输入层维度和隐层维度等超参数对模型性能的影响,并给出了基于长短时记忆网络的补偿模型最优训练条件。实验结果表明,利用循环网络进行开伞载荷预测具有较好的拟合结果,为机器学习与降落伞工业的学科交叉研究提供了一定的参考方向。