一种陀螺随机漂移的高精度组合建模方法

随机漂移是制约陀螺精度的一个重要因素,提出了一种对陀螺随机漂移精确建模的方法.利用小波降噪技术消除信号中的高频噪声,再将降噪后的数据序列平稳化,对平稳化后的数据序列进行AR建模、卡尔曼滤波,得到陀螺随机漂移的估计量.用Allan方差等方法对仿真结果进行了检验,表明了该方法的有效性.该模型可用于补偿惯导系统中陀螺漂移产生的随机误差,以提高制导精度.     

应用磁强计确定飞行器姿态的KF算法设计

设计了基于磁强计确定飞行器的姿态的KF算法,该算法在不足够和不精确测量或具有较大模型不确定的情况下仍具有一定的鲁棒性和足够的精度。采用某太阳同步卫星的典型阶段的仿真数据来验证设计的算法的性能,结果表明,该算法收敛,精度令人满意。     

次优Sage滤波器的改进措施

针对次优Sage自适应卡尔曼滤波器存在的不足,提出了两种改进措施:通过对滤波器发散的综合抑制,提高了滤波器的数值稳定性;设计了一种新颖的附加伴随滤波器的并行滤波结构,消除了针对结果偏移现象,提高了滤波精度。     

扩展频谱处理增益算法修正

本文针对扩展频谱处理增益原始算法中存在的一些问题和实际工作的需要,澄清了有关概念,提出了扩展频谱处理增益修正算法,得出了明确的结论,有利于扩谱通信装备技术指标的界定和验收。     

基于相对观测量的多机器人定位

研究了多机器人队列利用相对观测信息在未知环境中进行同时定位的问题。当队列中某个机器人观测到另外一个或几个机器人时,利用这些信息来同时更新整个队列的位置及协方差矩阵,也即整个队列共享所获得的观测,来得到更精确的位置估计。每个机器人都携带内部及外部传感器,内部传感器感知机器人自身的运动,外部传感器能提供机器人之间的相对观测量,如相对距离和相对方位。利用扩展卡尔曼滤波(EKF)算法融合内部及外部传感器信息,对多机器人队列进行同时定位;并对不同的观测量及机器人个数进行了仿真分析,给出了不同情况下的滤波器结构,研究比较了它们的定位精度。仿真结果表明,利用机器人之间的相对观测信息,可以显著提高定位精度。     

基于改进卡尔曼滤波方法的机动目标跟踪研究

针对在机动目标跟踪中当目标作高度机动飞行时卡尔曼滤波可能会出现严重发散的情况,提出利用BP神经网络校正其滤波结果,并将遗传算法应用于BP网络的训练过程,以解决BP网络训练速度慢的缺陷,提高算法的实时性。仿真表明该方法是可行的、有效的。     

广义S变换和阈值分割联合抗频谱扩展-压缩移频干扰

根据频谱扩展-压缩(spectrum spread and compression, SSC)移频干扰信号和回波信号时频分布特性的差异,提出一种基于广义S变换和Tsallis交叉熵阈值分割的干扰抑制方法。分析了SSC移频干扰的干扰原理和干扰信号经过解线调后的信号形式,并利用时频聚焦性较好的广义S变换获取接收信号经过解线调后的时频图像,根据时频图像对应的灰度图像,以Tsallis交叉熵最小化作为目标函数,求出灰度图像的最佳分割阈值,并根据分割阈值构建时频滤波器,实现干扰抑制。仿真结果表明:该方法对于SSC移频干扰产生的假目标具有较好的抑制效果,干扰抑制比可达30 dB以上。     

用四无数法设计一种新型动基座初始对准

利用捷联制导系统固有的硬件资源可构造一种新型的动基座初始对准方案,运用广义卡尔曼滤波技术及四元数法表示,给出了实施初始对准的失调估计器的设计方法,仿真结果表明,该设计可有效地在飞行过程中实施快速初始对准。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

21世纪初舰船组合导航系统的发展趋势

介绍了舰船组合导航系统的结构、原理、功能,综述了舰船组合导航系统的现状,展望了在21世纪初的30年间舰船组合导航系统的发展趋势及一些相关的技术设想.