一种强干扰下均匀圆阵弱信号测向新方法

为了解决强干扰背景下常规空间谱估计算法对弱信号不能正确测向的问题,基于均匀圆形阵列(UCA),提出了一种扩展噪声子空间弱信号波达方向(DOA)估计算法。首先将强干扰方向向量并入噪声子空间形成扩展噪声子空间,然后构造波束函数和新的方向向量进行谱峰搜索。本算法能有效抑制强干扰的影响,对弱信号方向进行正确估计。最后计算机仿真实验验证了本算法的有效性和正确性。     

基于扩展Voronoi图的兵力机动路线决策

兵力机动决策是作战指挥决策的重要组成部分,兵力机动路线决策是兵力机动决策的关键.将地形、障碍和敌情威胁抽象为扩展Voronoi图的生长源,进而根据扩展Voronoi图的特性规划出兵力机动可选择路线,根据相应算法进行选择并修正后得到机动路线,为指挥员的决策提供参考.     

基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.     

野值存在下的BP网络自适应卡尔曼滤波

提出了一种抗野值的BP网自适应卡尔曼滤波算法.通过BP网络对新息序列的方差和均值的速率进行在线实时监测计算,输出一组加权系数对新息做修正处理,从而有效地抑制了野值对滤波器的影响.仿真证明该算法保持了新息的统计特性,提高了滤波器的精度和稳定性.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

PHM系统及其故障预测模型研究

PHM(Prognostic and Health Management)是装备实现自主保障的一项关键技术.通过对美军联合攻击机PHM系统功能和结构的分析,提出了一种基于扩展FMEA的PHM系统的实现方法,并阐明了其运作原理.在此基础上,引入模糊综合评判这一数学方法建立了PHM系统的故障预测模型.最后以飞机起落架的收放系统为例进行了实例分析.     

弹载SINS/GPS组合导航信息同步与融合技术

针对一种基于DSP+FPGA+MCU多处理器计算机平台的弹载组合导航系统设计了精确有效的信息同步的方法,采用GPS接收机提供的1PPS脉冲和MCU提供的脉冲信号实现GPS和SINS信号时间上的同步,采用杆臂校正算法完成了GPS和SINS测量信号空间上的同步.由于系统噪声难于准确统计,因此采用自适应卡尔曼滤波算法进行数据融合.最后对系统进行了跑车试验,试验结果表明系统所采用的方法具有较好的效果.     

末制导段比例导引法的改进

为了消除比例导引法末制导段的各种干扰因素,抑制法向过载的跳动,基于广义卡尔曼滤波多步估计理论,提出了将拦截导弹直接向瞬时遭遇点导引的末制导导引方法,并进行了计算机仿真.仿真结果表明,该方法可以明显消除或减小末制导段比例导引律的各种干扰因素,抑制法向过载的跳动,改善末制导的弹道特性,减小脱靶量,缩短拦截时间.     

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分.贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较.实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能.     

本质流形上的自适应运动估计

分析了计算机视觉中一种新的运动估计模型,将运动估计作为一个参数定义在"本质流形"上的非线性系统参数辨识问题。针对基于离散处理和连续处理方法得到的"本质流形",提出了一种新的、统一的自适应推广卡尔曼滤波算法,在"本质流形"的局部坐标系上进行运动估计。仿真结果验证了该算法的正确性。