一种改进的MCM算法

平均曲率运动模型(MCM)是基于偏微分方程的图像处理模型的一种,具有明确的几何意义.提出了模型中退化扩散项的精确计算方法,并采用了两种新的方向估计方法.实验证明了新方法所得的结果优于原方法.     

使用辅助变量的单静止站纯方位目标跟踪

利用现时刻之前的方位测量构造现在方位的预测值 ,形成了与现在测量方位在统计上独立的辅助变量 ,该辅助变量用以对拟线性估计算法的修正 ,能产生无偏的目标参数估计     

变结构多模型估计第III部分:模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群。它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。同时,它很容易实现。通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量。     

双频去相关单历元动态解算整周模糊度研究

针对GPS实时动态精密相对定位应用背景,提出一种整周模糊度实时求解方法。采用宽巷组合载波相位双差、伪距双差观测信息建立观测模型;对浮点模糊度协方差阵进行一次Cholesky分解,构造了浮点转换矩阵,使浮点模糊度完全去相关;推导确定整周模糊度的搜索空间;利用最小残差平方和搜索准则,确定单历元整周模糊度,并用OVT检验方法,对不同历元得到的整周模糊度进行一致性检验。结果表明,观测量误差均方差取值对整周模糊度搜索空间和成功率有较大影响,附加OVT检验的双频去相关单历元动态解算整周模糊度方法正确可行。     

射频发射模块非线性效应的消除方法

射频模块存在相位特性的非线性效应,群延迟随频率的变化不再是一个常数,并可能造成输出射频信号的波形失真,而影响精密射频信号源的输出精度。基于递归最小二乘算法的自适应滤波器,提出了消除其非线性效应的新方法。并以GPS模拟源为例,利用其自校模块,采用软件无线电和数字信号处理技术,精确估计出射频模块的模型参数。将基带合成信号通过一个数字逆滤波器,以消除相位的非线性和群延迟随频率的变化。利用自编的仿真程序包,在Matlab中进行了相应的模拟计算。仿真结果表明,该方法可有效地消除相位非线性效应对射频信号的影响,输出信号的波形失真在理论上可控制在0.01%以内。     

基于双二体假设的载人登月混合轨道特性分析及设计

混合轨道是载人登月轨道的重要类型之一。利用混合轨道的组成特点,提出在双二体假设下以自由返回轨道为基础的混合轨道计算方法。主要对混合轨道的特性进行分析,给出混合轨道在能量消耗和飞行时间等方面的特性。在涉及月球运动的计算时,考虑月球运动的非圆性,对传统双二体假设略作修改。给出混合轨道的设计实例,仿真结果验证了本文提出方法的有效性。     

基于二维雷达组网目标高度定位算法

讨论了通过二维雷达组网的方式可对目标高度进行估计,并对所求出的高度进行了误差分析,通过仿真得到了目标高度和方位角对高度误差的影响。在实际中由雷达站和指挥所的经度、纬度和海拔,可将雷达站测得目标的信息转化到以指挥所为原点的直角坐标系中,为指挥员提供空情,以便进行决策和指挥。     

基于加速性能退化的雷达电源板可靠性评估

评估雷达系统可靠性时,失效寿命难以获得,性能退化数据成为评估可靠性的重要信息。对其中器件级信息充足,板级、分系统级、系统级现场试验信息缺乏,而收集这些部分的退化数据仍需较长时间,以雷达某一部分的整体为研究对象进行加速退化试验,验证是否存在累积效应及有规律的退化过程。以某雷达电源整板为例,在温度应力下进行恒加加速退化试验,观测到特征退化量电源板输出电压随温度变化的退化规律,进行统计推断。结果表明基于加速退化数据进行该部分可靠性分析方法可行、结果可信,且更具优势,为雷达系统可靠性评估及增强可信度奠定基础。     

基于矩阵重构算法的宽带相干信号方位估计

根据空间平滑理论准则,提出了一种基于阵列接收数据矩阵重构的宽带相干源方位(DOA)估计算法。将宽带阵列数据分解为若干窄带数据,对每一子带进行空间平滑处理后的数据矩阵重构;再由构造的聚焦矩阵对其进行处理,最终得到平均的阵列协方差矩阵。由子空间方法处理得到信号的方向估计,仿真实验证明了该方法的有效性。     

基于滤波算法的对比研究

在处理目标跟踪的过程中,为了与实际接近,动态系统的模型选为非线性,而滤波算法采用非线性系统的滤波方法。在介绍了三种非线性滤波算法(EKF、UKF、PF)的原理和实现的同时,说明了各自适用的范围,以便针对不同问题采取比较便捷的算法来有效地实现算法在实际中的应用。EKF适用于线性化过程中系统对高阶项要求较小的情况下,UKF适用在噪声服从高斯分布的情况下,PF则适用与非高斯分布的情况下。此外,通过实例对三种算法分别进行了跟踪仿真实验,表明UKF、PF算法精度要比EKF算法高,UKF、EKF的实时性比PF好,PF的计算量相对较大。