一种波束内目标与诱饵 DOA联合估计新方法

拖曳式诱饵干扰下目标和诱饵DOA参数的准确估计是导引头实现目标分选的前提条件。波束内目标和诱饵的存在引起雷达回波混叠和观测耦合,导致常规观测提取与参数测量方法失效。通过挖掘雷达接收回波和、差通道信号条件概率分布协方差所包含的未知参数信息,获得了目标和诱饵DOA估计的解析表达式,针对估计求解中所需相对功率比未知的情况,提出了基于干扰检测、雷达测量与目标跟踪信息辅助循环估计相对功率比的DOA二次联合估计方法。不同干扰条件的仿真实验验证了估计方法的有效性。     

积分二次相位函数和傅里叶变换的多相码参数估计

针对传统时频方法对多相码信号参数估计计算量比较大的问题,提出一种新的多相码参数估计方法。首先利用积分二次相位函数(IQPF)估计信号的调频率,然后重新构造一个线性调频信号(LFM),通过解线调将多相码信号的调频率消除,最后计算解线调后信号的傅里叶变换(FFT)估计信号脊线间隔和载频,进而估计信号的码元宽度和重复周期。该方法不需要进行直角坐标和极坐标的变换且仅需一维搜索,可以大幅度减小计算量。仿真表明,可以用较小的计算量取得与RAT(Radon-Wigner Transformation)和RWT(Radon-Ambiguity Transformation)相当的估计精度。     

正则化方法在非线性分析中的应用

本文用正则化方法给出了麦夸脱方法的一个误差估计式.     

模型递推辨识算法及应用

研究了具有线性参数的非线性多项式模型的数据阵L－D分解性质,其中D是对角阵,L是带有单位元素的下三角阵．结果表明,通过因子L可以估计出模型的参数,通过因子D可以选择模型中的项;提出了同时进行模型的结构确定和参数估计的递推辨识算法．该算法可用于船舶运动的实时建模．实际应用结果表明,该算法可以有效地辨识多项式等线性参数的非线性模型．     

图象跟踪算法分析

对自适应分析质心跟踪算法、相关跟踪算法和倒谱法等几种典型的跟踪算法作了介绍,提出了计算量较少、精度较高的相移算法。最后,对这些算法作了分析比较。     

X射线脉冲星导航的时延和频偏参量估计

X射线脉冲星导航(X-ray pulsar-based NAVigation,XNAV)的原始导航信息是航天器接收的X光子时间序列,在折叠过程中估计出观测脉冲轮廓与相应标准轮廓的时延、频偏和频偏变率等参量,是XNAV的关键问题.首先给出光子数序列等相位点的时间关系,利用Larsson周期折叠法和相干函数法求初步近似;然后采用最小二乘法求高级近似,并利用循环迭代得到较为精确的频偏和时延估计值.初步仿真试验结果表明:即使不进行消噪和平滑处理,该方法也可以获得高精度的估计参数.虽然这一算法较为复杂,但它证明了XNAV的导航方法是完全可行的.     

基于虚拟试验的履带车辆行驶载荷谱的确定方法

根据装甲装备典型考核试验的道路环境下土壤参数和路面不平度的统计特征,建立了用于循环测试的虚拟试验环境,按照长里程试验的工况参数和道路比例的统计数据,设计了虚拟试验测试程序.利用所建立的履带车辆的虚拟样机进行了虚拟试验测试,得到了循环工况下的负重轮轴垂向载荷时间历程信号,通过对载荷信号样本的平稳性和各态历经性检验,并利用非参数估计的统计计算方法,确定了满足精度指标要求的载荷样本长度(试验行驶里程),在此基础上利用非参数核密度估计法对载荷雨流矩阵进行全里程载荷的统计外推,获得了目标载荷谱.     

基于SPWVD的差分跳频信号参数估计方法

在深入分析差分跳频信号产生机理和信号特性的基础上,提出一种基于SPWVD的差分跳频信号参数估计方法,利用SPWVD算法对差分跳频信号进行时频分析,通过检测时频分析数组中相邻跳信号的频率跳变时间来估计跳驻留时间参数,进一步估计跳速、瞬时频率等参数。仿真结果表明,提出的算法可以对差分跳频信号实现有效的参数估计,且估计精度较高,处理计算量较少。     

飞行器自适应预设性能姿态控制设计

预设性能控制是一类可以同时保证系统响应瞬态与稳态性能的非线性控制方法。针对具有非线性与未知干扰的飞行器系统,研究了一种无逼近预设性能姿态控制器设计方法,并进行了数值仿真验证。首先,研究了在传统预设性能方案中潜在的奇异性问题;其次,针对该问题提出了一种拥有自适应边界的预设性能函数改进方案。当归一化误差达到一定阈值时,通过放宽性能函数边界并使其重新收敛,确保跟踪误差被包覆,避免误差越界引起的奇异性,防止控制系统崩溃。最后,通过数值仿真验证改进方案的正确性与有效性。仿真结果表明,改进方案可以保证系统在存在误差越界的情况下姿态控制回路运行良好,并能满足预定的控制要求。     

自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。