自适应补偿H_∞滤波器在组合导航中的应用

针对传统递推式鲁棒H∞滤波收敛条件在工程中较难满足的问题,提出了一种自适应补偿的递推式鲁棒滤波算法。在分析滤波器收敛条件的基础上,对滤波器中迭代矩阵进行补偿程度自适应的修改,并结合实际系统要求给出了滤波误差定量度量指标,即响应时间、偏离度、波动程度,以验证算法的正确性。GPS/IN S等组合导航系统仿真结果表明,此方法滤波误差下降速度、无偏性及平稳性均优于改进前滤波算法,且计算量几乎不增加;此方法克服了收敛条件不满足导致滤波精度下降的缺陷,扩大了递推式鲁棒滤波的应用范围,具有较大的工程应用价值。     

火箭助飞鱼雷程序弹道自适应控制系统设计

针对火箭助飞鱼雷空中段飞行过程中随机干扰大、动力学参数变化剧烈等特点,将自适应控制方法引入火箭助飞鱼雷空中段控制系统,并根据Narendra提出的只利用系统输入输出量的模型参考自适应控制理论设计了其自适应控制规律,仿真结果证明该控制系统能够克服动力学特性的变化并有较高的制导精度及较强的抗干扰能力。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

改进的变步长LMS自适应滤波算法分析

通过建立步长因子μ与误差信号e(n)之间的非线性函数关系,提出了一种改进的自适应变步长最小均方(LM S)算法。该算法克服了LM S算法在自适应稳态阶段μ取值偏大的缺陷,具有在误差e(n)接近零处缓慢变化的特点。该算法还具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将该算法对比一般的变步长算法,该改进算法在平稳过程中具有更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

并行时域自适应算法在电大目标瞬态散射中的应用

基于电磁场时域积分方程(TDIE)数值技术计算复杂目标的瞬态散射特性,其计算量和内存需求大,采用时域自适应算法(TDAIM)降低了TDIE的计算规模。在研究TDAIM并行算法的基础上,开发了基于.NET Remoting的电磁场分布式数值计算方案。数值结果表明,该方案显著提高了TDAIM的计算效率,为解决电大目标瞬态电磁散射问题提供了一条有效途径。     

基于步进频率正交信号的星载MIMO-GMTI雷达空时频处理研究

多发多收(MIMO)体制雷达综合采用多通道、多频技术,为解决星载GMTI面临的探测慢速运动目标和消除盲速估计等问题提供了有效途径。MIMO雷达工作的基础是有效的波形设计。因此,在分析正交波形性能的基础上,结合GMTI应用需求,建立了星载MIMO雷达步进频率正交信号的基本参数确定准则,研究了步进频率MIMO雷达空时频联合自适应处理的基本原理,通过仿真验证了MIMO雷达在杂波抑制和GMTI性能上的优势。     

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

船舶电力系统可靠性评估的自适应模糊Petri网方法

针对船舶电力系统可靠性建模难的问题,提出了一种适用于电网结构可靠性估计的自适应模糊Petri网模型。该模型首先给出了模糊神经Petri网定义及其适用于可靠性建模的引发规则,并在此基础上提出一种学习算法。该算法既可以表示和处理模糊产生式规则的知识库系统,又具有学习能力。最后,建立了船舶电力系统可靠性评估模型,并通过定性分析和定量计算,验证了该模型和算法的有效性。     

机载MIMO雷达稳健非均匀样本选择方法

针对杂波训练样本中混入干扰目标,导致空时自适应处理技术的杂波抑制性能下降问题,提出一种基于目标知识进行局部稀疏恢复的稳健训练样本挑选方法。该方法利用先验知识确定待检测单元中的目标区域,对整个角度-多普勒平面进行遍历,获得稀疏超完备基。通过变换矩阵对超完备基中对应的目标区域进行"挖空"处理,局部稀疏恢复出超分辨的杂波空时谱,获得杂波协方差矩阵估计。结合广义内积算法,实现非均匀训练样本挑选的过程。与常规结合广义内积方法相比,该方法对于不同干扰强度的训练样本,均有良好的检测效果。经仿真验证,所提方法的检验统计量之间区分度更加明显,对于干扰样本的挑选更加彻底,从而有效地提高了空时自适应处理技术的目标检测性能。