基于SLAM算法的AUV组合导航系统

针对未知环境下某水下航行器组合导航系统在GPS信号长时间失效时,导航误差随时间积累的问题,采用了同时制图定位(SLAM)的导航方法,提出了一种将SLAM的信息融合于INS/GPS组合导航系统的方案,通过SLAM技术来限制惯导系统的误差积累,可以显著提高组合导航系统的性能并能在线建立环境的增量式地图。仿真结果表明,该方法充分利用了同时制图定位提供的信息,有效地提高了导航系统的精度。     

基于多通道DMF的高动态信号捕获

为解决靶场对高动态目标测量中存在的信号捕获难题,依托传统的直扩-码分多址信道,探讨了采用多通道数字匹配滤波方法进行高动态目标信号捕获的原理;在对平均捕获时间、捕获概率和虚警概率等动态信号捕获等性能指标进行分析的基础上,提出了高动态目标信号的捕获方法。将多通道数字匹配滤波技术应用于高动态目标的信号测量,在保持较高抗干扰特性的同时,可以缩短多普勒频移捕获的完成时间,为在靶场精确测量高动态目标提供了可靠的技术手段。仿真结果证明了该方法的有效性。     

基于光纤陀螺的INS/GPS组合导航仿真与应用

针对卡尔曼反馈校正难以工程实现的问题,提出了用卡尔曼输出校正来进行组合导航滤波的方法。对卡尔曼输出校正的滤波效果进行了理论分析和仿真验证,并在基于光纤陀螺的INS/GPS(Inertial Navigation System/Global Position System)组合导航系统上进行了实验。实车实验结果表明:卡尔曼输出校正的定位精度和GPS定位精度相当,惯性导航系统误差随时间增长特性得到了有效抑制,从而验证了卡尔曼输出校正的方法在组合导航的应用中是可靠的。     

仿真模型库动态管理框架及关键技术研究

仿真模型动态管理是一项复杂的过程,在仿真中所涉及的模型种类繁多,类别不一。为了有效地对仿真模型进行动态管理,分析了仿真模型库动态管理体系框架,研究了仿真模型库动态管理的标准化问题和几项关键技术,包括模型匹配、模型组合及组合过程中需解决的关键问题、模型自动选择的条件及基于人工神经网络的模型自动选择等,并给出了实现的方法。     

一种分析水中结构声振耦合特性的等效源方法

为了精确快速地获取考虑声振耦合作用结构的声辐射特性参数,根据波叠加原理和有限单元法提出了一种水中结构的声辐射特性的高效计算方法.首先,利用波叠加原理和单元体积速度匹配原则,将结构运动方程中的声压项表示为形函数与等效源函数的乘积,再根据耦合界面连续性条件,建立了等效源强与结构位移的关系表达式,从而计算等效源强度,确定声压...     

受符号调制的m序列旁瓣特性研究

m序列因其优良的二值自相关特性而广泛应用于雷达和通信系统中。存在符号调制时 ,m序列匹配接收的旁瓣特性不再具有二值性。研究表明 :对于生成多项式相同的m序列 ,当移位寄存器的初始状态不同时 ,其符号调制下的旁瓣特性存在明显差异。选择合适的初始状态 ,可以得到较高的主旁瓣比。采用旁瓣抑制滤波器可以进一步显著提升主旁瓣比     

多目标数据关联的神经网络方法

数据关联是多目标跟踪的关键问题。基于 Hopfield神经网络的 JPDA是解决这一关键问题的有效方法之一 ,但此方法的难点在于优化系数的整定。提出一种改进算法 ,用于解决优化系数在线自适应整定问题。首先重新构造了李雅普诺夫能量函数 ,接着引入变化的优化系数因子 ,并给出了优化系数求解的迭代公式 ;最后对已有和改进的算法进行了仿真研究。结果表明改进的方法和原有的方法相比 ,一方面具有在线整定优化系数的功能 ,另一方面可以获得和原有算法非常接近的估计误差。     

复杂体系的动态适应性结构设计

针对战场环境的动态不确定性及其所产生的系列问题,并根据复杂体系的概念和特性,提出了采用多功能性冗余元的设计思想进行复杂体系的动态适应性结构设计.在此基础上,分析了多功能性冗余元及其调度中心的工作原理,充分利用冗余元知识库中知识对体系的协助请求消息进行匹配,并遵循一定的协作策略,使冗余元能够灵活地发挥其功能,重新进行复杂体系结构的有效构造,从而适应新的任务环境,并为复杂体系的构建以及体系改进和优化提供一定的理论指导.     

脉冲爆震发动机技术发展研究

阐述了脉冲爆震发动机(PDE)的工作循环过程、工作特点、主要形式及其应用前景.结合目前脉冲爆震发动机技术的发展现状,分析梳理了PDE的研究进展、发展形式、主要研究方法以及当前阻碍其实际应用的关键技术障碍与对策.同时指出,脉冲爆震发动机具有热效率高、结构简单、高经济性、宽应用范围等优点,被认为是21世纪最有发展潜力的技术,但是在实际应用之前,缩短DDT距离并产生连续可靠的爆震过程,以及研制经济的耐高温高强度材料仍是两大难题.     

基于卡尔曼滤波和模糊数据融合的跟踪算法

在目标跟踪系统中,特别是在复杂背景情况下对地面目标的跟踪中,传统相关算法采用全局搜索的方法,使得计算量相当大,不易实时实现,而且当发生目标局部遮挡时,目标容易丢失.为此,提出一种基于模糊推理和卡尔曼预测器的目标相关跟踪的方法,它充分利用卡尔曼预测器的预测功能来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行相关匹配运算,找到最佳相关匹配点,跟踪更具主动性,同时用模糊推理方法对卡尔曼预测器的参数进行自适应调整,从而可以跟踪各种机动目标.实验中用传统算法和本算法对高速行驶的坦克进行跟踪时,传统算法容易跑飞,而本算法不受遮挡干扰,始终稳定跟踪且耗时大幅减少,且能够跟踪机动速度大幅变化的目标.