非线性自适应统计滤波器在声测量信号处理中的应用

从α-stable分布特征出发,阐述了处理非高斯噪声的LMP、顺序统计、群组等非线性统计滤波器自适应算法;实例验算表明了在α-stable分布下,非线性统计自适应器性能优于传统的线性自适应滤波器,且收敛速度更快.     

机动目标跟踪的交互式多模型自适应滤波算法

采用"当前"统计模型、匀加速模型以及匀速模型,运用交互式多模型算法的思想,提出了一种用于机动目标跟踪的交互式多模型自适应滤波算法.基本思路是上述三种模型并行工作,利用马尔可夫切换系数在它们之间进行切换,目标状态估计是上述三种模型交互作用的结果.蒙特卡罗结果表明该算法不仅克服了上述三种模型各自的缺点,提高了对机动目标的跟踪精度,同时具有全面自适应跟踪能力.     

态势估计中一种基于最大后验概率估计的时间推理方法

态势估计中统计时间推理在许多应用中非常重要。Ｋｉｒｉｌｏｖ的基于极大似然估计（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ，ＭＬＥ）的推理方法将未知时间变量看作常数，忽略了它的先验信息，估计方差较大。针对这一问题，本文首先建立了已知时间信息和未知时间变量之间的关系模型，这一模型可用来解释Ｋｉｒｉｌｏｖ的方法；然后在这一模型下，将未知时间变量扩展为随机变量，采用基于最大后验概率估计（ＭａｘｉｍｕｍａＰｏｓ－ｔｅｒｉｏｒｉＥｓｔｉｍａｔｉｏｎ，ＭＡＰ）的方法进行统计时间推理。对两种推理算法的性能进行了分析和比较，发现在较宽的范围内，基于ＭＡＰ的方法性能优于基于ＭＬＥ的方法。     

落点散布鉴定中Bayes序贯截尾方法的运用

本文研究再入飞行器落点散布的鉴定方法。构造了 Ｂａｙｅｓ 序贯截尾方案；分析了可能冒的风险，给出了计算方法； 对于 Ｂａｙｅｓ 方法运用中的关键问题——验前信息的运用及验前概率的计算， 作了较详细的论述。文中提出的方法， 适用于小子样场合下的试验鉴定问题。     

序列近似优化方法

随着工程优化中仿真模型精度和计算时间的不断提高,常规的智能优化方法难以在可接受的计算代价中得到最优解。序列近似优化方法通过将近似模型技术引入优化过程,并采用不断更新采样点的方法来指导寻优,在基于计算耗时模型的优化中得到了越来越广泛的应用。通过论述序列近似优化方法的若干关键技术及其发展现状,可有效指导其在工程优化中的应用,并给出了序列近似优化方法可能的改进方法及发展趋势。     

GNSS接收机离散化处理对解扩性能影响的研究

建立了扩频信号防混叠滤波、采样和量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4比特,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4比特时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4比特、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05dB,对解扩性能提升不明显。本文结论可为实用型GNSS接收机前端离散化处理优化设计提供理论指导。     

改进预测协方差门限法的采样周期自适应选择算法

传感器采样周期是影响目标跟踪的一个重要参数。现有自适应采样周期策略中,一些算法运算量比较大,计算效率低,不具有一般性。为此提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略。最后与几种自适应采样周期算法与固定采样周期算法通过交互式多模型(IMM)滤波算法进行仿真比较。仿真结果表明该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率,比固定采样周期算法更能节约资源。     

阻抗测试的采样数值算法

提出一种用于阻抗测量的算法———采样数值算法 ,这种算法是将激励信号和阻抗产生的响应信号通过同步采样技术转换成数值序列 ,将响应数值序列在由激励数值序列构成的正交坐标系中分解 ,得到响应数值序列的同相分量和正交分量 ,求出测试阻抗的参数值。这种阻抗测试的算法 ,具有独特的优点 ,不产生原理测量误差 ,测量精度高     

反舰导弹突防概率随机模型的构造与分析

根据现代海战的特点,结合敌我武器装备的实际,对反舰导弹的突防概率统计模型进行构造和分析,并建立仿真程序,对影响导弹突防能力的因素进行分析,得出结论。     

飞行器动力学环境预示技术应用研究

动力学环境试验技术已被广泛应用 ,但动力学环境预示技术还没有得到很好的重视和发展。讨论了几种动力学环境预示方法的特点 ,着重研究了统计能量分析 ( SEA)方法的原理及其应用 ,并以某型号发动机长尾喷管舱为例 ,具体给出其工程分析估计过程