非合作目标视觉/惯导相对导航及敏感器自标定方法

利用视觉/惯导对空间非合作目标进行相对导航时,两敏感器的外参数对导航精度有较大影响。考虑到敏感器间的外参数标定复杂且耗时,提出一种利用视觉/惯导在估计相对状态过程中对其外参数进行标定的方法。该方法将视觉/惯导的外参数作为状态变量,与相对轨道运动学方程、相对姿态方程及惯导模型共同组成系统状态方程。利用该状态方程和单目视觉的观测量设计扩展卡尔曼滤波器对相对位姿、惯导偏差及视觉/惯导外参数进行估计,并通过数学仿真对该方法的有效性进行验证。仿真结果表明,该方法能够在视觉/惯导初始外参有偏差的情况下,有效估计相对位姿及惯导漂移,并对视觉/惯导外参数进行标定。     

基于单快拍数据的嵌套阵列DOA估计算法

针对嵌套阵列DOA估计实时性不好的问题,提出了一种基于单快拍数据的估计算法。该算法将嵌套阵分为阵元间距等于信号半波长和阵元间距大于信号半波长的两个均匀子阵。利用两子阵接收的单快拍数据分别构造Toeplitz矩阵,然后进行特征值分解结合MUSIC算法得到低精度无模糊的DOA估计和高精度有模糊的DOA估计,最后结合解模糊算法得到高精度无模糊DOA估计。在阵列孔径相同的条件下,相比于阵元间距等于信号半波长的均匀线阵,算法需要的阵元个数较少,节约了硬件成本。该算法具有较好的实时性,并且拥有较高的测向精度。仿真结果证明了算法的有效性。     

基于散射信道的OFDM/OQAM信道估计方法

针对散射信道下OFDM/OQAM系统的信道估计问题,将散射信道建模为瑞利衰落信道,对预编码信道估计方法进行了分析,并且提出了一种改进的预编码信道估计方法。该方法通过改变导频结构的布置,减小预编码矩阵的维数,对未编码符号的干扰通过置零法进行消除,从而降低了预编码信道估计方法的计算复杂度。仿真结果表明,改进方法保证了信道估计的性能,与现有的预编码方法相比,改进方法显著降低了计算复杂度,同时不会产生额外的导频功率消耗。     

装甲车辆行进间炮口振动角度误差预测模型

针对射击延时过程中具有振荡性的装甲车炮口振动角度误差数据,提出了一种优化的GM(1,1)预测模型。对原始数据进行光滑性和单调性处理;对传统GM(1,1)模型的初始值进行了基于拟合误差最小化的改进;基于传统模型中背景值构造方法存在的误差,重构了传统模型的背景值。通过对高低向、方位向两组数据处理结果的分析,优化GM(1,1)模型的拟合、预测结果相对于传统模型、改进初始值模型和改进背景值模型具有较小的误差,能够较好地反映装甲火炮炮口振动角度误差的变化情况。     

天海背景图像天海分界的线性回归检测方法

针对天海背景远距离平视图像的成像特点,确定天海分界区域,可以减少目标分割时的计算量,抑制天海分界区域外不必要的噪声干扰。将求取天海分界方程归结为一个数理统计中的回归分析问题,通过将图像沿水平方向平均分成若干个区域,采用计算最大梯度得出每个区域的天海分界坐标,得到线性回归所需的区域坐标点集合,并用正态分布方法对野值进行剔除,运用最小二乘估计方法计算出天海分界线方程。结果表明,该方法可以准确地检测出天海分界线,且对目标背景特性不敏感。     

基于风险的挣值管理方法及其应用

针对传统挣值管理方法评估项目进度时忽略项目的动态特征以及随机性,并且未区分挣值是否从关键路径上获得的缺点,通过蒙特卡洛模拟,引入关键指数CI,得到两个改进的评价指标T_(EAC,w)和SPI_w,解决在传统挣值方法中可能出现的进度误判问题。并结合实际案例应用,将传统挣值管理方法与改进后的挣值管理方法进行比较分析,发现可能存在的风险,对项目的不确定性及关键路径的影响加以全面考虑,更好地评估项目进展。     

基于估值修正的分布式传感器网络最小均方算法

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。     

共形阵列方位依赖幅相误差校正辅助阵元法

针对共形阵列方位依赖幅相误差校正问题,给出了一种新的基于辅助阵元的自校正算法。对共形阵列接收快拍数据延时,构造满足旋转不变关系的时域子对,并计算子对的协方差矩阵和四阶累积量矩阵;基于旋转不变子空间原理完成对阵列流型和信源频率的估计;利用精确校正的辅助阵元和解线性方程组,实现对信源方位和方位依赖幅相误差的估计。所给算法适用于任意共形载体,普适性强,且无需参数搜索和配对,计算量小。Monte-Carlo仿真实验证明了所给算法的有效性。     

附加运动约束的MEMS惯性传感器融合定姿算法

针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的"双矢量法+EKF"模式有大幅提升。     

基于Golay互补序列的UWB同步和信道估计

提出了一种基于Golay互补序列的UWB信道估计和同步方法。该方法利用了Golay互补序列所具有的互补的自相关特性。首先引出了Golay互补序列的插0序列的概念,并证明了这种插0序列也是Golay互补序列。通过依次发送Golay互补序列,在接收端采样后分别与相应Golay插0序列进行相关并求两者和,根据门限判别即可完成同步和信道估计,仿真结果表明了该方法是有效的。