基于AP-DE算法动态迭代步长的研究

为了促进自适应滤波器的滤波性能,建立了一种变步长的基于直接迭代误差AP-DE算法。通过使得权值均方误差下降速度最大,获得了AP-DE算法的优化迭代步长,并分析了所建立算法权值均方误差的统计特性。     

基于综合识别的高速飞行器自适应控制方法(英文)

针对高速飞行器的传统自适应控制方法中控制器参数获取时间长,辨识存在收敛性的问题,设计了一种基于综合识别方法的新型自校正控制方案。首先,由在线直接可测量构成特征模型的特征状态量,并以特征模型作为参考模型来设计控制器;其次,通过获得的特征状态量来在线调配对象系统的零极点,输出达到期望性能所需要的控制参数。仿真结果表明:该方法能较理想地实现在线自适应控制,保证系统良好的鲁棒性和快速性,同时在工程上易于实现。     

振动信号变换器的设计与实现

多传感器采编器能够实现复杂环境下对飞行体在发射过程中振动加速度、冲击加速度、压力、温度等动态参数的实时测量和记录。传感变换器电路的性能直接影响采集系统的采样精度。为了实现准确测量,对广泛应用于工程实践中的高阶集成开关电容滤波器产生的混叠效应的抑制方法进行分析及实验。实现了一种可程控放大、具有稳定通带截止频率的振动信号变换器设计。实验结果表明,该变换器电路具有体积小、集成度高、滤波衰减陡度大,频率测试精度高等特点。     

一种抑制卫星信号野值的改进Sage-Husa滤波方法

针对组合导航中经常出现的卫星信号野值和滤波精度不高的问题,提出了利用Sage-Husa和新息正交性来消除卫星信号野值及抑制滤波器的发散,从而提高导航的精度和稳定性。首先,用改进的新息Sage-Husa卡尔曼滤波器对组合导航系统的测量信号进行滤波处理,其次,引入抗野值判断函数对测量信号进行判断,剔除卫星信号测量过程中的野值。通过跑车试验将新息Sage-Husa滤波与经典的卡尔曼滤波和Sage-Husa滤波的效果进行对比,结果表明改进的滤波算法能够有效地去除卫星野值、提高导航精度。     

基于随机有限集的多目标跟踪算法

对基于有限集统计的多目标跟踪算法进行研究。PHD滤波器针对传统多目标跟踪中计算量较大的问题,通过计算多目标分布后验密度的一阶矩模拟多目标贝叶斯迭代,取得了良好的效果。针对PHD滤波器对目标漏检较为敏感的缺陷,Cardinalized PHD(CPHD)滤波器同时估计得到后验密度分布和后验势分布,是对PHD滤波的泛化。通过实现PHD和CPHD滤波的混合高斯模型,分析比较两者的性能。实验表明,由于引入了势分布,CPHD滤波提高了对目标估计的准确率,总体性能优于PHD滤波算法。     

基于自适应算法的锥面共形天线阵列方向图综合

以弹载共形相控阵雷达导引头天线为应用背景,将共形天线技术与自适应阵列处理技术相结合,通过欧拉坐标变换,建立了基于有向阵元的锥面共形天线阵列方向图模型,应用了一种基于最大信噪比准则的自适应算法对锥面天线阵列进行了方向图综合。该算法通过对副瓣区域干扰信号的迭代得到一组最优复加权矢量,仿真结果表明该算法可以在三维空间实现对主波束指向以及副瓣电平的控制。     

基于SF-REM的齿轮箱剩余寿命预测方法研究

剩余寿命预测是视情维修决策的重点和难点.针对工程实践中历史数据少、模型参数估计精度低的问题,建立一种基于随机滤波(SF)的齿轮箱剩余寿命预测模型.该方法采用递归期望最大化(REM)算法对模型参数进行递归更新,推导极大似然估计方法的参数递归更新过程,最后经实例验证模型的有效性和实用性.     

EEMD联合AOK-TFR提取车辆微多普勒特征

利用连续波雷达探测运动车辆时,非线性、非平稳的多分量回波信号不易解析提取,基于此,提出了联合总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和自适应最优核时频分布(Adaptive Optimal Kernel Time-Frequency Distribution,AOK-TFR)的方法提取运动车辆的微多普勒(micro-Doppler)特征。建立了车体振动和车轮转动对雷达回波信号产生的复合调制效应数学模型,并对多分量回波信号进行了EEMD,通过联合AOKTFR解析回波信号的固有模态分量,得到了较清晰的微多普勒时频像,较好地克服了地杂波带来的EMD模态混叠。仿真分析表明该方法提取到的微多普勒特征参数与仿真参数吻合,证明了该方法的有效性。     

一种适用于电子稳像的自适应分区块匹配搜索策略

针对传统块匹配法在较大搜索窗口下易陷入局部最优,不适用于大平移抖动图像配准的问题,提出了一种新的块匹配搜索策略。该方法采用改进菱形法进行匹配,将大模板设计为环形并对搜索域分区后排序优选,采用最多样本统计法提取全局运动矢量。算例验证结果表明:该方法较穷尽法、三步法和传统菱形法具有更高的搜索效率;最多样本统计法有效避免了提取全局运动矢量时的前景干扰;图像经该算法处理后的帧间峰值信噪比明显高于处理前,从而验证了该算法的准确性和可行性。     

基于观测预测粒子滤波的雷达组网目标状态估计

雷达组网系统跟踪目标时,观测数据与目标跟踪状态成严重非线性关系,难以用卡尔曼滤波最优估计方法,处理非高斯非线性系统滤波估计问题的粒子滤波算法容易产生粒子退化问题。因此,使用观测预测粒子滤波算法解决这个问题,该算法基于观测似然进行重要性采样,结合一步预测信息计算粒子权值,保证了采样粒子处于高观测似然区,并充分利用了一步预测信息。仿真验证表明,将观测预测粒子滤波算法应用于目标状态估计,避免了粒子退化,收敛快,估计精度高。