一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

基于直\气复合的再入飞行器操纵耦合分析及鲁椿控制设计

为保证再入飞行器在剧烈变化飞行环境下的控制能力,传统单一气动舵面控制被直＼气复合控制模式取代.性能提升同时,多个参与飞行控制的执行机构之间引起的操纵耦合使系统耦合加剧.以再入飞行器为研究重点,分析了直＼气复合控制模式下的两类操纵耦合原理,建立数学模型.采用动态逆,模糊理论和变结构方法相结合策略设计鲁棒控制器.仿真结果表明该方法是行之有效的.     

坦克炮控系统非线性特性及自适应补偿控制

影响坦克炮控系统低速性能主要有两个方面的因素,摩擦非线性和齿隙非线性。建立了坦克炮控系统数学模型,介绍了坦克炮控系统中摩擦、齿隙两类重要非线性模型,分析了摩擦、齿隙对炮控系统性能的影响,以及摩擦非线性环节导致系统低速时的爬行现象、速度过零时的平顶现象;齿隙非线性环节造成系统输出误差外,系统会因极限环振荡或冲击而降低性能,甚至不稳定,总结了炮控系统中针对摩擦、齿隙等非线性环节的自适应补偿控制的研究成果。     

面向普适计算应用的构件定义语言UCDL

普适计算的适应性特征对于软件重用的要求决定了构件模型是目前普适计算软件体系结构的理想选择.在面向普适计算的自适应软件平台UbiStar的研究过程中,为了准确地对普适应用中构件的外部特征进行抽象描述,参考了CORBA构件模型使用IDL3和CIDL对构件进行特征抽象的方法,结合UbiStar普适计算平台的特点与需求,提出了一种适用于普适计算环境的构件定义语言UCDL,并且给出了一个应用示例.     

基于RBF神经网络的直接自适应飞行控制器

设计了一种径向基神经网络(RBF NN)飞行控制器结构,并给出了相应的控制律和参数调节律。由于调节了RBF NN的全部参数(连接权、高斯函数的中心和宽度),得到了很好的控制性能。以F8战斗机为控制对象进行了仿真分析,仿真表明,在存在70%的模型误差的情况下,该控制器仍然能实现较好的跟踪控制,表现出很好的鲁棒性,远远优于传统的只调节连接权值的算法。     

对辐射源信号到达角的自适应跟踪估计

为提高信号到达角(AOA)的测量精度,采用修正的窗函数加权平均算法和基于机动加速度的非零均值时间相关模型的自适应卡尔曼滤波算法,将信号到达角的变化轨迹看作是一种做加速度机动的运动,实现对连续变化信号到达角的参数估计.计算机仿真验证了算法的有效性和可行性,证明该方法有一定的应用价值.     

舰艇编队多声纳数据融合

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行比较.结合各种声纳的探测特性和水下目标的特点,建立了舰艇编队的数据融合方案.选用简单凸组合融合算法作为舰艇编队协同反潜的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于自适应训练的一种新的软决策融合算法

为了提高系统的检测性能,本地检测器应用了软决策算法,提出一种新的结构框图.将本地判决送至自适应训练器来估计本地检测器的性能参数,然后将得到的性能参数反馈至本地检测器来控制本地的检测门限.另外又将本地判决和可信度送至融合中心进行融合判决得到最终的判决,随后给出了迭代算法.最后通过三检测器系统仿真说明了算法的可行性,检测性能比硬判决有所改善.     

基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.     

自适应权值的嵌套式轮循调度算法

服务质量是目前网络应用研究的一个热点.采取何种队列调度算法则是确保服务质量的关键因素之一.针对NDRR算法不能很好地满足实时业务队列突发情况下的延迟性需求,提出了自适应权值的嵌套式轮循调度算法.当实时业务队列处于突发情况时,能够实现动态增加其权重.理论分析表明该算法有较好的公平性,并能降低实时业务队列的延迟上界,且算法的复杂度为O(1).仿真结果表明,该算法明显改善了突发状态下实时业务队列的延迟性能.