采用RLS算法的功率倒置阵列的性能

为解决功率倒置阵列采用LMS算法时收敛速度和稳态失调误差不能兼顾的缺点,提出了采用RLS算法实现功率倒置阵列的方法。仿真结果表明,功率倒置阵列采用RLS算法和LMS算法都能达到较好的抗干扰效果。和LMS算法相比,RLS算法同时具有收敛速度快和稳态失调误差小的优点,代价是计算量增大。     

超高斯随机振动环境的疲劳强化机理

针对可靠性强化试验的全轴随机振动环境的超高斯幅值分布特性开展其疲劳强化机理研究。首先通过理论分析表明RS机振动激励下试件应力仍保持超高斯分布,然后证明了同等量级下的超高斯分布比高斯分布随机应力具有更高的疲劳强化效能,从而揭示RS机全轴随机振动环境超高斯幅值分布特性的疲劳强化机理。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

一种高超声速飞行器在线反馈滤波算法

高超声速飞行器是近年来各国大力发展的新概念飞行器,针对其飞行运动轨迹难以进行高精度跟踪这一问题,结合神经网络强大的自适应和自学习能力,提出了一种高超声速飞行器在线反馈滤波算法.其核心是在当前统计模型的基础上,利用BP神经网络与卡尔曼滤波相结合进行滤波器设计,实现对高超声速飞行器高精度跟踪.最后通过仿真试验进行比较,验证...     

联邦滤波器公共信息分配方法

目前的导航系统多采用以惯导为主的组合导航方案,其组合算法有集中卡尔曼滤波和联邦卡尔曼滤波两种.针对联邦滤波器公共信息分配的问题,分析了常规的固定分配系数的方法及其特点,之后详细讨论了动态分配方案,列出了几种分配模型.最后给出了INS/GPS/ADS组合导航系统公共信息动态分配的算例.     

亚像素图像处理技术及其在网格法中的应用

图象分辨率大大低于胶片是数字图像处理系统的一大弱点,此弱点极大地限制了数字图像处理技术在精密测量等领域的应用。亚像素软件处理技术能弥补硬件这一缺点。本文介绍了常用的正像素图像处理技术,并将其应用于网格测量方法;提出了处理大曲率网格线的新方法──线跟踪算子,并实现了大曲率网格的亚像素处理。关键词     

混响背景下基于高阶统计量的动目标检测方法

针对混响背景中的动目标检测问题,根据基阵接收数据经过波束形成与匹配滤波后的输出结果计算高阶统计量,并将其视作观测空间。基于此空间中混响和目标回波的差异,利用多ping的高阶统计量构造特征向量,计算特征向量之间的马氏距离作为混响和目标差异的量化标准,再依据最大一致条件功效检测准则选择门限检测方法。波形数据仿真与海上实录数据检验均表明该方法的检测性能优于单ping波束形成及匹配滤波方法。通过蒙特卡洛仿真获得不同信混比下的ROC曲线,与单ping检测相比,在保证虚警概率小于0.01,检测概率大于0.5的条件下,最小可检测信混比降低约6dB。     

基于旁支式次级源的舰船液压管路低频脉动有源衰减

舰船液压系统的低频脉动伴随流体沿管路传递,产生结构振动的线谱。针对难以通过被动式衰减的低频脉动,设计旁支式次级源,进行有源衰减的研究。所设计的旁支式次级源采用压电陶瓷驱动,结构紧凑且增加了放大结构,从而提高了响应特性。搭建液压管路的有源控制系统,采用FxLMS自适应算法,进行多线谱脉动的控制实验。实验结果表明,旁支式次级源能够对多线谱低频脉动进行有效衰减,减小随流体传递的振动能量,且对原液压系统工作性能无影响。     

通道失配对GNSS阵列抗干扰性能的影响分析

卫星导航接收机极易受到电磁干扰的影响,基于阵列接收机的空时(频)抗干扰技术被证明是目前最有效的抗干扰手段。在工程实现时,阵列通道存在通道失配,本文以统计性能的评估方法评估了通道失配对阵列抗干扰性能的影响。研究结果表明,通道间群时延偏差和幅度失配是导致阵列抗干扰性能下降的主要因素,前者可通过增加空时滤波器阶数来消除影响,而后者对空时滤波器阶数不敏感,需要进行必要的校正。     

基于位置预测的靶场图像实时判读方法

在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter, KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection, TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。