基于变结构神经网络的L1自适应控制

针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。     

运动矢径对AUV协同定位精度影响的仿真

针对在基于运动矢径的自主水下航行器(AUV)协同定位算法中运动矢径对定位精度的影响进行了仿真分析.利用扩展卡尔曼滤波设计了AUV协同定位算法,通过设定不同的运动矢径对该协同定位算法进行仿真,分析研究了运动矢径的变化对定位精度的影响.仿真结果表明,该定位算法受运动矢径的影响,增大运动矢径会使滤波误差波动变大,降低定位精度.     

模型参考自适应电传飞行控制系统纵向控制律设计

针对电传飞行控制系统中被控对象模型参数时变的特点,应用模型参考自适应控制方法设计纵向控制律。论述飞机纵向运动的动力学模型和参考模型的建立,以及基于此参考模型用超稳定性理论设计自适应控制律的方法,并且通过仿真试验进行控制性能验证。仿真结果表明,所设计的控制律可以根据飞行状态的不同自适应的调节控制律,控制性能指标满足飞行品质规范要求,设计方法可行。     

运动目标DOA自适应跟踪算法

战场区域移动通信系统中,指挥中心实时地将主波束对准作战分队来波方向,而将其他方向的来波作为干扰置零陷,不仅提高了抗干扰能力,而且还可对作战分队进行定位。这一过程是通过跟踪移动用户信号的波达角(DOA)来实现的,传统的高分辨率DOA估计算法,如MUSIC、ESPRIT等算法,无法实现自适应、实时跟踪,因为它需要对接收信号的协方差矩阵反复进行特征值分解或奇异值分解,计算量大。针对这一问题,引入基于改进的信号子空间自适应跟踪的卡尔曼(Kalman)滤波算法,该算法直接从信号子空间中提取DOA的更新,无需从协方差矩阵中提取。仿真结果表明,该算法不仅降低了运算量,而且可跟踪多用户的DOA。     

自适应滤波的舰船综合导航系统信息融合技术

针对当前舰船综合导航系统应用环境较为复杂的实际情况,设计了一种基于极大似然准则自适应滤波的无重置联邦滤波器,该联邦滤波器相比常规的无重置联邦滤波器不仅可以提高系统稳定性,还可以提高系统的组合精度。将文中设计的这一联邦滤波器用于舰船综合导航系统设计中,并针对该设计进行了多次车载跑车试验,证明了该方法的正确性和优越性。     

非高斯背景噪声下的微弱磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了一种带通滤波结合OBF分解的磁异常信号检测算法.首先,根据磁异常信号的频域特征,设计了Parks-McClellan最优FIR滤波器.通过对舍噪信号的带通滤波,实现对非高斯噪声的近似高斯化,同时最大程度地保留磁异常信号的信息.然后,对滤波后的信号进行OBF...     

GPS/FOG组合导航系统自适应滤波器设计

结合GPS姿态测量系统导航的特点和光纤陀螺敏感角速度范围宽、启动速度快的特点,提出了一种光纤陀螺辅助GPS导航的方法,采用自适应滤波技术设计了组合导航算法,并进行了大量的试验,试验结果表明,利用光纤陀螺辅助GPS导航方法可行.     

基于FPGA的定点LMS算法的实现

LMS算法的FPGA实现是自适应天线阵用于实践的关键之一。提出了一种在FPGA内实现定点LMS算法的方法。在满足系统实时性的前提下,该方法不但实现起来相对容易,而且算法的精度和动态范围也有一定的保证。仿真结果表明,该方法是可行的。     

自适应光学技术及其军事应用

自适应光学系统能够实时测量并补偿光波受动态干扰所造成的波前畸变,使光学成像系统得到接近衍射极限的目标像。在分析大气湍流对空间目标成像的影响及其统计参数的基础上,介绍了自适应光学的组成、工作原理、工作流程及其特点,阐述了自适应光学在激光、航天和通信等军事领域的广泛应用。     

修正的交互加速度补偿机动目标跟踪算法

为了提高交互加速度补偿算法(IAC)的滤波精度,通过引入一个改进因子自适应地调整过程噪声协方差,给出了一种新的算法.在给定的初始条件下,通过蒙特卡罗仿真,将修正的IAC算法与IAC算法进行比较,结果表明修正的交互加速度补偿算法在目标发生机动时具有更好的跟踪性能.