柴油机间歇性排气噪声自适应有源前馈控制的DSP仿真

分析了柴油机排气噪声的特征,利用自适应有源前馈系统对噪声进行控制;对间歇性噪声的控制进行了建模分析;对柴油机的排气噪声进行了有源消声的初步设计;参考柴油机实际工况,利用高速信号处理芯片TMS320F2812进行了编程及调试;通过实测数据和DSP仿真实验验证了所采用方法的有效性。     

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。     

基于CAS理论的海上编队作战指挥优化控制问题研究

针对当前提高基于信息系统的体系作战能力客观要求,运用复杂自适应系统理论分析了信息化条件下的海上编队作战指挥控制问题,提出了基于CAS理论的海上编队作战指挥优化控制结构模型,并给出了信息化条件下编队指挥所的作战指挥决策流程,从而为有效构建信息化编队作战指挥体系、提高作战指挥能力奠定了理论基础。     

基于自适应小波阈值的SAR图像去噪算法

针对传统阈值去噪方法处理合成孔径雷达(Synthetic Aperture Radar,SAR)图像存在的失真,边缘模糊等问题,提出了一种自适应小波阈值算法。首先对经过对数变换后的SAR图像进行小波变换。然后利用自适应小波阈值对变换后的SAR图像高频部分进行去噪处理,去噪后再对其进行小波逆变换处理。最后再进行一次指数变换,达到去噪的目的。实验结果表明,该算法能够得到较好的去噪效果,并且还有效地解决了传统算法所带来的不足。     

超音速靶弹的鲁棒自适应反演控制系统设计

针对靶弹超音速低空巡航的模型不确定性以及外界气流对靶弹产生干扰等问题,研究了一种适用于超音速低空巡航靶弹的鲁棒自适应反演控制方法。建立了一种非匹配不确定性的超音速低空巡航靶弹非线性动力学模型,利用反演设计法求取虚拟控制和实际控制,并在虚拟控制和实际控制中引入自适应鲁棒项,以抵消系统不确定性的影响。利用Lyapunov稳定性理论证明控制系统稳定。仿真表明,所设计控制器能有效解决系统不确定性及外界干扰问题,具有较强鲁棒性。     

MFSK/FFH系统分集合并算法性能对比研究

推导了部分频带干扰最佳干扰系数表达式并进行了仿真验证,描述了多进制频移键控/快跳频(MFSK/FFH)系统、衰落信道和分集合并算法模型,在最坏部分频带干扰和衰落信道下,仿真对比了MFSK/FFH系统采用线性分集合并、限幅线性分集合并、自归一分集合并、排序统计自归一分集合并、乘积分集合并5种分集合并算法时的误码率性能,结果表明:在最坏部分频带干扰和衰落信道下,线性合并性能较差,其他4种算法性能较为相似,Rayleigh衰落信道中排序统计自归一分集合并和乘积分集合并算法性能最优。     

弹载北斗抗干扰天线系统分析与设计

首先分析了弹载北斗导航系统接收机抗干扰天线系统的军事需求,确立了总体设计方案,然后详细分析了硬件平台方案选择和软件算法技术实现方案,并进行了相关的比较和仿真,得出了一些有益的结论。该结论可为研究和设计基于北斗导航的抗干扰天线系统提供有益的参考。     

探雷声纳增益参数自适应调整仿真

针对探雷声纳操作过程中增益参数调整繁琐,影响水雷目标辨识的问题,定义了声纳图像亮度和对比度两个指标,设计了探雷声纳手控增益和时控增益两个参数的自适应调整方案。对仿真探雷声纳图像检验结果表明,该方案可以在少数几次的参数调整后,图像亮度和对比度比较适于水雷目标辨识,可为探雷声纳的智能化设计提供参考。     

Annealing adaptive search,cross‐entropy,and stochastic approximation in global optimization

The Annealing Adaptive Search (AAS) algorithm for global optimization searches the solution space by sampling from a sequence of Boltzmann distributions. For a class of optimization problems, it has been shown that the complexity of AAS increases at most linearly in the problem dimension. However, despite its desirable property, sampling from a Boltzmann distribution at each iteration of the algorithm remains a practical challenge. Prior work to address this issue has focused on embedding Markov chain‐based sampling techniques within the AAS framework. In this article, based on ideas from the recent Cross‐Entropy method and Model Reference Adaptive Search, we propose an algorithm, called Model‐based Annealing Random Search (MARS), that complements prior work by sampling solutions from a sequence of surrogate distributions that iteratively approximate the target Boltzmann distributions. We establish a novel connection between MARS and the well‐known Stochastic Approximation method. By exploiting this connection, we prove the global convergence of MARS and characterize its asymptotic convergence rate behavior. Our empirical results indicate promising performance of the algorithm in comparison with some of the existing methods. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011     

自适应LMS和相关算法在GMI磁传感器信号检测中的应用

在GMI磁传感器的研制中,微弱磁场信号经常淹没于电路固有噪声中。当非晶丝GMI(GiantMagneto-Impedance)磁传感器的输出信噪比小于0dB时,常规的峰值检波方法无法检出传感器信号。针对此问题,提出了一种新的微弱信号(信噪比小于0dB)检测方法,利用LMS自适应滤波算法提取非晶丝GMI磁传感器输出信号的特征参数,将该特征参数与理想参数进行相关运算,并根据相关值的大小来确定信号大小,从而实现对微弱磁信号的测量。仿真结果表明,采用LMS自适应滤波算法和相关分析相结合的方法,对于传感器输出信噪比等于-10dB的微弱信号,根据相关值与外磁场大小的对应关系,仍然可以确定外磁场大小。