车载UWB SAR干扰自适应抑制新方法

在分析车载超宽带合成孔径雷达(UWB SAR)探测系统中干扰类型及其产生机理的基础上,针对Tsaipei Wang等提出的批处理方法的局限性,提出一种基于迭代运算的图像域自适应干扰抑制方法.该方法利用基于韦布尔分布的恒虚警率(CFAR)检测器提高干扰信号估计的准确性;采用迭代方法在线估计和更新参数,实现干扰的自适应抑制.实测数据处理结果表明:该方法可有效抑制自信号干扰,且结构上适于实时处理,可满足车载UWB SAR探测系统对图像预处理的要求.     

一种改进的自适应多媒体拥塞控制方法

在Internet中传输实时多媒体需要性能良好的拥塞控制机制来确保一定的服务质量。应用实时传输协议RTP的反馈报文的信息,开发了使用参数自适应变化的AIMD拥塞算法来消除拥塞,最终得到了一种改进的单播多媒体自适应拥塞控制算法。经OPNET网络仿真分析,在各种丢失率环境下,算法的发送速率平滑性等性能表现良好,较好地满足了网络多媒体的传输特性需求。     

鲁棒自适应雷达伺服系统

该文设计了一鲁棒自适应雷达伺服系统。所设计的自适应雷达伺服系统对于一类未建模型动态具有鲁棒性。针对雷达伺服系统中的摩擦扰动,引进了自适应摩擦补偿。仿真结果表明,同σ—修正法相比,具有更强的鲁棒性。     

半仿真方位高分辨后置处理方法

MVDR自适应波束形成可获得良好的目标方位估计性能,但其方位分辨力仍受限于阵列孔径.为进一步提高目标方位分辨性能,在MVDR自适应波束输出的基础上,提出了一种高分辨后置处理方法.在两目标方位不可分时,仿真构造两个目标的阵列输出空间方位谱,通过搜索两目标的方位和幅值,与真实数据的空间方位谱输出作匹配处理,从而获得目标的方位估计.实验室仿真及海试数据处理验证了该方法的有效性.     

坦克炮控伺服系统未知摩擦的自适应补偿控制

摩擦的存在导致坦克炮控系统出现低速爬行等现象,使系统性能变差。针对该系统,提出未知摩擦的自适应补偿控制。更具一般性的未知摩擦及系统的参数不确定性使得对摩擦的自适应补偿变的非常困难。在控制器设计中,通过精确估计摩擦及系统中的未知参数、观测摩擦内动态对其进行补偿,从而避免了由于简单地把摩擦看成外界扰动进行补偿所造成的系统性能的损失。同时全面考虑了系统的不确定性和外界扰动,使得控制器有较强的抗干扰性。     

未标定的视频小卫星深空目标凝视控制

设计了一种目标凝视自适应姿态控制方法,可以实现未知目标位置和未标定相机参数条件下的目标凝视控制。根据运动学方程提取出恰当的未知参数,从而将参数进行线性化表示;引入关于未知参数的势函数,确保参数矩阵的秩满足稳定性要求;采用了一个参数自更新律在线估计未知参数,提出了基于估计参数的自适应控制律。采用李雅普诺夫稳定性理论和芭芭拉特引理,证明了目标成像位置与期望成像位置的误差可以渐近收敛到零。仿真结果表明:目标位置未知且相机参数存在偏差的情况下,该自适应控制器能〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCSC.TIF;%129%129〗听语音 聊科研与作者互动 够有效地对深空目标进行凝视观测。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

自适应交互多模型火控跟踪算法

以舰载近程防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法,模型集合取为"当前"统计模型和匀速直线模型.该算法采用后验估计的方法在线辩识及自适应调整上述两个模型的噪声方差,并且采用加权系数限定准则,实现机动目标运动模式与模型集合的自适应.仿真计算证明了该模型算法的有效性.     

制导雷达自适应旁瓣对消研究

制导雷达中若使用常规自适应旁瓣对消方法,辅助天线中的期望信号会引起测角误差.如果不采取应对措施,雷达无法对目标进行有效跟踪.提出了一种改进的自适应旁瓣对消方法,该方法中的辅助天线方向图在期望信号方向形成了零点,因而能够消除由于辅助天线中期望信号的存在而引起的测角误差.理论分析和计算机仿真结果表明改进方法是有效的.     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。