基于非线性扩张状态观测器的直线电机PD控制

为了解决直线电机伺服系统跟踪速度与峰化现象之间的矛盾,设计一种基于非线性扩张状态观测器的比例微分(Proportion Differentiation,PD)控制器。将直线电机伺服系统中的未建模动态和外界干扰定义为总和扰动并扩充为系统新的状态变量,利用非线性扩张状态观测器(Non Linear Extended State Observer,NLESO)估计不可测量的直线电机动子速度以及总和扰动。利用NLESO和跟踪微分器TD的输出,基于动态补偿线性化思想设计了引入补偿量的PD控制器,并给出了闭环控制系统稳定性证明。在Googol公司的实验平台上,通过与两种基于LESO的PD控制器对比,验证了所设计的基于NLESO的PD控制器的可行性。实验结果表明,基于NLESO的PD控制器可使直线电机伺服系统具有跟踪速度快、跟踪精度高、峰化现象小、鲁棒性强的优点。     

末制导段比例导引法的改进

为了消除比例导引法末制导段的各种干扰因素,抑制法向过载的跳动,基于广义卡尔曼滤波多步估计理论,提出了将拦截导弹直接向瞬时遭遇点导引的末制导导引方法,并进行了计算机仿真.仿真结果表明,该方法可以明显消除或减小末制导段比例导引律的各种干扰因素,抑制法向过载的跳动,改善末制导的弹道特性,减小脱靶量,缩短拦截时间.     

针对窄脉冲雷达测角的相位干涉仪仿真研究

以Matlab／simulink为工具,对相位干涉仪快速准确获取窄脉冲目标雷达的角信息问题进行了仿真研究。研究表明,相位干涉仪快速、准确获取窄脉冲目标雷达角信息的基本能力主要取决于鉴相器中低通滤波器截止频率的设计,并给出了截止频率的设计公式。此外,还对读取相关信息的时机和方法等问题进行了研究,给出了相应的解决方案。     

基于HSV模型的运动目标提取与跟踪

为了实现对运动目标跟踪的目的,根据六角椎体模型原理(HSV),运用自适应阈值分割的方法,将运动目标从背景中提取出来,并对目标的运动轨迹进行计算与预测.利用Matlab 6.5,实现了单目标的提取与跟踪.经分析,这种方法速度较快,占用资源较少,非常适合工程应用.     

全局仿射变换条件下图像不变量提取新方法

从仿射几何理论出发,提出了一种全局仿射变换条件下图像特征不变量构造的新方法.利用仿射区域划分获取一组扩展质心集合作为图像特征点集;求解特征点集的凸包,根据扩展质心的性质将凸包顶点均匀组合成若干特征区域;利用仿射几何性质构造了有效的仿射不变量.实验对该方法进行了全面的比较分析,以验证所构造的不变量更具稳定性和高时效性.     

适于PCT编码的低内存通用树状多带滤波器组实现

基于常用的多带滤波器组的紧支撑性及FIFO(First-in First-out)缓存技术提出了一种具有低内存需求的通用树状多带滤波器组(Tree-structured Filter Bank,TSrS)的实现方法SBFB.该方法具有两大特点:(1)生成与全局变换法相同的子带系数,但是内存需求大大减小且仅与图像宽度及采用的TSFB相关;(2)在FIFO缓存中直接生成父子树(Parent-children Tree,PCT).基于PCT的编码器可直接对位于缓存中的PCT进行编码,而无须在SBFB与编码器之间引入中间缓存.通过分析TSFB的各分解层中的数据流,给出了样本点与子带系数之间的时序关系,并且使用该关系从数学上严格证明了SBFB的正确性.     

信号相位匹配法检测正弦信号的高阶统计量方法

为了能对提高高斯色噪声中正弦信号的检测能力,提出了二阶自相关和四阶累积量预处理的信号相位匹配检测法.仿真结果表明,高斯色噪声中四阶累积量预处理的信号相位匹配检测法的检测性能接近于高斯白噪声下匹配滤波器,优于二阶自相关的信号相位匹配检测法的检测性能,更优于的信号相位匹配的最小二乘检测器.     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

纯方位TMA的变增益扩展卡尔曼滤波算法

通过对水下纯方位目标运动分析中的扩展卡尔曼滤波(EKF)算法的分析,利用方位新息,构成了一条反馈回路,从而将EKF算法改进为变增益扩展卡尔曼滤波(VGEKF)算法.对比仿真分析表明,VGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位目标运动分析的实现提供新的途径.     

粒子滤波算法的关键技术应用

针对基于贝叶斯原理的序贯蒙特卡罗粒子滤波器出现退化现象的原因,以无敏粒子滤波(UPF)、辅助粒子滤波(ASIR)及采样重要再采样(SIR)等改进的粒子滤波算法为例,对消除该缺陷的关键技术(优化重要密度函数及再采样)进行了分析研究.说明通过提高重要密度函数的似然度、引进当前测量值、预增和复制大权值粒子等方式,可以有效改善算法性能.最后通过对一无源探测定位问题进行仿真,验证了运用该关键技术后,算法的收敛精度和鲁棒性得到进一步增强.