GNSS接收机离散化处理对解扩性能的影响

建立扩频信号防混叠滤波、采样、量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4 bit,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4 bit时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4 bit、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05 dB,对解扩性能提升不明显。该结论可为实用型全球导航卫星系统接收机前端离散化处理优化设计提供理论指导。     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。     

基于H∞滤波的无序量测更新算法

在目标跟踪系统中,传感器量测因通信延迟无序地到达融合中心,产生无序量测融合问题。针对此问题,将H∞滤波作为基础滤波算法,提出了一种可处理单步或多步延迟无序量测的新算法。新算法借鉴有序滤波思想,利用等价量测来代替无序量测发生时刻后的量测序列,然后从该时刻起利用无序量测和等价量测进行有序更新。仿真实验表明,新算法相比于传统算法有更高的滤波精度,尤其在系统模型误差较大时仍有良好的滤波效果。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

加肋凹锥-环-柱结合壳结构参数分析

采用分区样条等参元法,分析了加肋凹锥 环 柱结合壳的应力和稳定性特点,研究了各项结构参数变化对结合壳应力和稳定性的影响,认为加肋凹锥 环 柱结合壳能有效降低锥柱结合部的纵向弯曲应力,但对于降低环向应力效果有限,建议在环壳段中部增加一档肋骨;半锥角的凹结合壳越大,嵌入环壳段的优势越明显;增大环壳与柱壳半径比可以有效降低环壳段中部的纵向弯曲应力.     

加权采样的序列蒙特卡罗滤波技术

在处理非线性滤波问题时,常用的几种通过模型近似或计算近似的滤波方法均在某种特定的情况下具有适用性.近年来随着计算机处理能力的快速发展,提出了序列蒙特卡罗滤波方法,因其在处理复杂的非线性和非高斯问题时表现出强大的潜力而引起广泛关注.详述了序列蒙特卡罗滤波算法的基本思想和原理,对其关键技术进行了归纳分析,并指出了该方法亟待解决的一些难点问题.     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

一种改进的SIR粒子滤波方法

SIR粒子滤波算法在重采样无法进行时可能失效,详细分析了算法失效的原因,并针对此问题提出了基于PSO的改进方法,该方法利用PSO的智能寻优机制引导重要性抽样的粒子移向高似然区,从而确保重采样过程的顺利进行。仿真试验表明,提出的改进方法可以有效解决SIR算法因重采样无法进行而导致的失效问题。     

激光成像自动对焦系统的散斑噪声滤波算法

针对激光主动探测成像的散斑（Speckle）噪声影响自动对焦系统的清晰度评价函数曲线,从而影响对焦性能的问题,提出一种多方向线型加权形态滤波方法。实验证明：基于该方法构造的滤波器明显改善了激光图像清晰度评价曲线（即自动对焦曲线）的形状,降低了误对焦率,提高了自动对焦系统的稳定性。     

一种基于特征匹配的实时电子稳像算法

为了实时地稳定摄像系统的输出视频,提出了一种基于特征匹配的实时电子稳像算法。将改进的Kanade Lucas Tomasi(KLT)算法用于特征提取,并提出一种新的基于灰度投影均值的特征匹配算法。为了保证稳像结果的鲁棒性,还给出了特征的有效性检验方法。另外,基于高实时性对运动滤波算法的要求,在有意运动参数估计中采用了递归Kalman滤波法。实验表明,在微机上稳定单帧图像仅需24.7ms,能够满足实时性要求,且具有良好的稳像效果。