基于微机电系统技术的分立式微变形镜

从光学性能仿真和结构版图设计两方面对基于微机电系统技术的分立式微变形镜进行了研究。以符合柯尔莫哥洛夫湍流统计理论的大气随机波前作为被校正对象,对方形排列、砖形排列和蜂窝形排列的三种分立式微变形镜进行了面形函数构建与波前校正仿真;从单元数量、控制电极、释放孔、弹性支撑梁和寻址线等方面给出了分立式微变形镜的结构、版图设计准则;最终采用两层多晶硅表面牺牲层工艺完成了一种方形排列37单元分立式微变形镜的制备,并对其镜面光学质量和电压-位移曲线进行了测试。     

星敏感器低频误差与陀螺漂移离线校正方法

获取高精度事后姿态数据是提高遥感平台成像质量的必要条件之一,离线处理可有效降低敏感器测量误差,从而获得更高的姿态确定精度。基于滤波的校正方法中,星敏感器低频误差(LFE)与陀螺漂移将产生耦合影响导致校正精度低,本文针对该问题推导了耦合误差的数学模型,并设计了一种两步双向平滑事后处理算法,将陀螺漂移与低频误差分两步校正,通过反复滤波剥离陀螺漂移与低频误差。同时,针对低频误差参数收敛速度慢、噪声参数调节困难的问题,利用一种基于极大似然估计(MLE)的固定窗口自适应双向滤波算法进行处理以获得更好的噪声估计,提高了收敛速度和收敛精度。文中仿真工况下,离线姿态确定精度可达到0.8″(3σ),低频误差参数完全收敛时间不超过4个轨道周期。     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

基于相关误差的变步长LMS算法

以自适应对象建模为应用背景,对不同的变步长LMS算法进行对比研究,提出了一种基于相关误差的变步长LMS算法,仿真结果表明,该算法较现有算法具有较快的收敛速度和较高的收敛精度.     

APSO算法在语音信号盲源分离中的研究

将自适应粒子群优化（Adaptive Praticle Swarm Optimization）算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。     

新型机载双通道SAR-GMTI实时算法

提出了一种用于机载双通道SAR的GMTI新算法,将自适应插值算法与多普勒频域DPCA相结合,先分析了新算法的原理,然后以一个距离误差系数不为正整数,并且有加速度存在的载机模型进行仿真.给出了使用新算法后的仿真结果,证明了算法的合理性和可靠性.     

基于改进蚁群算法的无人机航路规划

为了提高无人机(UAV)的作战效率和生存概率,在执行任务之前必须设计出高效的无人机飞行航路.针对这一问题,采用了蚁群算法进行航路规划,并对蚁群算法进行了改进.提出了保留最优解、自适应状态转换规则和自适应信息激素更新规则,有效的提高了算法算收敛速度和解的性能.最后用改进的蚁群算法对无人机任务航路进行了仿真,仿真结果表明,该算法是一种有效的航路优化算法.     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

基于自校正Broyden拟牛顿法的航空发动机模型数值计算

以Broyden拟牛顿法为基础结合计算发散判断和校正机制,提出自校正Broyden拟牛顿法.该算法结合牛顿法(Newton-Raphson method)平方收敛和Broyden拟牛顿法超线性收敛特性,通过自适应调整计算步长和校正函数,在非线性系统中具有更好的计算性能.以变循环发动机部件级模型为对象,应用自校正Broyden拟牛顿法进行稳态及动态仿真计算,并与牛顿法和Broyden拟牛顿法作对比.结果表明:自校正Broyden拟牛顿法对恶劣的初始计算条件适应性更高,计算速度更快且收敛能力性更强,动态计算中部件模型计算调用次数为牛顿法的15%,模型动态误差低于Broyden拟牛顿法的15%,同时也低于牛顿法的28%,动态计算最大残差量低于其他两种算法的25%.验证结果表明了自校正Broyden拟牛顿法的优越性.      

一种新的SAR成像末制导弹道快速优化方法

基于一种求解最优控制的新方法——hp自适应伪谱法,对合成孔径雷达(SAR)成像末制导弹道优化问题进行了研究。以波束驻留时间最小为指标函数,考虑SAR成像约束、导弹过载约束、导弹动力学约束,建立了SAR成像末制导弹道优化模型,利用hp自适应伪谱法对模型求解。仿真结果表明,hp伪谱方法通过伪谱分段数和配点数目的自适应调节,融合了分段伪谱法计算效率高和全局伪谱法收敛速率快的优点,得到的弹道平滑、精度高,与采用直接打靶法的弹道优化相比,优化时间显著降低,可为SAR成像末制导工程设计提供有益参考。     

随机神经网络在机动多目标跟踪中的应用

研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。     

一种基于自适应粘滞Landweber算法的雷达杂波模拟方法

在Weibull分布雷达杂波模拟的模型中,针对隐函数迭代法求解无记忆非线性变换法(Zero Memory Nonlinear,ZMNL)中相关参数效率低下的问题,对Landweber迭代算法进行了优化,使之具备粘滞迭代格式和自适应步长,进而将相关系数求解问题转化为第一类算子方程问题。仿真结果表明,改进的算法收敛速度明显提升,显著提高了Weibull雷达杂波的模拟精度。     

基于自适应连续蚁群算法的卫星星座设计(英文)

蚁群算法是一种解决多变量问题的新型启发式仿生算法。本文分析了卫星对地面的覆盖条件,提出用——/(n 1)重覆盖率来评价星座的覆盖性能,建立了以覆盖性能为目标函数的卫星星座参数优化模型。采用蚁群算法对卫星星座参数进行优化,为星座优化问题提供了一种新方法。在连续蚁群算法的基础上对算法进行改进,提出蚂蚁种群数量的自适应准则,有效的提高了搜索范围与收敛速度。通过仿真表明,与其他方法相比,蚁群算法在星座参数优化有着明显的效率。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点；然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

一种改进的LMS算法及其在自适应消噪中的应用

介绍了一种改进的LMS自适应滤波算法及其在自适应噪声对消中的应用。该算法利用误差信号的相关值去调节步长,解决了算法收敛时间与稳态误差间的矛盾,为实际应用提供了更大的灵活性。它同时实现了均方误差小和收敛速度快,并且降低了LMS算法对噪声的敏感性。文中最后给出了仿真结果,仿真结果与理论分析是一致的。     

基于AEKF的永磁同步电机转速估计算法研究

针对在转速估算研究中采用常数矩阵不能准确描述永磁同步电机(PMSM)在不同运行条件下系统噪声的问题,提出了一种基于新息序列和状态残差的自适应扩展卡尔曼滤波算法(AEKF)。同时,对AEKF的稳定性进行理论上的探究。经仿真验证,与传统扩展卡尔曼滤波算法相比,AEKF在收敛速度和收敛精度上更优,参数鲁棒性更好。     

新的变步长LMS算法及其在自适应噪声对消中的应用

介绍了一种基于均方误差估计的新变步长LMS自适应滤波算法。与传统的LMS算法相比,该算法具有较快的收敛速度和较小的稳态失调。将该算法应用于自适应噪声对消系统的仿真中,给出了计算机仿真结果,仿真结果与理论分析一致,证明了新算法的优越性。     

几种MEMS分立式微变形镜的设计与性能比较

采用形状函数法描述变形镜校正时的曲面,从适配误差、Strehl比、加工工艺性三个方面比较了4种不同单元排列方式的微变形镜。结果表明方形排列的微变形镜设计简单,需驱动电压较低,但波前校正性能较差;圆形微变形镜性能最优,但设计复杂,需驱动电压最高。     

一种优先级区分的机载无线网络MAC层自适应退避算法

针对现有无线网络媒介接入控制(MAC)协议退避机制存在的竞争窗口(CW)易产生振荡、不能为紧急业务提供低时延QoS保障、难以区分服务类别等不足,提出了一种区分业务优先级的自适应退避(PAB)算法。该算法在二进制指数退避(BEB)算法的基础上,根据信道忙闲标识和业务优先级自适应选择相应退避阶段,通过参数设置可对不同优先级业务相邻退避阶段的前、后转移概率进行调整。利用二维马尔可夫链理论对PAB进行了建模分析,理论分析获得了饱和吞吐量和平均MAC时延的数学表达式,仿真实验结果表明:在机载无线网络(AN)环境下,PAB的性能相对BEB有了显著提升,可有效保障机载无线网络多业务类型的传输需求。     

自适应滤波对提高光电吊舱目标定位精度的研究

针对机载光电吊舱目标定位精度的问题,提出了一种采用LMS自适应噪声抵消技术来提高载机姿态角精度,从而提高目标定位精度的滤波方法。文章介绍了自适应滤波器噪声抵消的工作原理和LMS算法,并给出了LMS算法的Matlab仿真实现的滤波结果,通过分析仿真结果验证了该方法的有效性,并根据蒙特卡罗法计算1000次,得出该方法使经度误差减少了13.2%,纬度误差减少了10.3%,高度误差减少了15.8%。