基于快速平行因子分解的声矢量传感器阵二维DOA估计

将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。     

基于线性参数变化自适应观测器的鲁棒故障诊断

基于线性参数变化自适应观测器,研究了一类具有外部扰动的不确定线性参数变化系统的鲁棒故障诊断问题。针对飞控系统具有非线性和时变的特点,运用了线性参数变化技术,提出一种基于线性参数变化自适应观测器的自适应故障估计算法来估计故障信息。为降低外部扰动对故障估计的影响,引入了H∞鲁棒性能指标来设计线性参数变化自适应观测器以及故障估计算法。结果表明,该方法具有良好的故障估计性能,且对外部扰动具鲁棒性。设计过程中,将参数的求解转化为线性矩阵不等式（LMIs）约束下的凸优化问题。最后,将该方法应用于直升机线性参数变化飞控系统执行器故障诊断,仿真实验验证了该方法的有效性。     

运载火箭推力下降故障下的在线弹道重构方法

针对运载火箭推力下降故障下难以实现在线弹道重构的问题,提出了一种基于神经网络的剩余运载能力估计及程序角重构的算法。以线下基于工程实践的弹道优化方法生成的故障状态下最优弹道作为学习样本,针对程序角曲线的特点,分别使用不同学习方式学习一级飞行段程序角和其他飞行段程序角;分析不同超参数对神经网络训练过程的影响,利用随机搜索法选取超参数。该算法使用以神经网络为核心的机器学习思想,用基于数据的方式避免了因运载火箭动力学模型复杂而无法在线快速求解最优弹道的问题,能够解决大气环境下弹道重构的难题。仿真结果表明,该算法对剩余运载能力估计准确,重构程序角与最优弹道相比误差小,运算速度相比其他方法优势明显。     

基于Hopfield神经网络的非线性系统故障估计方法

针对一类故障参数是线性可分的非线性系统,在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力和稳定性理论,将故障参数的估计问题转化为Hop-field神经网络的稳定性问题,克服了现有数值方法存在量化误差和算法收敛性等问题。与自适应观测器和等价空间方法等相关故障参数估计方法相比,具有设计简单、易于实现和适用性宽等特点。仿真结果表明,对于常值故障和时变故障,诊断系统均具有较好的估计效果和动态性能。     

任意点正弦波信号频率估计的快速算法

研究了任意点正弦波信号频率估计的快速算法,先对截短信号序列(2的整数次幂长度)用M-Rife算法进行频率初估计并得到结果^f,以此作为中心频率,选取^f 21Lfs,-21Lfs两个频率对信号作L点DFT,然后对这两条谱线作频率插值(即Rife算法)得到频率的精确估计。仿真结果表明本算法性能稳定,略优于M-Rife算法,接近克拉美-罗限(CRLB)。该算法便于在DSP,FPGA等器件上实现快速频率估计。     

三参数Weibull分布参数的极大似然估计数值解法

利用降阶思想,给出了一种新的求解三参数Weibull分布参数的极大似然估计数值方法。该方法首先假定形状参数已知,将三元方程组转化为二元方程组,并用二分法求解该二元方程组的数值解,然后将尺度参数和位置参数表示成形状参数的函数,此时极大似然函数仅是关于形状参数的单变量函数,再次应用二分法即可得出形状参数的最优估计结果。该算法稳定,不需要赋予初始值,对样本数量没有限制。与其他方法相比,具有计算精度高、运算速度快的优点,便于工程应用。     

均匀面阵中高效率的二维波达方向估计方法：降维求根MUSIC算法（英文）

波达方向估计是阵列信号处理研究的重要方向之一。本文在降维求根技术和MUSIC算法的基础上,研究了均匀平面阵列的二维波达方向估计问题。首先基于噪声子空间和方向矢量之间的正交关系构造二维求根多项式,并证明该多项式包含无限多个解。为获取这些解中包含的真实目标参数,提出了一种新的低复杂度、计算效率高的算法,即降维求根MUSIC算法。所提算法应用降维求根技术目标的真实解,其中二维求根方程被转换为两次一维求根,该过程有效降低了求根难度。最后,通过一次配对过程获取目标角度参数的估计值。数值模拟验证了该方法的有效性和优越性。     

ARMA参数识别的预估噪声法

若ARMA模型(B)y_t=θ(B)w_t的驱动白噪声预先给定,则参数的识别是一个线性问题,本文从此观点出发,推导了从已知时间序列{y_t)预估驱动白噪声{w_t}序列的递推算法,由序列{y_t}与递推得到的{w_t}的值,对相关函数作出估计,然后由参数与{y_t}和{w_t}二阶矩的线性关系即可求解出模型的参数,此算法简单快速,并且有良好的精度。     

基于CPSOGSA算法的威布尔参数估计及其在民机设备可靠性评估中的应用

为了解决小样本条件下民机装备可靠性模型参数的估计问题，本文提出一种基于收缩系数的粒子群万有引力搜索算法（Contraction factor Particle Swarm Optimization-Gravitational Search Algorithm,CPSOGSA）的参数估计算法。该方法提升了粒子群算法寻优性能，有效提升威布尔模型的参数估计精度。通过算例证明：该方法可以很好地用于民机设备的小样本可靠性参数估计，估计结果具有较高的精度，且耗时更短，表明了该方法的有效性和可行性。     

无线传感网络中神经网络路由算法

针对大规模传感网络的特点,提出了一种新的神经网络的路由优化算法。该算法在满足时延约束条件下能快速选择出最小能耗的优化路由。同时文中给出能量函数各参数之间的关系,并证明了通过适当选取参数,可保证网络的可行解将是渐进稳定的。计算实例表明了该算法的可行性。最后通过不同规模的网络仿真,显示该算法可有效地用于大规模无线传感网络。     

多变量自回归模型的快速辨识方法

本文提出了多变量AR(Autoregressive)模型建模的快速算法,该算法采用解超定矩阵的最小二乘方法,并利用正交变换技术,从而避免了最小二乘估计中矩阵求逆的病态问题,保证了数值计算的稳定性。还介绍了一种可转化为单变量建模的多变量AR模型,它可以直接利用单变量建模模块。一般情况下,可将序列进行典则分解。最后简要列出了有关结论。     

磨牙修复体数控加工刀轨生成算法的实现

磨牙修复体CAD模型通常以STL格式存储.本文给出了基于STL格式新的拓扑结构,提出了基于顶点的实体等距算法,实现了磨牙修复体粗/精加工刀轨的快速生成.仿真加工结果表明,本文所提算法稳定性好,计算速度快,加工精度高.     

爆炸解体空间碎片的空间密度分布

利用NASA爆炸解体模型研究了由爆炸解体而产生的空间碎片的分布情况,并通过对大种群空间碎片进行快速轨道演化,获得了所有历史上爆炸解体而产生的空间碎片在当前时刻的分布情况,为建立空间碎片环境工程模型提供了一部分参考数据。文中对后续的研究工作具有一定的参考价值。     

序列图像中直线边缘快速提取和匹配

针时飞行器视觉导航等实时性较强的应用,给出了一种在航空序列图像中进行直线边缘快速提取和匹配的方案。在提取直线边缘时,运用了当前速度较快的邻接元素标记方法,从而提高了直线边缘提取速度。而在时直线边缘进行匹配时,给出了一种分三步走的方案,并提出了一种能够有效降低噪声影响的度量方式。首先选择3条直线边缘作为参考模型,在直线边缘的方向、位置以及物理特性的约束下构建候选匹配基,然后在基于矢量技术的基础上确定与参考模型基相对应的匹配模型,在此基础上再确定其他直线边缘之间的对应关系。试验结果表明,本文的直线边缘匹配方法比现有的方法速度提高了30倍以上,能够有效地满足一些实时性较强的应用。     

最大熵磁共振成象理论

由于在实际磁共振成象系统中，只能得到有限的频谱数据，利用传统的ＦＦＴ方法重建磁共振图象，将导致截断的伪影和低的分辨率。本文提出了一种基于ＡＲ模型的最大熵磁共振成象算法，利用ＡＲ模型外推未知频谱数据，替代了ＦＦＴ方法的填零法重建，并利用了ＢＵＲＧ算法中的ＡＲ模型参数计算的有效性，不仅消除了截断伪影、抑制噪声、提高了分辨率，而且使重建时间与ＦＦＴ方法相当，完全适用于临床应用。     

一种宽频带模态识别算法的快速实现

多参考点最小二乘复频域法(p-LSCF)是近几年来提出的宽频带模态参数识别算法,该方法在抗干扰能力、识别密集模态以及处理大阻尼复杂结构方面具有非常好的特性。为了提高模态参数的识别速度,采用FFT运算实现了该识别方法的快速计算。最后通过仿真算例与实测算例进行验证。结果表明:在不损失精度的情况下,能够提高参数识别速度。     

Warehouse Environment Parameter Monitoring System and Sensor Error Correction Model Based on PSO-BP

The warehouse environment parameter monitoring system is designed to avoid the networking and high cost of traditional monitoring system.A sensor error correction model which combines particle swarm optimization(PSO)with back propagation(BP)neural network algorithm is established to reduce nonlinear characteristics and improve test accuracy of the system.Simulation and experiments indicate that the PSO-BP neural network algorithm has advantages of fast convergence rate and high diagnostic accuracy.The monitoring system can provide higher measurement precision,lower power consume,stable network data communication and fault diagnoses function.The system has been applied to monitoring environment parameter of warehouse,special vehicles and ships,etc.     

Fast Numerical Solution to Forward Kinematics of General Stewart Mechanism Using Quaternion

The forward kinematics of the general Stewart mechanism is studied and a fast numerical method is presented.Quaternion is utilized to model the forward kinematics and the equations are merely a system of quadratic ones.The numerical method is a nice simplification of the Newton-Raphson method when applied to this system.A simulation of the movement control of the Stewart mechanism is accomplished,confirming the effectiveness of the proposed algorithm in real-time conditions.     

防空武器系统作战布局优化

在评估防御体系的作战效能时,目标突防概率是人们关心的主要的性能指标.本文利用随机服务系统理论的状态分析和统计平衡分析,获得计算目标沿任意航迹突防概率的随机模型.模拟退火算法是基于Monte Carlo迭化求解法的一种启发式随机搜索法,该算法能通过模拟退火过程快速找到全局的最优解.结合计算目标突防概率随机模型与模拟退火算法,建立了定量解决武器系统作战布局优化问题的方法.算例的计算结果表明,这种方法很快找到火力单元理想的布局位置.这种定量的组网和布局方法比以往基于原则的手工布局更科学、更快速.     

聚束式SAR中卷积反投影算法的快速实现

对应用于聚束式合成孔径雷达 (SAR) 成像中的卷积反投影 (CBP) 算法进行了详细研究,提出了一种基于傅里叶变换的快速实现方法,使得CBP算法的计算量得到明显降低.在传统的CBP算法中,反投影过程中的重采样通过插值实现,因而所需的插值数量巨大,导致运算效率低下.研究了图像像素之间隐含的相对位置关系之后,本文采用一系列快速傅里叶变换 (FFT)来实现反投影过程中的重采样,避免了运算量巨大的插值过程,故提高了运算效率.仿真结果证明了新算法的可行性和有效性.相比于传统的CBP算法,新算法可以提高大约85%的运算效率.由于FFT适用于并行处理,新方法在实时处理SAR系统中有一定的应用价值.