前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.     

基于未加权区域采样的直线反走样算法

直线作为组成图形的基本元素,其生成方法一直是计算机图形学研究的基础内容之一.针对非垂直且非水平直线在光栅图形显示器存在的走样现象,结合经典的Bresenham算法和未加权区域采样思想,提出一种新的反走样直线生成算法.相比于传统的未加权区域采样以及Wu算法,该算法主要利用整数加减运算完成直线的反走样,计算简单,利于FPGA(Field Programmable Gate Array)硬件实现.仿真结果表明:新算法的仿真速度约为传统未加权区域采样的3倍,与Wu算法仿真速度相当;利用Wu算法生成的直线平滑性较好,但是沿着直线方向的某些相邻像素灰度值相差较大,而新算法生成的直线不但平滑效果好,而且沿直线方向相邻像素灰度值相差不大,因此,相比于Wu算法,新算法反走样效果更佳.     

Deramp range migration processing for space-borne spotlight synthetic aperture radar

The deramp range migration algorithm (DRMA) for space-borne spotlight synthetic aperture radar (SAR) is presented, which is based on the two-step algorithm and range migration algorithm. The presented algorithm combines the advantages of SPECAN algorithm and range migration algorithm. Firstly, the presented algorithm performs a bulk azimuth raw data compression to achieve a pixel spacing no larger than the expected azimuth resolution of the fully focused image. Therefore, the azimuth spectral folding phenomenon is overcome. Secondly, the residual and precise focusing of the synthetic aperture radar data is achieved by applying the range migration algorithm. The space-borne SAR focusing parameters’ computation is also described in the paper. At the end of this paper, results are presented which confirm the validity of the presented algorithm.     

改进粒子群优化的卫星导航选星算法

为提高选星算法的性能，提出一种基于人工鱼群算法的粒子群优化（PSO）选星算法。该算法利用人工鱼群算法良好的全局收敛特性，克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子，选取几何精度因子（GDOP）作为适应度函数。利用所提算法更新粒子自身位置，优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比，结果表明:改进的选星算法在保障选星效率的同时，选星结果的准确性优于标准的粒子群优化选星算法。      

改进PASTd算法在大型自适应阵中的应用

矩阵特征分解算法中紧缩近似投影子空间跟踪(PASTd)算法在自适应阵波束形成中得到了广泛应用.在对其仿真中发现仅在信噪比较低时该算法才能得到较好的结果.针对这一缺陷,正交近似投影子空间跟踪(OPAST)算法被引伸到PASTd中.改进算法可在不知道信号维数的情况下估算信号的特征向量与特征值,并保证特征向量的正交性,因此具有更好的收敛性能,而算法复杂度基本不变.改进算法与多重信号分类(MUSIC)算法相结合应用于大型自适应阵,可对主瓣及其附近区域的干扰进行抑制,并大大降低MUSIC算法的计算量,对其干扰零点的形成有很强实用价值.     

一种改进的基于双矢量观测的姿态确定算法

为了提高飞行器姿态确定的精度和姿态矩阵的解算速度,提出了一种改进的双矢量定姿算法.这种算法利用测量系统的方差对两个观测矢量进行加权处理,求得一个新的矢量,以两观测矢量夹角为判断依据选取加权系数;以新矢量为基准矢量,利用双矢量定姿算法求解姿态矩阵,并对求得的姿态矩阵进行修正.仿真结果表明:这种算法所需时间为优化算法的50%,当两个传感器测量误差不同、两矢量为任意夹角时,这种算法比优化的双矢量算法精度高;当两个传感器测量误差相同时,除了两矢量夹角为90°外,这种算法均比优化的双矢量算法精度高.     

一种快速全天星图识别算法

对星敏感器全天识别算法进行了研究,综合考虑三角形匹配识别法和四面体识别法的优缺点,提出一种改进的快速全天星图识别算法.该算法通过优化导航星对角距筛选方法,节省存储空间;同时引入K矢量法用于加快星图识别中角距匹配的速度;在三角形识别不唯一时,引入第四颗观测星进行四面体识别,提高识别成功率;并在三角形识别结束后增加投影验证功能以避免误识别.仿真结果表明,该算法合理有效,可节省存储空间,减小星图识别时间,提高识别正确率,具有很好的实用价值.     

基于光场成像技术的散射性火焰温度场重建

光场成像是一项新兴的非接触式测温技术，针对传统辐射成像温度场重构效率低的问题，开展了基于光场成像的散射性火焰温度场重建研究。在火焰光场成像模型的基础上，以广义源项多流法为正问题模型，利用Landweber算法重构吸收散射性火焰的三维温度场，同时引入最小二乘QR（LSQR）分解算法作为对比以衡量Landweber算法的性能。分析了测量误差对于重建精度的影响，重建结果表明，即使在添加5%测量误差的情况下温度场的平均重建相对误差也仅为0.91%和0.92%，重建结果仍然是合理的。Landweber算法和LSQR算法具有相当的计算精度，但Landweber算法的计算时间是LSQR算法的1/10，其计算效率明显优于LSQR算法。      

Faster algorithm of debris cloud orbital character from spacecraft collision breakup

Space debris is polluting the space environment. Collision fragment is its important source. NASA standard breakup model, including size distributions, area-to-mass distributions, and delta velocity distributions, is a statistic experimental model used widely. The general algorithm based on the model is introduced. But this algorithm is difficult when debris quantity is more than hundreds or thousands. So a new faster algorithm for calculating debris cloud orbital lifetime and character from spacecraft collision breakup is presented first. For validating the faster algorithm, USA 193 satellite breakup event is simulated and compared with general algorithm. Contrast result indicates that calculation speed and efficiency of faster algorithm is very good. When debris size is in 0.01–0.05 m, the faster algorithm is almost a hundred times faster than general algorithm. And at the same time, its calculation precision is held well. The difference between corresponding orbital debris ratios from two algorithms is less than 1% generally.     

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型（IMM）算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型（AGIMM）算法的基础上,提出了一种自适应变结构交互式多模型（AVSIMM）算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。