基于最小二乘支撑矢量机的陀螺仪漂移预测

研究了支撑矢量机的回归估计算法。针对标准支撑矢量机算法训练速度慢、难以解决大规模问题的局限性，对标准算法的约束条件加以改进，得到一种最小二乘支撑矢量机回归估计算法，该算法大大提高了支撑矢量机的训练速度和解决大规模问题的能力。论文将最小二乘支撑矢量机应用于陀螺仪的漂移预测中，仿真实验结果证明了算法的有效性和可行性，为陀螺仪的实时预测及故障预报提供了可能。     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

一种高低轨卫星联合到达时间被动定位技术

针对高低轨卫星被动定位情况下时钟同步精度很难满足定位精度需求的问题,综合考虑卫星系统误差,建立了兼顾目标位置坐标和未知传输时间的加权最小二乘定位方程,采用变换测量模型,引入半正定松弛算法将传统加权最小二乘问题松弛为半正定规划(SDP)问题,并证明该半正定松弛过程总是紧的,保证原始问题最优解.同时,将目标运动速度在较短观...     

基于最小二乘支持向量机的小样本建模方法研究

针对捷联惯组历次测试数据小样本建模问题,提出了通过二次修正插值方法解决测试数据的非等间隔性和样本容量小的问题。并通过相空间重构的思想将一维时间序列多维化。最后通过最小二乘支持向量机建立预测模型。实例分析表明,建立在二次修正插值基础之上的最小二乘支持向量机时间序列模型具有较高的预测精度,能够很好地满足对惯组测试数据分析的要求。     

改进RBF网络学习算法在卫星姿态控制中的应用

提出了一种基于神经网络扰动补偿的姿态控制方法，首先，针对RBF网络的常用学习算法－－正交最小二乘（OLS）算法，提出了改进的规范正交最小二乘（ROLS）算法：然后，基于某型小卫星的姿态控制问题，设计了高精度定向阶段的神经网络补偿控制器。仿真结果表明，改进的ROLS算法是有效的，神经网络补偿控制方案是可行的。     

一种改进的系统偏差估计算法

雷达组网系统首先要解决误差配准问题,用以准确地估计和消除系统偏差。实时质量控制RTQC算法是一种经典的配准算法,但是该算法提出时并没有考虑随机量测误差对配准性能的影响,现对这一问题进行了分析,在其基础上构造了一种关于量测和系统偏差的线性模型。然后根据这一线性模型提出了一种改进的基于广义最小二乘的误差配准算法,并对算法的性能进行了比较和分析。仿真结果表明,本文提出的算法能有效地进行误差配准。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

数字式自校正控制方法

通过实例说明自校正控制的设计和实现过程.从参数辨识开始,给出递推最小二乘算法和遗忘因子法.在数字控制器离线设计中,应用PID和极点配置两种方法来解决系统跟踪调节的参数选定问题.最后,将系统辨识、控制器设计和控制过程实现融为一体,在线实时地应用自校正算法来解决给定实例的跟踪控制,并通过计算曲线说明系统对于外界参数变化的自适应功能.     

星敏感器自主在轨标定算法

在星敏感器在轨测量的星像点偏移和星敏感器光学透镜焦距变化条件下研究了一种自主在轨标定算法.由最小二乘最优估计法在轨标定星敏感器星像点偏移和光学透镜焦距变化,以最小二乘最优估值为量测,用卡尔曼滤波算法设计了星敏感器在轨自主标定模型.仿真结果表明:该算法可准确标定星敏感器星像点偏移和透镜焦距变化.     

空间绳系机器人单目视觉伺服控制系统

为解决空间绳系机器人近距离交会对接中的目标测量问题,设计了一种单目视觉伺服控制系统。该系统针对小模板在大场景中匹配时存在鲁棒性差、耗时长等缺点,采用了一种新的模板匹配算法。匹配模板借鉴FAST算法的空心圆环结构,使得算法具有旋转不变性,也减小了因背景变化引起的累积误差。同时匹配准则采用灰度值+梯度值的复合算子,具有较强的抗噪声和抑制光照变化的能力。为避免因错误匹配和遮挡等引起的跟踪失败,还设计了动态模板更新策略;最后结合最小二乘综合位置预测方法和PD控制器,实现了对复杂场景中的非合作目标的实时跟踪逼近。     

景象匹配辅助导航系统中的精确图象匹配算法研究

景象匹配辅助导航系统需要在获取飞行器位置偏差的同时获取飞行器相对预定航迹的航向偏差，即获取实测图相对于参考图之间的旋转变换参数。为此，将最小二乘原理引入景象匹配辅助导航系统以获取图象匹配时的旋转变换参数。由于最小二乘原理只能用于一一对应点集的匹配，为此，在给出实时确定图象特征点集一一对应关系方法的基础上引入了最小二乘原理以计算该图象一一对应点集之间的最优相似变换参数，从而构成了应用于景象匹配辅助导航系统的精确图象匹配算法。仿真结果表明，本文研究的精确图象匹配算法在对50个一一对应点对匹配时可以在0．1秒以内完成，且相似参数计算准确，满足了景象匹配辅助导航系统对图象匹配算法准确性和实时性的性能要求。     

空间站对日定向装置试验台的控制器设计与精度考核

针对太阳电池帆板大挠性、大惯量等特性，导致对对日定向装置施加的大幅值、高频响的变负载力矩难以模拟和模拟精度不足的问题，设计了以电动负载模拟器为核心装置的地面半物理仿真试验台。首先建立了电动负载模拟器（加载单元）模型，采用递推最小二乘法对加载单元各参数进行辨识，并分析各参数对加载单元响应特性的影响。提出一种超前校正与模糊自适应PID相结合的复合控制算法，该方法有效地拓宽了加载单元带宽、改善了力矩跟随性能和抑制了力矩误差。用不同信号对试验台响应速度、加载带宽和加载精度进行分析和考核。实验结果表明：该复合控制算法使加载力矩较好地复现了太阳电池帆板模型的期望输出力矩，为对日定向装置对太阳电池帆板的驱动性能考核实验模拟出较为精确的期望模型的负载（测试）力矩。     

一种基于UKF滤波器的卫星定位算法

针对基于通用最小二乘迭代法的卫星定位解算方法在定位精度和鲁棒性等方面的不足,提出了一种基于UKF(Unscented Kalman Filter)滤波器的卫星定位解算方法。该方法直接利用GPS接收机测得的伪距和多普勒频移作为观测量,对接收机的位置和速度进行估计。经过工程上的实际验证表明:与基于通用的最小二乘迭代法的卫星定位解算方法相比,所提出的基于UKF滤波器的卫星定位解算方法的定位结果有更高的精度和更强的鲁棒性。     

环境一号卫星CCD相机相对定标数据处理

文章简要介绍了环境一号卫星CCD相机相对定标实验，分析了归一化系数法、两点法、最小二乘法的数学原理，然后运用分段归一化系数法、分段两点法、分段最小二乘法求取像元归一化系数，并进行了误差分析。     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

改进的平方根UKF在再入滑翔目标跟踪中的应用

针对临近空间高超声速再入滑翔目标跟踪问题，提出了一种基于新气动力模型的改进的平方根UKF滤波算法(ISR-UKF)。首先对气动力模型进行了变换。其次，在传统平方根UKF基础上，改用球形无迹变换来计算权系数以及sigma点；改进了平方根矩阵的分解方法；同时为解决矩阵求逆易出现奇异值使滤波失效的问题，提出在协方差矩阵更新中引入多重次稳定因子。最后将该算法分别与基于原气动力的ISR-UKF，基于新气动力的平方根UKF以及基于原气动力的平方根UKF进行仿真比较。仿真表明，该算法具有良好的滤波性能，而且能避免奇异值问题的出现，具有很好的可靠性。     

空间相机相对辐射定标精度分析

文章介绍了CCD相机辐射定标概念；分析对比了平均行标准差法、平均标准差法和广义噪声法三种计算相对辐射定标精度的算法；对归一化系数法、最小二乘法进行相对定标的数学原理进行了介绍：并采用中巴地球资源卫星02BCCD相机辐射定标数据计算三种定标精度，验证了理论分析的正确性，并指出了现有定义算法的不足处。     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。     

一种新的全天自主星图识别算法

在星图识别领域三角形算法得到了广泛的应用，但是在星对角距很小的情况下，其识别率严重降低。字符匹配算法可以解决这个问题，但是它无法识别由于相机在拍摄瞬问的平移和旋转而产生位移的星图。为了克服这一缺陷，提出了一种有效的星图识别算法，该算法在生成导航星数据库时以一些一定范围内的亮星为中心，把整个天球分为很多个四方形区域，然后根据被拍摄星图的特点从这些四方形区域内选取子区域参与星图识别。仿真结果表明该算法不但继承了字符匹配算法的优点，而且对星图位移有很强的鲁棒性。