基于简化联邦CKF的INS/GNSS组合导航算法

针对高精度INS/GNSS组合导航子系统模型为部分非线性的问题,提出了一种新的简化联邦CKF滤波算法。该算法将容积卡尔曼滤波(Cubature Kalman Filter,CKF)的计算过程融入到联邦滤波结构框架中,并针对子系统模型存在部分非线性问题,对算法的时间更新过程进行了简化,简化后直接用状态转移矩阵计算一步预测和预测协方差矩阵,避免了采用求容积点近似计算的复杂过程及协方差矩阵分解。最后,建立了INS/GNSS紧组合导航模型,对提出的算法进行了仿真验证,将仿真结果与联邦UKF算法、联邦CKF算法进行对比。仿真结果表明,相比于联邦UKF和CKF算法,所提算法在保证滤波精度的情况下,有效减小了计算量,改善了组合导航系统的性能。     

一种基于简化自适应SCKF的目标跟踪算法

为降低传统自适应SCKF(Square-Root Cubature Kalman Filter)在目标跟踪过程中的计算负担,依据目标跟踪模型中状态方程通常为线性的特点,提出一种简化自适应SCKF算法。该算法在一步预测过程中,利用状态转移矩阵代替容积点,实现对状态变量和协方差矩阵的计算,达到降低运算复杂度的目的。通过对机动目标跟踪的仿真验证:相比于传统的自适应SCKF,提出的简化自适应SCKF不但能够保证跟踪精度,还能有效地提高运算效率。     

基于简化Unscented变换的FMSRUKF算法及其目标跟踪性能分析

研究Unscented变换的基本原理及Unscented Kalman Filter(UKF)算法。为了降低跟踪系统计算复杂性,在Unscented变换中引入单位矩阵,以简单的数值计算取代复杂的矩阵分解求解矩阵平方根的过程,把UKF改进为FM- SRUKF。对三维坐标系下的变加速运动目标进行跟踪仿真。结果表明FMSRUKF具有更好的精度和鲁棒性。     

基于模糊聚类非负矩阵分解的软件缺陷预测

为了进一步提高对不平衡软件缺陷数据的预测精度,提出了一种基于模糊聚类非负矩阵分解的缺陷预测方法。该方法首先选取最近邻算法作为不平衡缺陷数据预测的基分类器,然后将非负矩阵分解算法引入软件缺陷预测领域,并提出利用模糊聚类初始化非负矩阵分解算法的思路。该方法一方面解决了最近邻算法处理多属性缺陷数据时计算量大导致性能降低的问题,另一方面克服了非负矩阵分解的随机初始化导致结果陷入局部最优的不足,提高了不平衡软件缺陷数据的预测精度。最后通过两组算例验证了方法的有效性。     

基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。     

部分偏振光分解的研究

采用部分偏振光分解的方法,求解得到了部分偏振光相干矩阵和斯托克斯矩阵的一般表达式。通过计算不同描述形式下部分偏振光的偏振度,得出了光学教程上定义偏振度公式P =(Imax -Imin ) / (Imax +Imin )适用于部分偏振光,且此公式和由“总光强中完全偏振光所占的百分比” 计算得到的偏振度是相等的,从而也验证了部分偏振光分解方法的正确性。     

基于时频矩阵非负分解特征的多视角SAR目标识别

针对多视角合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,提出一种基于目标高分辨率距离像(High Range Resolution Profile,HRRP)时频矩阵非负分解特征提取和识别方法。该方法首先对SAR图像进行滤波预处理,得到相应的目标HRRP序列;然后采用匹配追踪时频分析方法计算得到目标HRRP的时频矩阵;应用非负矩阵分解技术分解时频矩阵,得到相应的谱矢量和时相矢量。基于分解得到的谱矢量和时相矢量提取时频域矩特征和稀疏特征。最后,应用隐马尔科夫模型(Hidden Markov Model,HMM)对这些时频特征序列建模及识别。采用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)计划公开发布的SAR目标数据库的实验结果表明,该方法不仅能有效降低时频域特征的维数,而且识别性能优于传统的时频域特征。     

基于本征图像分解的高光谱图像空谱联合分类

高光谱图像分类是许多应用的第一步,也是极其重要的一步。针对目前分类方法存在误分现象,尤其是在地物边缘附近区域,以及现有空谱联合分类方法计算复杂度高的问题,提出一种基于本征图像分解以及导向滤波的高光谱图像空谱联合分类方法:利用AP聚类进行波段选择,提高计算效率;利用基于局部稀疏约束的本征图像分解方法进行高光谱本征图像分解,获取反射率本征图;利用导向滤波器对初始分类结果进行优化。实验结果表明:文章提出的空谱联合分类方法在分类精度与计算时间方面优势明显。     

精密定轨中三类经验加速度的有效建模方法

根据瞬时速度脉冲、逐段常量经验加速度和周期性摄动加速度模型的特点,分别给出敏感矩阵的有效计算方法,以及最小二乘批处理的设计矩阵和法方程矩阵的分块结构。该建模方法将灵敏度矩阵数值积分规模和存储规模降为O(n),而传统方法为O(n 2)。应用GRACE-A星载GPS观测数据对法方程的计算效率测试,结果表明：对于瞬时速度脉冲和逐段常量经验加速度模型,当采用伪距观测量时,法方程构建效率提高1倍;当采用伪距加载波相位观测量时,效率提高3.5倍。对于周期性摄动加速度模型,效率没有明显提高,主要原因在于模型参数较少,矩阵分块建模方法的优越性尚未体现。     

基于数值方法的三维激光海面漫反射特性研究

为提高卫星海色遥感技术在实际应用中的效率,对不同海况下不同入射角度的三维激光海面漫反射特性进行了建模仿真计算,并在实验室条件下对激光入射波动水面后产生的散射场能量分布特性进行了研究。根据麦克斯韦尔方程和边界条件分析了散射场在各向分量间的耦合关系,矢量分解后得到了6个标量方程并用矩量法进行离散,给出了离散后的矩阵方程。用稀疏矩阵规则网格法(SMCG)求解矩阵方程,求解时采用共轭梯度法(CGM)计算。在对有限照射区域进行计算时,为减少边界效应产生的误差,用能量强度服从高斯分布的三维锥形波模拟入射激光束。仿真计算了不同粗糙度海面的三维双站散射系数,结果发现:对相同粗糙度海面模型,入射角度越小,粗糙面对激光的漫反射就越大,散射场的能量分布也越均匀。用实验对仿真结果进行验证,结果表明:与基尔霍夫近似(KA)和二维前后向迭代法(FBM)相比,该方法能准确表示波动水面的三维激光漫反射特性,为进一步研究三维激光海面漫反射特性奠定了基础。     

一种改进的航天器时变模态参数递推辨识方法

针对基于预测器的递推子空间辨识(RPBSID)方法在估计系统的状态变量时计算量较大的问题，提出一种改进的RPBSID方法并应用于航天器的时变模态参数辨识。与原算法相比，改进后的方法在求解状态量时不需要逐个时刻构建相应的Hankel矩阵，而是利用仿射投影算法(APA)实现状态量的递推估计，从而减少了辨识过程中的数据量。在此基础上，利用该状态变量递推得到时变系统的状态空间模型和模态参数。在数值仿真中，建立带有大型挠性附件的卫星动力学模型，分别考虑系统模态参数线性变化、突变和周期改变的情况，利用改进的RPBSID方法对结构的时变频率和阻尼比等参数进行了辨识。理论分析和数值仿真的结果表明这种改进的方法不仅能够有效地辨识系统的时变模态参数，而且与原方法相比具有更高的计算效率。     

利用改进TW-API方法在轨辨识挠性航天器时变模态参数

考虑大型挠性部件运动导致的在轨航天器模态参数时变特性,提出一种改进的截断窗逼近幂迭代（TW-API）追踪方法。针对传统TW-API方法计算量较大的问题,改进的方法简化了数据处理中的矩阵递推过程,显著减少了在轨辨识过程的计算量和计算时间。还将该方法与经典投影估计子空间跟踪（PAST）方法和逼近幂迭代（API）递推方法进行了计算量对比与分析。为检验四种方法用于航天器模态参数辨识的效果,选取ETS-VIII卫星为对象进行数值仿真。通过实际计算时间的比较,校验了改进TW-API方法在大型挠性航天器时变模态参数在轨辨识方面的有效性。     

空间机器人抓捕目标后动力学参数辨识研究

针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。     

基于QR分解的自适应差分滤波在SINS大方位失准角初始对准中的应用

针对差分滤波算法存在数值稳定性差及系统噪声统计特性不准确导致滤波性能下降 的问题,提出一种改进的差分滤波算法。新算法将矩阵QR分解及Cholesky分解因数更新技术 引入,并结合一种新的噪声估计方法及选择更新策略,有效地改善了系统噪声统计特性不准 确带来的滤波性能下降问题,增强了传统差分滤波算法的数值稳定性。通过在捷联惯导系统 大方位失准角初始对准中的应用,仿真结果表明了新算法的有效性和鲁 棒性 。
     

用于统计能量分析参数辨识的子空间方法研究

利用统计能量分析法预示航天器结构高频动力学响应时,正确估计各子系统的统计能量分析参数至关重要。论文从实验参数辨识角度,基于子空间法的统一理论框架,提出功率流模型辨识/耦合矩阵修正方法(PMI/CMA)辨识系统的内损耗因子和耦合损耗因子参数。首先利用子空间法直接由时域测试数据辨识功率流模型的等价状态空间模型,然后利用辨识模型特征参数修正初始耦合矩阵。耦合矩阵修正方法考虑了子系统间的耦合信息,并通过寻求耦合矩阵初始值相对误差的最小范数解得到修正参数。最后利用两个实际结构分别对算法进行了仿真分析并与功率流实现/统计能量分析模型修正方法(PRM/SMI)进行了对比,验证了PMI/CMA方法的有效性。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

基于改进子空间投影的无源雷达弱目标检测方法

基于子空间投影的无源雷达弱目标检测方法是将回波通道接收信号投影到与多径干扰子空间和强目标子空间均正交的子空间内,需要构造的投影矩阵维数过大,导致计算量很大。为了解决这一问题,利用多次小维数投影代替大维数投影,提出了一种改进的无源雷达弱目标检测方法。首先将接收信号投影到多径干扰的正交补子空间内,然后连续地将信号投影到强目标的正交补子空间内,最终达到干扰抑制和弱目标检测的目的。本方法可以有效抑制多径、强目标干扰,在保持检测性能的同时大幅度降低计算量,提高了方法的实时性。仿真结果表明了方法的有效性。     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

基于Krylov子空间的宽带信号DOA快速估计方法

提出了一种基于Krylov子空间的宽带信号DOA（Direction of Arrival）快速估计方法。该方法首先对方向矩阵进行Jacobi—Anger展开来构造“聚焦”矩阵，然后通过多级维纳滤波（MSWF：Multi-Stage Weiner Filter）算法求得聚焦后的阵列协方差矩阵的Krylov子空间，因为在满足一定的条件下，Krylov子空间等价于阵列的信号子空间，所以可以求得信号的DOA。采用Jacobi-Anger展开式构造聚焦矩阵不需要进行角度的预估计，通过MSWF算法求Krylov子空间不需对观测数据的协方差矩阵进行特征值或奇异值分解，从而使得该方法运算量比常用的宽带空间谱估计方法要小。计算机仿真试验证实了方法的有效性。     

传播算子方法在宽带DOA估计中的应用

将传播算子与宽带相干信号子空间方法相结合,推导了基于传播算子的宽带相干信号子空间方法,该方法所构造的聚焦矩阵不需要奇异值分解,在获取噪声子空间时不需要特征值分解,因而大大降低了运算量.比较了双边变换(TCT)方法与所推导的方法在分辨两个相邻较近信号源时的性能,仿真表明,在高信噪比时,该方法性能与TCT方法相近.