估算转弯加速度的卡尔曼滤波器

近年来由于计算机的飞速发展，计算速度越来越快，所以用相控阵天线跟踪目标时采用卡尔曼滤波器已成为现实。对直线飞行的目标，卡尔曼滤波器能得到良好的跟踪精度，但若目标的加速度为高斯噪声，目标转弯时跟踪精度会降低。对处理转弯目标的跟踪精度曾提出两种方案，即估算输入的卡尔曼滤波器和二级卡尔曼滤波器。这些卡尔曼滤波器是在目标的运动模型上使位置和速度矢量与加速度矢量分离，利用预测误差估算加速度的。但由于对预测增减较大的目标的急转弯与目标运动模型不匹配，所以得不到良好的跟踪精度。为此提出了为处理目标的急转弯，不用预测误差而是通过卡尔曼滤波器估算的位置计算出形成飞行轨迹的转弯半径和角速度。还通过计算机仿真与原来的中方式进行比较，证明了其有效性。     

空间轨道转移飞行器推进系统静态仿真分析

采用模块化方法建立了空间轨道转移飞行器推进系统的静态数学模型,用C语言开发出对应静态模型的仿真计算软件,应用该软件分别对N2O4/MMH、N2O4/UDMH、LO2/LH2、LO2/RP-1等推进剂组合推进系统进行静态仿真计算,并把计算结果导入相关质量模型,估算各系统在特定条件下的质量,再对上述几种推进系统进行单干扰因素分析,确定了敏感度较大的干扰因素。     

应用知识蒸馏的深度神经网络波束形成算法

自适应波束形成技术广泛应用于雷达领域的旁瓣抗干扰中。当回波数据量增多时,传统的波束形成算法无法进行快速处理,而应用深度神经网络模型通过数据的预训练则可以快速地进行波束形成,因此根据波束形成原理设计深度神经网络,并利用知识蒸馏的方式对深度神经网络进行压缩,使压缩后的模型既有原始模型良好的泛化性能而且又有更快的计算速度。仿真结果表明,相比于传统的LMS算法,在实验环境下,未经模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约7倍,基于模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约20倍。     

基于深度神经网络的自适应波束形成算法

自适应波束形成技术是航天领域中的旁瓣抗干扰关键技术之一。当回波数据量增多时,传统的波束形成算法无法进行快速的处理,而应用深度神经网络模型对数据进行预训练可以快速的进行波束形成,因此根据波束形成原理利用分段训练方式设计深度神经网络,应用Leaky-ReLU激活函数、Adam优化算法和Dropout正则化方法提升深度神经网络的性能,提出了基于深度神经网络的自适应波束形成算法。仿真结果表明,相比于传统的LMS算法,在实验环境下,基于深度神经网络的自适应波束形成算法的计算速度约有7～8倍的提高。     

多级嵌套维纳滤波自适应降维STAP抗干扰方法研究

在分析多级嵌套维纳滤波（MSNWF）给出的干扰子空间和噪声子空间信息的基础上,提出了多级嵌套维纳滤波自适应降维空时自适应处理（STAP）抗干扰算法。该方法分析了MSNWF前向迭代过程中相邻级期望信号的协方差随迭代次数变化关系,结合干扰子空间和噪声子空间信息自适应地确定迭代次数,在不增加额外计算量的条件下实现了降维维数的自适应选择。仿真结果分析表明,该方法在保证抗干扰性能不受影响的前提下,进一步减小了STAP算法的计算量,提高了算法的实时性。
     

基于预估点扩展函数的光学遥感图像去模糊研究

为使航天相机获得的遥感图像的视觉质量更佳,提出了一种有效而稳定的基于估算点扩展函数(PSF)的遥感图像快速复原方法。先用改进的刃边法快速估算PSF尺寸和形状,用直接边缘检测法处理,由自适应阈值算法抑制噪声产生的波动,有效减小了PSF估算的存储与时间开销。再基于预估的PSF,用非盲反卷积复原算法复原图像,通过带权补偿去模糊算法由正则化反卷积和高频补偿,有效抑制源于PSF估算误差的振铃现象。根据视觉效果和客观评价指标对该复原方法与经典算法的效果进行了比较,结果表明:该法在存在噪声和点扩展函数估计误差的影响时仍有良好的鲁棒性,图像质量提高幅度大,速度快,可行性高,已成功用于浦江一号(PJ-1)卫星的遥感图像处理。     

一种自适应各向异性的SAR图像去噪算法

为了在抑制噪声时尽可能保留图像边缘信息,提出一种自适应各向异性SAR图像去噪算法。该方法设计一组具有不同尺度和方向的滤波器模板,针对不同图像边缘的局部特征计算出滤波器的尺度和方向,选择最优匹配的各向异性滤波器,从而可以在抑制噪声的同时很好地保留边缘。仿真实验表明,提出的自适应各向异性SAR图像去噪算法具有很强的噪声抑制和边缘保持能力,并且具有较高的实效性。     

基于试验数据的固冲发动机喷管损失估算

综合固冲发动机实验数据处理与分析方法,对固冲发动机补燃室特征速度燃烧效率和喷管流量系数进行估算,并结合热力计算程序确定喷管性能损失.研究表明,补燃室压强的变化对燃烧效率的影响是有限的,喷管损失主要与喷管结构尺寸有关;应用该方法可用少量工况的实验数据对理论计算进行修正,为固冲发动机总体初步设计和性能分析提供工程方法,对提...     

基于卡尔曼滤波器的高动态GPS载波跟踪环

为解决传统锁相环( PLL)在高动态环境下对全球定位系统(GPS)信号的跟踪精度问题,将自适应渐消滤波和二级卡尔曼滤波相结合研究了一种新的自适应二级卡尔曼滤波算法,并且提出了一种利用新息协方差计算渐消因子的方法,通过自适应渐消因子在线调节误差协方差矩阵补偿不完整信息的影响,使滤波器在系统模型不完整或者噪声统计特性不准确时仍接近最优.基于自适应二级卡尔曼滤波算法提出了一种高动态GPS载波跟踪环的设计方案.仿真结果表明,提出的方案较传统PLL的跟踪精度有显著提高,频率跟踪精度提高到9.28Hz.     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。