带空间结构的人工神经网络建模方法

将遍历搜索法引入带空间结构的人工神经网络模型，提出一种新的模型估计和空间数据样本外预测方法。该方法基于人工神经网络，结合空间自回归模型思想，在网络模型中引入空间滞后项来考虑变量的空间效应，提出使用遍历搜寻最优解的方式替代传统极大似然法进行空间自回归系数估计和建模。结合样本外数据和空间结构，扩展空间权重矩阵并代入所提模型进行样本外预测，充分发挥了人工神经网络模型泛化能力强的特点。仿真分析指出:在合理考虑空间效应的情况下，所提模型的预测效果较普通人工神经网络有显著提升；而且当空间变量间存在非线性关系时，所提模型的预测精度同样优于空间自回归模型。      

含函数型自变量回归模型中的变量选择

针对含有函数型和多元向量数据的回归模型中变量选择和参数估计问题进行研究,扩展了函数型数据分析和变量选择方法的应用范围。首先,函数型自变量基于函数型主成分基函数空间进行投影;然后,对投影后的函数型自变量（按组）及多元向量自变量采用惩罚变量选择方法,同时估计相应的系数。惩罚项调节参数采用自适应调节参数,损失函数采用中位绝对损失函数,以此为例,通过引入松弛变量将估计算法转化为求解线性规划问题,算法复杂度低。数值模拟结果表明,所提方法对于含函数型自变量回归模型的变量选择和参数估计均具有良好效果。      

基于窄带雷达RCS序列的空间目标尺寸估计

从窄带雷达横截面积(RCS)序列中提取目标尺寸特征对空间目标的分类识别具有重要价值. 本文在研究椭球体RCS序列特性的基础上, 提出了一种空间目标形状估计方法, 并进一步研究了空间目标尺寸估计问题, 提出了一种新的尺寸估计方法. 实测数据的验证表明, 该方法能有效估计卫星、碎片等空间目标的形状和二维尺寸.      

乏信息空间机械臂随机振动信号的灰自助评估

经典的统计学方法无法解决乏信息数据的评估问题。结合自助法和灰色系统理论,提出一种实现乏信息空间机械臂随机振动数据估计的灰自助方法。运用自助法对乏信息振动功率谱密度进行自助再抽样得到大量样本数据;利用灰色系统理论和最大熵理论建立灰自助模型,构建振动功率谱密度在不同频率点的灰自助分布。利用灰自助方法得到随机振动功率谱密度的真值估计和区间估计。提出了可靠度偏差和区间准确度2个指标对区间估计进行评价。灰自助方法与灰色方法和自助法的对比与测量实例表明,真值估计平均相对误差小于5%,在不同置信度水平下区间估计的准确度高于97%。      

时变方差自回归模型的联合估计函数方法推断

针对参数估计问题，利用联合估计函数方法对带有时变方差的自回归模型参数进行统计研究。介绍了带有时变方差自回归模型和联合估计函数理论的研究现状，利用联合估计函数理论，给出带有时变方差自回归模型的参数估计量，证明该参数联合估计量渐近收敛于正态分布。对提出的参数统计量进行数值模拟对比分析，模拟结果表明，与伪极大似然估计量、最小二乘估计量进行对比，提出的参数联合估计量略优于伪极大似然估计量，同时该统计量受误差项分布函数影响较小。      

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

时间序列法在临近空间大气风场预报中的应用

受多种因素影响，临近空间大气环境要素复杂多变，预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究，基于廊坊（39.4°N，116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据，利用过去7天数据对未来第8天风场数据进行预报.试验结果显示，ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强，即样本数据风场呈现出比较显著的24h周期性变化时，ARMA模型预报效果较好；当风场发生突变时，预报效果变差.与实测数据的对比结果表明，ARMA模型预报结果的误差在9~27m·s-1，预报效果优于同阶自回归（AR）模型，略优于高阶AR模型.      

一种全球临近空间大气密度建模方法及应用

基于TIMED/SABER卫星2002—2018年观测的20~100 km大气密度数据，统计获得多年月平均值和标准偏差的全球网格数据。利用网格数据，分析了大气密度的变化特征。以网格数据为基准，计算了USSA76的相对偏差，分析了USSA76相对偏差的分布特征。以网格数据为驱动，将大气密度表征为平均值与大尺度扰动量和小尺度扰动量的加和，大尺度扰动和小尺度扰动分别采用余弦函数和一阶自回归模型表征，初步建立了全球临近空间大气密度模型。通过对比模型仿真值与激光雷达观测值，表明模型仿真值与观测值具有较好的吻合度，验证了建模方法的可行性。利用蒙特卡罗方法可再现给定轨迹上所有可能的大气状态。      

网络瞄准中的异步传感器空间配准算法

针对现有异步空间配准算法在目标机动时无法准确估计传感器系统误差的问题,研究了一种基于内插外推时间配准的异步传感器空间配准算法.该算法首先采用内插外推时间配准算法实现两传感器的数据同步,随后根据时间配准结果构建伪量测方程.不同于其他文献根据目标状态向量和时间差求解加权系数,从而构造与目标运动状态无关的伪量测方程的方法,该算法的伪量测方程构建过程与目标状态向量无关,且可以证明由时间配准结果构造的伪量测也与目标状态无关.因此该算法可有效解决目标机动条件下的异步传感器空间配准问题.仿真实验验证了该算法在目标作蛇形机动的条件下仍然可准确地对传感器的系统误差进行估计.     

一种基于自适应滤波的GPS滚转角估计方法

全球定位系统（GPS）测姿技术主要是利用GPS载波相位和信号功率2种方法，但是测量信息单一且独立，针对旋转载体的测姿问题，提出一种基于自适应滤波的GPS滚转角估计方法，通过融合GPS接收机天线信号功率和多普勒频率信息测量载体滚转角和滚转角速度。利用当前统计模型对滚转角和滚转角速度测量进行系统建模，根据滚转角预测估计值选取量测量，并提出自适应滤波，采用滚转角加速度估计自适应滤波算法，实现了对系统噪声方差阵的自适应调整，避免了滚转角加速度最值的选取问题，降低了噪声的影响。通过仿真验证了基于自适应滤波的GPS滚转角估计方法的可行性，结果表明该方法的测量精度高于无迹卡尔曼滤波（UKF）。      

An annual variation analysis of the ionospheric spatial gradient over a regional area for GNSS applications

An ionospheric spatial gradient represents the ionosphere delay difference between different locations, and its variation over a specific area is important for implementing differential GNSS systems. An estimation method for the ionospheric spatial gradient over a small regional area is proposed. A plate map model is implemented for the direct estimation of the gradients. Nine years of GPS data were processed to figure out the annual variation of the mean gradient at the mid-geomagnetic latitude of 30° N. Gradients along the north–south direction have a mean of 0.65 mm/km and follow solar-cycle variations.     

一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

Using only observation station data for PPP ambiguity resolution by UPD estimation

This article proposes a new method for uncalibrated phase delay (UPD) estimation to improve the accuracy of precise point positioning (PPP), which uses only observation station data. This means that the station used to generate the UPDs is the same station to which they are applied. First, dual-frequency observation equations based on a raw PPP model are developed. Then, the UPDs are calculated from integer linear combinations of float ambiguities. Third, with the UPD corrections, the least-squares ambiguity decorrelation adjustment (LAMBDA) method is utilized to obtain the integer ambiguities. Since only observation station data are used for UPD estimation, the partial ambiguity resolution (PAR) method is adopted to increase the possibility of finding a subset of integer ambiguities. The UPD estimation and ambiguity resolution are performed in each epoch. To obtain the correct integer ambiguity, the ratio test and success rate (bootstrapping) are used to evaluate the estimated integer ambiguity. Finally, by treating the integer ambiguities as constants, fixed solutions can be obtained. Quality control is also applied throughout the entire data processing procedure to obtain high quality float and fixed solutions. Data from 22 stations of the International Global Navigation Satellite System (GNSS) Service (IGS) in East Asia on day of year (DOY) 206, 2017, are used to verify the feasibility of this method. The experimental results show that compared with the float solution, the proposed method can significantly improve the accuracy in the east, north and up directions by 24%, 21% and 18% for static PPP and 36%, 18% and 34% for dynamic PPP, respectively. However, the accuracy of the proposed method is still lower than that of the fixed solutions obtained by the PRIDE-PPPAR software, in which the fractional cycle bias is computed based on reference network data. These findings sufficiently show that the proposed method can offer better solution accuracy than the float solution. However, the quality of the UPDs estimated only from observation station data is not as good as that of the estimates obtained based on reference network data.     

一种模型误差鲁棒的卫星姿态确定方法

提出一种结合非线性预测滤波和二阶插值滤波实现基于星光/陀螺的高精度姿态确定的新算法.该算法用非线性预测滤波估计模型误差,再对补偿后的模型用高精度的二阶插值滤波来估计姿态参数.解决了在卫星实际运行中难以获得姿态确定系统的精确动力学模型,采用传统EKF(Extended Kalman Filter)将模型误差作为零均值白噪声处理,导致滤波精度降低甚至发散的问题.同时,二阶插值滤波将非线性模型按照二阶近似,无需计算函数偏导数,得到高精度的卫星姿态估计.仿真验证了该方法能有效地实时估计并补偿模型误差,提高了姿态估计的精度,且估计精度受滤波周期的影响不大,从而验证了算法的鲁棒性和有效性.      

基于机场探鸟雷达数据的鸟击风险评估

提出一种实时鸟击风险评估方法.该方法利用机场探鸟雷达获取的实时鸟情信息,通过估计鸟击概率和严重程度实时评估鸟击风险.以飞鸟和跑道位置为自变量建立预估方程,计算鸟击概率.将德尔菲法和层次分析法（AHP,Analytic Hierarchy Process）相结合,建立鸟击严重程度估计模型;该模型充分利用了专家知识和定量计算的优点,称为DAHP模型.为减少该模型中同一层次上参数的个数,将影响评估结果的因素置于一个双层模型中,避免由于同一层次上参数过多造成比较矩阵不满足一致性的问题.本评估方法经过了三跑道的北京首都国际机场仿真数据和单跑道的北海福城机场实测数据的测试.     

基于浸入与不变流形的抗干扰饱和姿态控制器

设计了一种抗慢时变干扰的简单饱和姿态控制器。其基本原理是将干扰作为未知参数,然后利用浸入与不变流形的方法设计了独立于控制器的干扰估计器,从而再基于干扰的估计结果设计饱和控制器。该控制器形式简单,由比例与微分项和干扰补偿项组成,各部分物理意义明确。根据浸入与不变流形方法,通过严格的理论证明得到了如下结果：对于慢时变干扰的情况,通过调整控制干扰辨识收敛速度的参数,可以使得理论上的姿态最终控制误差任意小（实际仿真误差还受限于由数值稳定性决定的时间步长）;对于干扰为常值的情况,则可以完全消除干扰的影响,并获得系统状态渐近稳定的结果。最后通过数值仿真验证了控制方案的可行性。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。