双臂空间机器人关节运动的一种增广鲁棒控制方法

讨论了载体位置与姿态均不受控制情况下,漂浮基双臂空间机器人系统的控制问题.结合系统动量守恒关系进行的运动学、动力学分析表明,可以得到一组与适当选择的惯性参数呈线性函数关系的、欠驱动形式的系统动力学方程.以此为基础,并采用增广变量的思想,克服了通常情况下,空间机器人系统动力学方程关于系统惯性参数呈非线性关系的难点,针对双臂空间机器人末端爪手所持载荷参数不确定,但误差范围可确定的情况,设计了漂浮基双臂空间机器人关节运动的变结构鲁棒控制方案.该控制方案的优点在于,不需要反馈、测量漂浮基的位置、移动速度及移动加速度;与自适应控制方案相比,化积分运算为简单四则运算,计算量大为减少,有利于实时应用.通过对一个平面双臂空间机器人系统的数值仿真,证实了算法的有效性.      

基于改进联合稀疏电容层析成像算法滑油监测研究

由于电容层析成像(Electrical Capacitance Tomography,ECT)的"软场"特性,使其应用于航空发动机滑油管道监测时难以准确获得被测对象的位置和大小信息.针对图像重建过程中的病态问题,在对称交替乘子法(S-ADMM)算法基础上,提出一种采用L 2,1-范数作为核范数、(L 1-εL 2)范数...     

稀疏频带空间目标雷达成像

对稀疏频带超宽带ISAR成像进行了研究,提出了与实际情况更相符的空间目标稀疏频段成像步骤.以往这类问题主要针对一维稀疏向量,且都直接采用正弦信号模型开始分析.事实上,在ISAR二维信号处理中,不同频带的方位像由于慢时间采样尺度不同而有较大的差异,且由于速度的影响不同频段下的回波信号也无法用统一的正弦信号模型来表示.对这些以往稀疏频段成像研究中常常忽略的重要部分进行了详细的论述,进而给出了等效超宽带成像的方法.     

多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

大型稀疏复线性方程组双共轭梯度法

有限元复线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改.在一般双共轭梯度法的基础上,本文利用广义变分原理对内积进行了重新定义,使双共轭梯度法求解复线性方程组更为有效.数值算例表明这种双共轭梯度法结合全稀疏存贮方案的求解算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.     

空间机械臂关节失效瞬时力矩突变抑制

针对空间机械臂执行负载操作任务突发关节失效引起的关节负载补偿力矩突变问题，建立了关节负载补偿力矩突变优化模型及求解方法。首先分析关节负载补偿力矩突变原因，以故障瞬间力矩突变量最小为目标，考虑突发关节故障，建立关节负载补偿力矩突变优化模型；其次构造含有抑制系数及静力学可操作度梯度的关节力矩修正项，并构造最优抑制系数函数，求解关节力矩突变优化问题；最后通过仿真对关节负载补偿力矩突变优化方法的正确性和有效性展开验证。结果表明：通过搜索最优抑制系数，突发关节失效引起的关节负载补偿力矩突变可被有效抑制，平均抑制率高达89.26%，且末端操作力精度不受影响，保证了空间机械臂负载操作任务安全可靠完成。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

相关色噪声下无冗余累积量稀疏表示DOA估计

针对传统均匀线阵中四阶累积量计算复杂度大、对快拍数敏感的问题,提出了一种快速去冗余的高分辨波达方向估计新方法。该方法首先通过构造选择矩阵对四阶累积量矩阵进行第1次降维处理,摒弃传统四阶累积量中大量冗余数据,然后对无冗余累积量矩阵进行矢量化并通过二次降维得到统计性能更优的向量观测模型,最后在相应的过完备基下建立观测模型的稀疏表示进行波达方向(Direction of Arrival,DOA)估计。同时将方法推广到L型阵列2维DOA估计,扩展了其应用范围。与传统的四阶累积量方法相比,该方法大大地减小了计算量,对快拍数要求不高,并且能够有效地抑制相关色噪声。理论分析和仿真实验验证了该方法对1维和2维DOA估计都具有较高的估计精度和分辨率。     

基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。