基于EM算法的InSAR区域网连接点检测

本文提出一种基于期望极大化(EM)算法的干涉测量合成孔径雷达(InSAR)区域网连接点(TPs)检测新方法。利用混合模型将TPs检测问题归结为缺损数据下的最大后验概率(MAP)估计和最大似然(ML)估计,并将特征描述符的匹配概率融入到算法框架中,最后通过EM算法实现变换矩阵和点对应同时求解。同航带相邻SAR影像和相邻航带相邻SAR影像的实验验证了方法的有效性。     

服务航天器超近程逼近失控目标的建模与控制

为在轨服务任务中实施对失控目标的安全逼近与对接,开展了服务航天器超近程逼近过程的动力学与控制研究。通过引入描述相对运动构型变化的期望相对位置矢量和位置误差矢量,推导了一种新颖的相对轨道误差动力学模型;考虑对接机构安装位置及安装误差,并结合相对姿态动力学模型,建立了逼近过程的相对姿态轨道耦合动力学模型;根据逼近路径约束条件,设计了逼近过程的期望相对位置矢量导引律;基于相对姿态轨道一体化耦合动力学模型,设计了考虑未知有界干扰的自适应时变滑模控制律并利用李雅普诺夫稳定性理论证明了闭环系统的全局稳定性。仿真结果表明,设计期望相对位置矢量导引律的方法能够实现逼近过程的相对运动构型变化控制,并且所设计的自适应时变滑模控制律具有较高的控制精度。     

飞机颤振模态参数辨识的期望最大化

文章采用一种适用于噪声环境的期望最大化算法,准确地辨识飞机的颤振模态参数.在建立随机状态空间模型的基础上,该算法以迭代的形式计算似然函数的最大值,它包括两步:期望和最大化.无需计算对数似然函数的二阶偏导及其近似式,可提高似然函数收敛于平稳点的可能性.算前采用新息方差准则估计出系统的阶数,以减少计算复杂度.最后利用试飞试验数据辨识飞机的系统参数,验证了其方法的有效性.     

基于3D heatmap的人体三维姿态估计方法

针对肢体间自遮挡和物体遮挡造成的关节位置信息缺失问题,提出了一种基于3D heat-map的三维姿态估计方法.首先,采用卷积神经网络对人体二维关节点热图heatmap进行提取,并根据各摄像头间的外参数构建人体各关节点的初始3D heatmap;然后,利用人体扫描与建模获得的人体模型先验信息,采用期望最大化算法,迭代优化...     

基于期望最大算法的空间事件及异常值探测

美国ELSET数据库提供的TLE数据是目前使用最广泛的数据,在热层大气密度反演、弹道系数估计、碰撞预警等领域具有重要作用。受空间环境扰动、空间事件以及TLE产生过程等共同影响,ELSET数据库包含大量亟待清理的异常值和识别的空间事件,例如发布错误的TLE、轨道根数异常和Bstar异常。现有方法在清理异常轨道根数时缺乏统一性,需要使用不同的技术,清理流程较为繁杂,并且仅适用于特定轨道区域的少数目标。为克服现有方法的弊端,提出了一种基于期望最大算法的滑动窗口–多项式拟合预报方法,对含有轨道机动的碎片以及受空间环境影响的碎片进行异常值与空间事件探测。研究表明,该方法能够灵活处理不同空间环境下的异常值与空间事件探测,具有普适性,适用于所有轨道碎片。      

空中交通管制运行中的威胁与差错管理分祈

在威胁与差错管理（TEM）理论基础上,科学地分析了空中交通管制（以下简称空管）运行中面临的威胁和可能的差错,指出威胁与差错管理的目标并非是消除威胁和差错,而是把其危害控制在一个可以接受的范围以内。通过分析,如果使我们能预先知道哪些情况下,哪些人员容易产生错误,并且知道这些因素是如何作用的,就可以帮助我们更好地防止和避免空管运行中的人为差错,降低事故和事故征候概率。文章分别界定了威胁、差错和非期望状况的概念,并给予详细的实例分析,从而提出了空管运行中TEM的策略和措施,以助空管系统从主动控制的角度提升空管运行安全的效能。     

基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法

准确预测退化设备的剩余寿命可以为设备维护管理提供重要信息支撑，进而避免设备运行中发生计划外失效、减少设备运行维护成本。针对工程实际设备广泛存在的非线性退化现象，提出了基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法。首先，采用Box-Cox变换对非线性退化数据进行线性化处理，在此基础上通过随机系数回归模型构建退化模型，并运用Bayesian理论与蒙特卡洛-期望最大化算法在线更新模型参数；然后，基于随机系数回归模型的特性，推导出剩余寿命的分布函数以及其点估计值；最后，通过数值仿真和锂电池实际退化数据验证所提方法的有效性。     

带落角落速约束的导弹虚拟期望落角末制导律

为解决导弹末制导阶段同时考虑落角和落速约束时带来的过载需求大、落速散布广的问题,提出一种基于虚拟期望落角的末制导律。首先,提出虚拟期望落角的概念,设计过渡函数降低末制导初期过载需求；然后,分析过渡函数各参数对落角、落速影响,设计预测-校正算法计算期望参数；为了提高预测效率与精度,使用深度神经网络离线训练弹道数据集。实际飞行中,基于扩展卡尔曼滤波在线辨识气动参数摄动,提高算法的适应性。蒙特卡洛仿真结果表明,所提出的算法能够降低末制导初期过载需求。在满足落角约束与位置精度的前提下,落速控制精度在±15 m/s以内。