反向工程中的曲面光顺算法

反向工程是根据产品模型快速制造复杂产品的主要方法之一,是CAD/CAM技术的重要组成部分.曲面光顺是反向工程中的重要技术.给出了一套简单的、实用的对曲面进行光顺的算法--检查处理错误点、单步光顺、手动光顺和自动光顺,详细介绍了前3种更偏向于工程实践的算法,讨论了这组算法的关系以及它们在反向工程中的应用.     

基于多径信号衰落特性的快速DOA估计算法

针对低空测向,提出了一种基于多径衰落特性的快速波达方向估计算法。先给出了一种新的基于时域数据块平滑(TDBS)解相干方法,无阵列孔径损失,对阵列结构无要求,再分步分辨相干和非相干信源,用少数阵元进行迭代解相干处理,降低了算法的运算量,可分辨更多信源。算法无需特征值分解,有较强的实时性。仿真结果表明算法理论正确且有效。     

前后向迭代滤波算法在高精度姿态测量中的应用

为了满足航空物探对于高精度姿态基准的需求,对前后向迭代滤波算法进行了研究.在前向捷联惯导算法的基础上,推导了后向捷联惯导算法,基于SINS/GPS组合导航方案构建了15状态Kalman滤波器,提出了前后向迭代滤波算法,通过仿真实验和转台实验对比了前后向迭代滤波算法与R -T -S平滑的估计效果.实验结果表明:经过前后向...     

基于SVD的R-T-S最优平滑在机载SAR运动补偿POS系统中的应用

 机载合成孔径雷达（SAR）运动补偿用位置姿态系统（POS）的导航精度直接影响SAR成像的效果。为进一步提高POS的导航精度和数值稳定性,提出将基于奇异值分解（SVD）的Rauch-Tung-Striebel（R-T-S）最优固定区间平滑应用于POS后处理中。在基于SVD的前向卡尔曼滤波（KF）的基础上,进行了基于SVD的后向R-T-S最优固定区间平滑,获得位置、速度和姿态的最优估计。该方法将原算法中均方误差阵进行奇异值分解,不仅具有很好的数值稳定性和鲁棒性,而且避免了矩阵的求逆。半物理仿真结果表明,该方法在导航精度和数据平滑度上明显优于目前工程中应用的KF,是一种有效的事后处理方法。     

基于经验模态分解的点云数据平滑与增强

在计算机辅助设计与逆向工程应用中,针对缺乏拓扑连接关系的点云数据,提出了基于经验模态分解(EMD)的点云数据平滑与增强算法。首先,以点云模型的拉普拉斯矩阵坐标与法向的内积作为EMD输入信号,提取点云模型输入信号的极值点作为插值节点计算信号的上下包络;然后,为实现特征保持的EMD信号分解,通过检测点云数据上特征点,并在计算信号上下包络的过程中作为约束,克服传统EMD算法无法保持特征的局限;最后,迭代地从输入信号中减去上下包络的均值得到内蕴模态函数(IMF)和余量,并通过设计滤波器实现了点云数据平滑和增强。实验结果表明,本文算法有效地将EMD推广到三维散乱点云数据中,扩大EMD在三维几何中的应用范围,并在点云数据平滑和增强方面取得了很好的效果。     

基于ADS-B的航空器测高系统误差评估方法

针对基于广播式自动相关监视(ADS-B)数据的航空器高度保持性能监控中测高系统误差准确评估问题,提出了基于核平滑和混合正态分布模型的数据平滑和拟合分析方法。提出了ADS-B信息低分辨率高度数据的核平滑方法,通过比较分析得到了数据平滑的最优窗宽,基于实测数据的分析证明了该方法对于航空器测高系统误差评价的有效性。针对航空器使用的2套独立的测高学设备具有不同的高度保持性能分布特征的问题,提出了基于混合正态分布模型的拟合分析方法,实测结果表明,该方法可以准确拟合航空器测高系统误差的双峰特征。本文所提出的方法已经在中国RVSM航空器高度保持性能的实际分析中使用,分析结果满足国际民航组织的相关要求。     

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

汉语语音识别的平滑声韵基元HMM算法

汉语语音识别的基本单元一般为音素、音节以及声韵母.以声韵母为基元的识别系统由于HMM模型较少,计算量小,适合于实时实现.但是由于模型比较孤立,对语音信号的声学特性描述得不够精确,因而识别率一般比音节基元的系统低.而以音节、音素(tri-phone、di-phone)为基元的系统则有HMM模型数量多、训练和识别过程中计算量大的缺点,影响到系统的实时性.本文提出了一种折衷的方案,系统基元仍选择声韵母,而在HMM训练阶段,对整个音节序列的参数进行运算,使声韵过渡段的状态得到平滑,同时计算并保存每个音节声韵之间的转移概率,识别时动态组装为完整的音节HMM.该方法在保持少量HMM个数的同时,能够降低误试率,适合于以DSP为核心的实时连接词语音识别系统.      

Variable structure multiple model fixed-interval smoothing

This paper focuses on fixed-interval smoothing for stochastic hybrid systems. When the truth-mode mismatch is encountered, existing smoothing methods based on fixed structure of model-set have significant performance degradation and are inapplicable. We develop a fixed-interval smoothing method based on forward- and backward-filtering in the Variable Structure Multiple Model (VSMM) framework in this paper. We propose to use the Simplified Equivalent model Interacting Multiple Model (SEIMM) in the forward and the backward filters to handle the difficulty of different mode-sets used in both filters, and design a re-filtering procedure in the model-switching stage to enhance the estimation performance. To improve the computational efficiency, we make the basic model-set adaptive by the Likely-Model Set (LMS) algorithm. It turns out that the smoothing performance is further improved by the LMS due to less competition among models. Simulation results are provided to demonstrate the better performance and the computational efficiency of our proposed smoothing algorithms.     

非参数化迭代自适应SAR射频干扰抑制方法

合成孔径雷达（Synthetic Aperture Radar，SAR）的成像质量与图像解译精度会因为空间中存在的射频干扰（Radio Frequency Interference，RFI）而下降。本文在加权最小二乘迭代自适应算法的基础上，提出了非参数化的迭代自适应RFI抑制方法。该方法在成像处理前增加了对RFI的预检测环节，在初步检测出存在RFI的数据部分后只对存在RFI的数据进行SG（Savitsky-Golay，萨维茨基·戈莱）卷积平滑处理以提升对弱RFI的检测能力。利用带阻滤波器滤除存在干扰的频段后，使用迭代自适应处理在频谱中估计出被去除频段中的信号分量以获得期望的距离谱。与利用传统距离频率滤波方法进行RFI抑制相比，所提出的方法在图像细节保持方面效果更优，避免了因频谱不连续而导致的旁瓣增加，且运算效率更高。