基于RBF神经网络的非线性观察器设计

提出了一种新的非线性观察器设计方法。与一般方法采用神经网络逼近整个非线性系统不同，该方法用RBF神经网络逼近系统的非线性项，故提高了状态估计的精度。基于李亚普诺夫方法，证明了状态估计误差渐近稳定且渐近收敛到零。仿真结果表明，所提出的非线性观察器设计方法具有良好的性能。在故障检测、状态估计等领域具有广泛的应用前景。     

有色噪声补偿下降阶系统状态的最优估计

在大型空间结构的控制系统设计中,降阶系统的状态估计是非常重要的环节,它直接关系到控制器的性能。针对B.Friedland的工作,本文提出了有色噪声补偿模型,在恒等变换下显式地消去了有色噪声项,利用正交投影定理仅对感兴趣的状态分量导出了无偏、最小方差估计。这组递推估计式与采用增广状态方法相比,不仅在处理容量、计算效率上有很大改进,而且是标准Kalman滤波方程的推广。注意到原系统与降阶系统之间的内在联系,本文采用随机系统分析方法,给出了在高斯、马尔可夫假设下,有色噪声模型特征参数的在线识别技术。数字仿真表明,对偏差补偿起主要作用的是有色噪声补偿模型中的驱动白噪声项,这是对B.Friedland工作的发展。     

露天矿通风实验风洞的噪声控制

本文论述了大型风机噪声谱估算和露天矿通风实验风洞的噪声与振动的控制。     

液体晃动非线性阻尼的描述方法

采用等效线性化手段研究了液体晃动非线性阻尼特性的描述方法，给出了自由衰减响应的对数衰减率与非线性阻尼比之间的关系，提出了通过自由衰减响应确定非线性阻尼特性参数的两种方法。计算表明，两种方法所得到的结果可以满足工程应用所要求的精度。     

对称奇异线性方程组极小范数解的迭代法

给出了求对称奇异线性方程组Ａｘ＝ｂ极小范数解的迭代算法，其迭代公式为此处／为秩是，ｒ（ｒ＜ｎ）的ｎ阶实对称矩阵，Ｅ为ｎ阶单位阵，ｂ为ｎ维列向量，ｍ为正整数，ε为正实数。证明了这类选代算法的收敛性，讨论了它的事先误差估计式和事后误差估计式。作为应用，给出了求超定线性方程组极小最小二乘解的迭代算法、特征向量导数计算的迭代算法和对于病态正定线性方程组。本文的选代算法可改善病态条件，算例表明也是有效的。     

自适应DBF与空间谱估计

讨论了自适应数字波束形成(DBF)技术和超分辨空间谱估计技术,并提出了一种基于信号协方差矩阵特征分解的时-空二维信号高分辨谱估计算法。以上技术应用于相控阵雷达系统,可以精确获得多个运动目标的方位信息和多普勒信息。文章最后给出了计算机模拟结果。     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

一种TASIMM-UKF导弹状态估计方法

为了提高对机动导弹状态估计的精度和速度,提出了一种三轴分离IMM-UKF(TASIMM-UKF)滤波算法。将导弹运动状态按坐标轴方向进行三轴分离,并基于CV,CA和CJ模型集,采用无迹卡尔曼滤波器并行估计导弹三轴状态信息,有效地解决了导弹不同运动轴间的模型竞争问题。仿真结果表明,该方法能有效提高状态估计精度,缩短了估计时间,对复杂大机动目标状态估计具有良好的性能。     

An improved approach for rainfall estimation over Indian summer monsoon region using Kalpana-1 data

In this paper, an improved Kalpana-1 infrared (IR) based rainfall estimation algorithm, specific to Indian summer monsoon region is presented. This algorithm comprises of two parts: (i) development of Kalpana-1 IR based rainfall estimation algorithm with improvement for orographic warm rain underestimation generally suffered by IR based rainfall estimation methods and (ii) cooling index to take care of the growth and decay of clouds and thereby improving the precipitation estimation.     

嵌套阵列最大似然估计测向算法

针对在辐射源个数未知的条件下嵌套阵列难以估计多个辐射源角度的问题,提出了基于最大似然估计(MLE)的嵌套阵列角度估计算法。算法在嵌套阵列模型的基础上,首先通过推导阵列截获多辐射源信号的最大似然函数及其梯度,利用最速下降法估计出空域中所有潜在辐射源的角度;然后,通过多元假设检验,利用最大似然比与门限进行比较,确定出空域中所有潜在辐射源中某一时刻发射信号的活跃辐射源角度,排除其余噪声形成的虚假辐射源角度,解决了在辐射源个数未知条件下嵌套阵列对多个辐射源角度估计问题。仿真结果表明:与传统多重信号分类(MUSIC)算法相比,该算法在辐射源数目未知、存在相干信号、低信噪比(SNR)、低快拍数条件下,均具有较好的角度估计精度,并且算法形成的虚拟阵列自由度是空间平滑MUSIC算法的2倍;多元假设检验法比传统信源数目估计算法在低信噪比条件下和处理相干信号方面具有明显优势。