基于线性最小均方差估计的星敏感器故障诊断

针对使用两个星敏感器进行姿态测量的三轴稳定控制系统,利用星敏感器输出值与陀螺输出值的解析冗余关系,通过设计两个滤波器实现对不同星敏感器的故障隔离.考虑到陀螺测量噪声以乘性噪声的形式出现在姿态运动学方程中,利用陀螺输出测量值和目标星敏感器的测量值,采用线性最小均方差估计器得到包含目标星敏感器故障信息的残差; 以无故障情况下残差的统计方差为基础得到阈值,通过检验残差评价值是否超过相应的阈值,实现对目标星敏感器故障的检测; 分别将两个星敏感器作为目标星敏感器,综合两个故障检测结果隔离故障.对星敏感器出现测量偏差和精度逐渐下降两种故障的仿真验证了该方法的有效性.     

高速车辆侧窗风振噪声仿真分析与控制

采用大涡模拟的计算方法,对某轿车在不同侧窗开启工况下风振噪声特性进行了数值仿真.揭示了侧窗风振噪声的产生机理,分析了不同侧窗开启方式下驾驶员耳旁声压级存在差异的原因.分析结果表明:后窗附近湍流强度弱,能量耗散少,开启时风振噪声最大;开启2个侧窗时,由于气流导出效应,可以有效地降低风振噪声.提出了使用扰流装置抑制风振噪声的措施,探讨了不同形状扰流装置对风振噪声影响.仿真结果表明:方形扰流装置的降噪效果最明显,最大降幅可达15dB.      

基于形貌优化法的无轴承开关磁阻电机减振降噪

脉振的径向电磁力作为激励源作用于12/8极单绕组宽转子齿无轴承开关磁阻电机(Bearingless switched reluctance motor with wider rotor teeth,BSRMWR)的定子齿面并传送至定子轭部及机壳,会引发较大的振动噪声,阻碍其推广应用.针对这一问题,本文从本体结构的角度入...     

基于自适应扩展卡尔曼滤波的载波跟踪算法

精确的载波相位测量是精密测距中一个很重要的研究点。针对传统扩展卡尔曼滤波(EKF)的固定设计在先验信息不充分和动态变化环境中存在的不足,提出了一种基于自适应扩展卡尔曼滤波(AEKF)的载波跟踪算法。该算法通过实时监测滤波器新息或残差的动态变化,以修正状态噪声方差和观测噪声方差,进而调整滤波器增益,控制状态预测值和观测值在滤波结果中的权重。理论分析和仿真结果表明,本算法充分利用了观测信号的统计特性,克服了传统扩展卡尔曼滤波算法的不足,能够获得更好的载波跟踪性能。     

导航解算中的有色噪声及其协方差矩阵自适应拟合

使用Kalman滤波进行动态导航定位解算需要涉及函数模型和随机模型, 而在实际应用中, 精确的函数模型和随机模型很难直接给出, 因此, 动态Kalman滤波的精度和可靠性将会受到函数模型误差和随机模型误差的影响. 在假设观测噪声和动力学模型噪声主要是具有一阶自相关特性的有色噪声的基础上, 提出了一种基于移动窗口的有色噪声函数模型和随机模型的自适应拟合法. 给出了计算有色噪声估值和噪声协方差矩阵的表达式, 并利用实测数据验证了模型及算法的可行性和实用性. 计算结果表明, 该算法能有效抵制有色噪声对导航滤波结果的影响.      

紊流风场下的无人机飞行状态卡尔曼滤波估计

为了模拟紊流风场下的无人机飞行状态响应,减小紊流风场对无人机飞行速度的影响,使用数值法建立了紊流风场有色噪声模型,生成了符合大气紊流相关特性的紊流风场并对其进行数值仿真。在此基础上,通过状态扩增处理将系统噪声白化,设计出一种基于有色噪声的无人机飞行速度卡尔曼滤波器,该滤波器解决了基本卡尔曼滤波仅适用于白噪声的情况。仿真结果表明,使用此滤波器可有效减小紊流风场对无人机飞行速度的影响,进而满足飞行速度控制输入的精度要求。     

基于提前停止判决的编码软信息辅助载波同步

 针对目前编码辅助载波同步算法中复杂度较高、延时大的问题,提出了引入辅助停止判决机制的编码辅助载波同步算法。在现有的编码辅助载波同步结构基础上,该算法能对环路信噪比(SNR)进行实时判定,在环路SNR满足限定条件后提前停止编码辅助载波同步迭代,而不影响译码性能。采用新的相位估计方式估计含相位噪声的载波相位,提升了该条件下的环路信噪比。仿真采用码率为1/2的低密度奇偶校验(LDPC)码作为编码方式,结果表明:在误码率为10^-5时,该算法减少了约50%的编码辅助载波同步迭代次数;在含相位噪声的信号条件下,与理想解调译码相比,性能损失不超过0.15 dB。     

空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

噪声加密集假目标复合干扰效果分析

根据密集假目标和噪声干扰信号的特点,建立了噪声加密集假目标复合干扰的数学模型,基于雷达信号检测的方法分析了复合干扰对雷达的干扰效果,并在实际装备试验中加以验证,最后提出了噪声加密集假目标复合干扰在作战中的使用策略。