基于谐波小波变换的雷达辐射源识别

雷达辐射源识别是电子战系统的关键技术之一。分析了放大器的非线性效应,提出用谐波信号幅度之间的约束关系特征进行雷达辐射源识别的方法,针对谐波信号十分微弱的问题,提出采用谐波小波变换对信号进行重构、然后对重构的信号用最小二乘拟合进行幅度估计的方法,提高了幅度估计的精度。最后通过仿真验证了方法的准确性和有效性。     

基于异方差分析的多MEMS陀螺随机误差补偿方法

针对具有异方差性的多MEMS陀螺随机漂移误差的补偿问题,提出基于广义自回归条件异方差建立单个MEMS陀螺随机漂移的误差模型,并在此基础上进行多元异方差时间序列的相关性分析,研究基于多元广义自回归条件异方差分析多MEMS 陀螺随机漂移信号的协方差矩阵和时变相关系数。将该分析方法应用于多MEMS陀螺的在线融合补偿中,验证了多元异方差分析方法对多MEMS陀螺随机误差补偿的有效性。仿真结果表明该方法对随机漂移信号具有很好的融合补偿效果,可以提高多MEMS陀螺的测量精度。     

基于傅立叶平均法下的连续小推力动力学分析

通过将小推力展开为偏近点角的傅立叶级数,并对高斯摄动方程在一个轨道周期上的平均,将原方程的推力转化为仅由14个傅立叶系数表示的控制变量。仿真计算表明,平均化后的高斯方程使计算量与牛顿积分相比显著减少,且对小推力而言有足够的精度。对利用平均化后的高斯方程计算轨道根数时产生误差的原因进行了研究,并进一步分析小推力的范围和小推力近似表达式对上述误差的影响,为今后小推力下非开普勒轨道动力学分析提供了理论依据和参数。     

限带高斯白噪声声压时程模拟的修正三角级数法

针对传统三角级数法模拟高声压级下的高斯白噪声声压有效值与理论值存在误差的问题,提出一种修正三角级数法,预先将各谐波振幅置为1,最后调整声压有效值为理论值,模拟过程简单,消除了传统方法模拟有效值与理论值之间的误差。数值模拟得到的声压时程数据准确可靠,具有良好的随机性,表明方法用于限带高斯白噪声声压时程模拟具有合理性、可行性。     

具有时延的漂浮基空间机器人基于泰勒级数预测、逼近的改进非线性反馈控制

 探讨了本体位置与姿态均不受控的漂浮基空间机器人在时间延迟(简称时延)情况下惯性空间轨迹跟踪的控制问题.利用拉格朗日方法并结合系统动量守恒关系,分析、建立了漂浮基空间机器人完全能控形式的系统动力学模型及运动Jacobi关系.以此为基础,针对系统存在时延的情况,利用泰勒级数预测、逼近的方法,建立了适用于时延情况下控制系统设计的数学模型.利用该模型,提出了一种空间机器人在时延情况下的改进非线性反馈控制方案.然后运用Lyapunov第二类方法,结合范数以及图形分析的方法证明了在时延情况下整个闭环控制系统的渐近稳定性.文中提到的控制方案能够有效地克服系统存在时延的影响,控制漂浮基空间机器人末端爪手跟踪惯性空间的期望轨迹.系统数值仿真结果证明了上述控制方案的有效性与精确性.     

基于自适应动态平差的导航星座自主时间同步方法

基于近代平差理论系统地讨论导航星座的自主时间同步问题,建立了自主时间同步的空间自由网平差模型,提出基于星间双向测距链路和原子钟模型的自适应动态平差算法。该算法对污染测量值采用抗差M估计,而对各卫星钟差模型采用不同的自适应因子调节。给出了简要的理论分析和关键的仿真技术。结果表明,该算法能有效地控制观测误差和模型误差的影响,实现星间高精度自主时间同步。     

基于Sigma-point卡尔曼滤波的INS/Vision相对导航方法研究

针对无人机编队常用的leader-follower(领航-跟随)飞行模式,提出了一种考虑视觉导航设备输出时间延迟问题的INS/Vision相对导航方法,给出了leader与follower之间的相对惯导方程以及相对视线矢量测量原理.由于INS/Vision相对导航系统是一个强非线性系统,采用Unscented卡尔曼滤波融合相时惯导信息和相对视线矢量信息,从而估计出leader与follower之间的相对位置、相对速度和相对姿态,受姿态四元数的归一化限制,在滤波中采用罗德里格斯参数作为姿态误差状念,对于视觉导航系统量测量存在时间延迟的问题,给出了延迟后的量测量与当前惯导信息融合的方法,最后通过仿真研究证明了方法的有效性.     

口径天线远场时域分析

根据惠更斯等效原理,用直接时域法,基于远场近似推导了口径天线瞬态远场时域解析表达式,给出了主、偏轴方向远场辐射特性。分析和数值计算结果表明：所得远场公式简单,计算正确、可靠,可用于口径天线的设计和测量。     

荧光定量PCR技术在环境微生物检测中的应用

阐述了实时荧光定量PCR技术的原理、特点及其在环境微生物检测中的应用与研究进展,分析了该技术在环境微生物检测中存在的问题,并探讨了存在的问题,以及其发展和应用前景。     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。