MIMO窄带加宽带非高斯随机振动试验

提出了一种用于多输入多输出窄带加宽带非高斯随机振动试验方法。首先，详细分析了随机相位与非高斯随机信号偏度和峭度的关系，提出了一种可用于快速生成具有指定偏度和峭度的迭代相位调节法。其次，根据控制通道之间的耦合关系，利用各通道之间随机相位的不相关特性，实现了多通道非高斯随机信号生成的解耦。然后，将生成的非高斯随机信号作为参考输出响应，采用时域逆系统方法生成驱动信号，并利用控制算法分别对响应信号的功率谱、偏度和峭度进行控制。最后，通过三轴向振动台试验验证了本文提出的多输入多输出窄带加宽带非高斯随机振动试验方法的可行性。结果表明，控制点上加速度的功率谱被控制在了±3 dB的容差限内，满足预设的容差要求。同时，时域响应信号的峭度和偏度也满足给定的参考要求。     

相位检测误差对核磁共振陀螺输出频率的影响

针对核磁共振陀螺中采用相位检测方案时可能引起额外频率误差的问题,提出了通过控制电子顺磁共振失谐量及静磁场扰动来抑制额外频率误差的方案。基于Bloch方程,推导了惰性气体原子系综输出频率的表达式,并将相位检测的过程包含在内。建立了考虑相位检测误差的核磁共振陀螺频率误差方程,给出了相位检测引入的额外频率误差表达式并进行了数值仿真。仿真结果表明,通过设定合适的共振失谐量,其额外频率误差至少可以抑制1个数量级,而通过精确地抑制静磁场的一阶及二阶扰动,可以进一步抑制1～3个数量级,将额外频率误差降低到nHz量级。     

谐振式加速度计自激振荡电路性能评价方法的研究

针对谐振式加速度计成品率不高、精度低等问题，以石英振梁加速度计为例，采用引进标准信号，将谐振电路作为“黑盒子”，对其开展独立的评价。通过评价电路的驱动电压幅值稳定性、移相稳定性、全温幅值/相位对称性等指标，与加速度计实际指标建立了一一对应的关系，为加速度计研制与性能提升提供了有效依据。实际运用表明，电路噪声性能、温度性能大幅提升，产品成品率从70%提高到了约90%。     

同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象，针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题，提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式，利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项，完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿，理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

共面变相位星座多目标交汇序列优化方法

针对空间多目标交汇时空约束繁杂、轨道能量影响变量多的特点,从空间几何解析法入手,提出基于穿越点的共面变相位交汇方法,在Lambert椭圆轨道机动的基础上,给出了机动装置共面变轨相位快速确定方法,总结了变轨速度需求以及运载段分离条件已知情况下相位角和转移时间的包络区,并基于覆盖效能对目标发射序列进行了优化,仿真验证了相关结论,得到的结果符合预期。     

无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题，提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上，建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取，随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后，在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明，相比于传统的融合算法，提出的融合算法有很好的准确性和鲁棒性，为无人平台地形探测提供了有效的策略。     

相关函数在涡流检测信号提取分析中的应用

为降低涡流检测信号处理的硬件复杂程度及提升后续数据分析处理灵活度，在不借助复杂硬件自平衡技术电路前提下，在LABVIEW图形化软件平台中设计了相关函数算法程序，对示波器MDO4024C所采集的原始交流电桥信号及电桥激励信号分别进行自相关及互相关运算去噪，提取分析不锈钢管不同位置的涡流信号的幅值及相位，最后再将检测信号在极坐标图中分析显示。实验结果表明，这一方法可有效实现对不锈钢管缺陷涡流信号的去噪及特征信号提取。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation，eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor，ASF）值通过网格应用算法得到待测试点的ASF值，一定程度上比公式计算的ASF值更准确。在计算过程中，用户四个顶点ASF值的测量误差会传递给用户，同时内插算法本身也会引入误差，此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法，得出结论：反距离插值算法引入的误差最大，双线应插值算法引入的误差最小，而且误差呈现一定层次感，网格从内到外误差逐渐减小。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。