惯性/里程计组合导航无地标行进中自主对准

载车行进中自主对准可有效缩短机动前准备时间,提高姿态对准精度以及对准过程中无地标自主定位精度是关键。本文提出一种里程计辅助捷联惯导系统行进中对准算法,推导了行进中精对准滤波模型以及对准过程中无地标自主定位算法。为缩短对准时间、减小由于航向角误差未收敛时造成的定位误差,利用回溯法将粗对准过程存储数据用于精对准过程,且回溯法仅需存储少量数据适合于工程应用。车载实测数据分析表明算法可同时实现行进中自主对准与对准过程中无地标自主定位,有效提高了载车快速机动能力,航向角对准精度优于1 mil,对准过程中无地标自主定位精度优于0.3%行程。     

晃动基座下正向-正向回溯初始对准方法

针对传统方式需要对准时间长的问题，提出一种晃动基座下正向-正向回溯初始对准方法，实现了快速初始对准的目的。首先，给出了导航惯性系粗对准的基本原理，分析了导航惯性系粗对准在回溯过程中的作用。其次，对捷联惯导系统初始对准过程进行了深入的研究，利用导航惯性系建立精对准系统误差模型，将晃动基座时变姿态误差角估计问题转换为时不变姿态误差角估计问题，进而为正向-正向回溯对准奠定了理论基础。在此基础上，详细分析了正向-正向回溯对准的基本原理和设计方法。最后，通过设计仿真实验，验证了本文设计的对准方法可以在303 s内实现晃动基座上航向误差优于0.1°的对准精度。试验结果表明，本文提出的方法具有计算效率高、对准时间短、对准精度高的优点。     

基于曲线合成插补理论的慢走丝线切割反向回退功能设计

从理论上和实践上论述了具有丝半径补偿功能的曲线合成插补理论。该理论直接利用轮廓曲线和丝圆的信息，不需计算等距曲线．间接实现任意直线和二次曲线的等距曲线的插补，有效地避免了传统计算等距曲线产生的计算误差，简化了数控机床控制程序设计，提高了机床的控制精度。并研究了基于曲线合成插补理论的慢走丝线切割机床反向回退指令的形成、控制程序设计，并在慢走丝线切割机床数控系统设计中得到了应用。     

基于遗传算法的凸多边形区域航迹规划

提出了基于遗传算法的凸多边形区域航迹规划方法,针对飞行器转弯角和边界限制的航迹约束条件,改进了航迹编码方式,采用了基于方向编码的回溯方法生成航迹;同时改进了遗传算法的交叉算子和变异算子。仿真结果表明,该方法能快速有效地完成飞行器航迹规划任务,获得符合适应度要求的优化航迹。     

严格逆向过程的捷联惯导快速回溯对准

回溯对准是利用高性能计算机反复进行正向和逆向导航解算来实现惯导系统的初始对准。对捷联惯导系统回溯参数辨识对准技术进行了研究,首次将严格逆向过程用在常规回溯对准中,其逆向过程不采用常规的近似解算,而是严格由正向过程的终点递推至起点,这可有效缩短惯导姿态失准角的估计时间,从而可相应提高捷联惯导在相同对准精度下的对准速度。最后,利用光纤陀螺捷联惯导系统进行了离线对准试验。结果表明,该对准方法的对准时间比常规回溯对准法缩短了1/3以上,证明了该对准方法的正确性、可行性。     

回溯降维相干分布式非圆信号DOA快速估计

在相干分布式非圆(CDNC)信号波达方向(DOA)估计中,针对阵列输出矩阵扩展后维数增加带来的较大运算量问题,基于降维的多级维纳滤波(MSWF)技术,引入回溯优化思想,提出了一种快速估计算法。该算法首先利用信号非圆特性扩展阵列输出矩阵,然后通过MSWF递推分解快速求出信号子空间,避免了计算阵列协方差矩阵及特征分解,并且在递推过程中引入回溯优化机制提高了各级匹配滤波器的估计性能,最后由最小二乘(LS)或者总体最小二乘(TLS)得到DOA估计。仿真分析表明,所提算法与相干分布式非圆信号旋转不变子空间算法(CDNC-ESPRIT)性能相当,但复杂度得到了大幅度降低,相比于基于MSWF的非圆信号快速子空间(NC-MSWF-FS)算法,在较小的复杂度代价下大幅度提升了低信噪比时的估计性能,并且对初始参考信号的选取具有了较强的鲁棒性。     

基于SOVA的低复杂度FTN信号接收算法

超奈奎斯特(FTN)传输技术是一种高频谱效率的信号传输方式。针对FTN信号存在的码间串扰,基于软输出维特比算法(SOVA)提出FTN信号的低复杂度接收算法。根据幸存路径和竞争路径的判决结果,动态地调整每个时刻回溯过程的比较次数,降低比较次数平均值。在实际应用中,根据不影响误码性能的统计经验值直接截短回溯路径的长度。直接截短回溯深度算法可在不恶化误码率(BER)的前提下,降低比较运算次数2/3,同时减少回溯过程所需寄存器资源和延时50%以上。     

具有自动回溯的机动目标航迹精细化分段识别

机动目标航迹分段识别是判断目标行为意图的基础,然而现有航迹分段算法对模式变化检测能力弱,难以满足机动目标航迹快速精细化分段的需求。提出双层精细化航迹分段框架,预分段层检测目标运动过程中的模式切换,确定模式变化明显的预分段区,得到目标模式变化明显区域的预分段点;再分段层对模型差异小的非预分段区航迹进行回溯迭代优化再分段,得到更为精细的分段点。该框架具有从粗到精的航迹分段处理能力,实现了对于机动目标航迹的精细化分段识别。选取两个典型的目标机动仿真场景验证了所提算法的有效性,不仅减少了迭代优化时间,而且提高了分段识别精度。