多传感器数据融合在光电经纬仪目标分离段跟踪的应用研究

针对光电经纬仪在目标分离段容易跟踪假目标的问题,提出应用多传感器数据融合方法实现目标分离段的假目标识别。在目标分离前,根据实测的目标轨迹数据通过理论弹道修正算法计算出理论弹道的误差修正量;在目标分离时,利用得出的误差修正量修正目标的理论弹道,并采用模糊聚类关联算法判断各传感器目标测量数据与修正后的目标理论弹道的相关性,从而识别出测量数据是否来自假目标。实验结果表明该方法能够有效地区分出真假目标,判别结果作为跟踪系统及目标识别系统决策依据,有效提高了目标分离段跟踪成功概率。     

载人航天任务测速雷达双通道数据融合方法

针对载人航天任务中高精度测速雷达在实时多主站外弹道融合时仅能采用单通道应答数据参与处理,获得的弹道精度较差,且测速雷达数据利用率仅有50%的问题,提出利用多普勒效应和应答机遥测参数两种方法对测速雷达跟踪模式进行实时准确识别,首先得到测速雷达双通道的应答数据,然后通过改进的非线性滤波+机动模型算法对火箭上升段外弹道测量数据进行高精度融合。最后采用仿真数据对传统方法和新方法的外弹道融合精度进行了比对分析。该方法的应用可有效提高测速雷达测元利用率和载人航天任务火箭上升段外弹道精度,具有较强的工程应用价值。     

基于一种灰色聚类滤波算法的飞机远程故障诊断虚警辨识方法

 在航线排故过程中,常会出现飞机远程实时故障报文信息的“飞机通信与寻址系统(ACARS)虚警”现象,使排故效率降低。对此,本文将灰色聚类和滤波理论结合提出了一种新的辨识算法——灰色聚类滤波算法,将常增益滤波引入灰色聚类算法,在灰色聚类算法中使用ACARS报文故障的当前数据分类故障、判断虚警的基础上,增加报文故障的历史数据,用滤波方法将历史的和当前的数据结合起来,提高辨识虚警的准确性。本算法应用于航空公司的波音777机队,能够有效辨识飞机实时故障报文信息中的虚警。     

超声速飞行器FADS系统实时解算设计与验证

针对典型超声速飞行器的头部外形,采用CFD数值模拟方法计算获得超声速飞行器头部测压点阵列的压力数据,设计了基于BP神经网络技术的求解算法和基于FPGA+DSP构架数字信号处理的解算机、飞行马赫数2.0~4.5的嵌入式大气数据传感系统实时解算方案。应用蒙特卡罗法分析测量总误差对算法模型的影响,并获得满足嵌入式大气数据传感系统设计目标要求的测量系统总误差。算法在解算机上完成1次计算所需时间1ms,完全可以满足嵌入式大气数据传感系统算法实时解算设计的要求。在1.2m×1.2m超声速风洞完成求解算法的实时解算试验,试验结果与风洞系统的测量结果基本吻合,系统在实时解算过程中未出现异常、能灵敏反映出来流参数变化、具有很好的鲁棒性和敏捷性。静压测量相对误差≤6.9%,马赫数测量误差0.1,迎角和侧滑角的测量误差均1°。最后还分析了试验误差影响因素,提出了试验改进的方法。     

利用二次型实时剔除雷达数据中野值的方法

实时剔除雷达测量数据中的野值对于提高目标轨迹精度具有重要意义。文中分析了一种利用残差和误差相关矩阵构造二次型作为判定野值的方法,并给出了这种方法的实现思路和仿真结果,指明了该方法可推广应用的领域。     

基于测量方案的光电经纬仪布站优化模型

高精度实时外测数据是实施安全控制和数字引导的重要信息源,而布站几何对外测系统的精度有重要影响。为提高光电经纬仪的实时弹道解算精度,本文提出一种基于测量方案的布站优化模型。通过直接建立实时测量方案和布站模型之间的关系,提高实时测量精度和减小方案间的精度差异。采用高效的多目标寻优算法获得了最佳布站方案。常规布站优化模型结果比较,该优化模型的实用性强,能够显著提高实时弹道的解算精度。     

一种新的捷联姿态矩阵理算法的应用研究

本文为改进捷联系统计算机解算的实时性，引入一种新的捷联姿态矩阵理算法。针对算法系统应用的要求，完成了系统力学编排，解决了仿真研究方法、仿真轨迹和迭代频率的选择等问题，采用Ｃ语言和Ｉｎｔｅｌ８０２８６计算机进行系统仿真和软件模块测试，对新算法和常用的四阶龙格一库塔法的运算量和系统精度进行了可信比较，结果表明，新算法的计算量减少一半，而精度不变。本文的工作为改进捷联系统算法提供了参考依据。     

多测速系统中系统误差实时估计与校准算法

在实际目标跟踪系统中,测量设备都存在系统误差,会导致跟踪滤波精度显著下降。针对多测速系统,对其测速系统误差进行了简化数学建模;然后将其增广为状态变量,应用扩维无迹卡尔曼滤波对目标运动状态和系统误差进行联合估计,以实时校准系统误差、提高状态估计精度。在存在主副站2类系统误差的条件下,设定恒定和线性时变2类系统误差场景,对算法进行仿真分析。仿真结果表明,算法在2类系统误差情形下都能有效校准系统误差,位置、速度滤波精度可提高80%以上;尤其是当系统误差恒定时,算法可完全消除系统误差的影响。     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

权值动态分配的加权平均法在姿态解算中的应用

鉴于各种姿态算法解算后的精度不高,提出将加权平均法应用于捷联惯导系统的姿态解算中.针对实际应用中无法准确获得姿态角度的真实值这一情况,提出对解算误差进行实时估计的方法,再基于最优权值分配的原则进行权值动态分配.对几种姿态解算算法进行了有效的融合,并应用到姿态解算模块的实际测量中.测量结果分析表明此种方法很大程度上减少了单一算法的解算误差及测量的误差,提高了测量的精度.     

伞舱系统跟踪引导数据迭代算法

针对在返回舱乘伞下降阶段,测控链中弹道测量设备丢失目标,以及跟踪结束后无法外推生成可靠引导数据,光学设备难以快速捕获目标等问题,以风场修正模型为基础,通过风场提前修正与采用测量数据实际修正相结合的方法,建立伞舱系统跟踪引导数据迭代算法.利用多次返回段任务数据对该算法进行实验验证,并与实际任务中目前使用的方法进行比较,结果表明：通过该算法推算较长时间后的引导数据,其平均误差为现有方法的6％;推算较短时间后的引导数据,其平均误差为现有方法的20％.因此,利用该算法计算的引导数据精度较高,有助于光学设备及其他测控设备快速捕获或重捕目标.     

Behavior pattern mining based on spatiotemporal trajectory multidimensional information fusion

Trajectory data mining is widely used in military and civil applications, such as early warning and surveillance system, intelligent traffic system and so on. Through trajectory similarity measurement and clustering, target behavior patterns can be found from massive spatiotemporal trajectory data. In order to mine frequent behaviors of targets from complex historical trajectory data, a behavior pattern mining algorithm based on spatiotemporal trajectory multidimensional information fusion is proposed in this paper. Firstly, spatial–temporal Hausdorff distance is proposed to measure multidimensional information differences of spatiotemporal trajectories, which can distinguish the behaviors with similar location but different course and velocity. On this basis, by combining the idea of k-nearest neighbor and density peak clustering, a new trajectory clustering algorithm is proposed to mine behavior patterns from trajectory data with uneven density distribution. Finally, we implement the proposed algorithm in simulated and radar measured trajectory data respectively. The experimental results show that the proposed algorithm can mine target behavior patterns from different complex application scenarios more quickly and accurately compared to the existing methods, which has a good application prospect in intelligent monitoring tasks.     

基于实时预测轨迹修正的共轴跟踪观测方法

针对光电设备跟踪观测轨迹可预测目标,提出并实现了基于实时预测轨迹修正的新型跟踪算法。从电视观测信息中实时解算出轨迹偏差的位置分量与速度分量并修正预测轨迹,引导仪器运动。应用该方法,在被观测目标电视探测不理想时有效提高了跟踪可靠性,降低了光电跟踪设备对电视探测能力的苛刻要求。即使电视探测短时出现困难,也能保证一定精度。本文给出了实时轨迹修正跟踪方法的构成原理与试验结果,并与一般电视跟踪方法进行了对比。     

基于B样条模型的参数化卡尔曼滤波器设计

以标准B样条函数为基础,建立了以位置、样条系数为状态变量的参数化卡尔曼滤波器,用于解决外测数据的实时滤波问题。按照时间更新跨节点与否,分2种情况给出了状态转移方程。在时间更新跨样条节点时,使用样条函数的一阶连续导数条件,估计新增样条节点系数,由此实现滤波器在跨节点处的平滑过渡。通过仿真数据对新方法进行验证,并与已有的2类典型滤波方法进行比较,结果表明,本方法的滤波精度与另一类直接基于弹道信号表示的样条递推滤波方法精度相当,且可表现出更优的收敛性。新方法具有样条参数化模型的相同优点,可对时域信号全时段建模,可利用先验信息设计弹道优选节点而实现滤波性能优化,缺点在于状态更新的策略较为复杂。     

An intelligent algorithm for coherent sound source localization based on a strong tracking filter

Background noise is inevitable when sensor arrays are used for aeroacoustic measurements in wind tunnels. The direct removal of background noise, however, would affect the measurement accuracy. In particular, the existing array signal processing algorithms are either invalid or inefficient for removing the noise that is coherent with the signal of interest. In this paper, an intelligent algorithm is developed to localize the coherent sound sources and background noise in real time by iteratively checking the collected data from the array. The proposed method can automatically adjust the suboptimal fading factor to extract useful information as much as possible in residual sequence. This algorithm is tested in simulations and then demonstrated in an experiment.Compared to the two existing methods, the results indicate that the new method has a good phase-shift tracking ability and rapid estimation-error convergence speed, and can achieve an acceptable performance even for low-cost acoustic sensors. Overall, the proposed method should assist array beamforming and hence benefit aeroacoustic measurement.     

基于平衡核函数聚类的飞行航迹数据分析方法

目前,使用数据挖掘的方法对目标的飞行航迹进行分析来确定航迹类别具有许多应用价值。飞行航迹数据具有维数高、交连多、可分类性能差等特点,要做到尽可能精确的聚类和分类十分困难。文章立足提高飞行航迹数据聚类分析的准确性,在航迹特征数据的预处理阶段,提出了一种平衡核函数的K-均值聚类方法,可以解决高维特征数据带来的奇异性,还能提高交叠样本的聚类性能;设计了一种模糊支持向量机的算法框架实现航迹的分类。通过实际飞行航迹数据集测试了设计框架下航迹聚类和分类识别的有效性,在实际工程上具有广泛的应用前景。     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

Conditional self-attention generative adversarial network with differential evolution algorithm for imbalanced data classification

Imbalanced data classification is an important research topic in real-world applications, like fault diagnosis in an aircraft manufacturing system. The over-sampling method is often used to solve this problem. It generates samples according to the distance between minority data. However, the traditional over-sampling method may change the original data distribution, which is harmful to the classification performance. In this paper, we propose a new method called Conditional Self-Attention Generative Adversarial Network with Differential Evolution (CSAGAN-DE) for imbalanced data classification. The new method aims at improving the classification performance of minority data by enhancing the quality of the generation of minority data. In CSAGAN-DE, the minority data are fed into the self-attention generative adversarial network to approximate the data distribution and create new data for the minority class. Then, the differential evolution algorithm is employed to automatically determine the number of generated minority data for achieving a satisfactory classification performance. Several experiments are conducted to evaluate the performance of the new CSAGAN-DE method. The results show that the new method can efficiently improve the classification performance compared with other related methods.     

机载电子设备地面仿真检测系统

 本文讨论机载电子系统地面仿真检测系统的系统功能,硬件软件结构,给出一个实际的仿真检测系统,它由11台不同类型微机通过8端光纤通信网络连成一个分布式仿真测试网,能够模拟雷达运动目标信号,导航计算机、大气数据计算机、导弹控制计算机信息,能够进行实时数据处理、绘制目标运动曲线,打印测试参数报表等。