防空导弹尾追拦截目标的遭遇点预测方法

为充分发挥导弹武器系统的全向拦截能力,防空导弹需要面对拦截发射时即处于尾追逃逸态势目标的问题。结合防空导弹任务特点,设计了一种兼顾迎击、尾追拦截态势的遭遇点预测方法。根据导弹与目标在发弹时刻和拦截过程中的相对运动关系,建立常规迎击态势下的遭遇点预测模型。针对尾追拦截的特殊情况,分析预测模型对弹目相对运动关系描述的适用性,并进一步研究目标初始参数对预测模型收敛性的影响。在此基础上优化运动几何关系描述模型,结合收敛条件设计迭代算法,形成尾追拦截态势下遭遇点的预测方法。该方法修正了目标穿越发射点上空引起的模型适用性问题。仿真结果表明:迭代算法对迎击、尾追目标态势均快速收敛,预测精度满足工程应用要求,为导弹全向拦截时的遭遇点预测提供了有效的解决途径。     

天波干扰态势预测系统设计与实现

对短波干扰的电磁态势进行实时的预测,可以更好地配置干扰资源,掌控干扰效果。分析了天波干扰态势预测的现实需求,给出了天波态势预测方法步骤,并提出预测软件架构设计。     

捷联惯导位置更新中的二子样涡卷补偿优化算法研究

研究了高动态环境下捷联惯导位置更新中的涡卷补偿算法。首先,给出了以地理坐标系为导航坐标系的位置更新算法;然后,基于曲线拟合的思想方法,推导了位置更新的二子样和三子样涡卷补偿算法,并且在划船运动(一种引起涡卷效应的典型高动态环境)下对二子样涡卷补偿算法进行优化,提出了位置更新的二子样涡卷补偿优化算法。仿真结果表明,二子样涡卷补偿优化算法的精度要比二子样涡卷补偿算法高,而其计算量与二子样涡卷补偿算法相当。     

基于模糊聚类非负矩阵分解的软件缺陷预测

为了进一步提高对不平衡软件缺陷数据的预测精度,提出了一种基于模糊聚类非负矩阵分解的缺陷预测方法。该方法首先选取最近邻算法作为不平衡缺陷数据预测的基分类器,然后将非负矩阵分解算法引入软件缺陷预测领域,并提出利用模糊聚类初始化非负矩阵分解算法的思路。该方法一方面解决了最近邻算法处理多属性缺陷数据时计算量大导致性能降低的问题,另一方面克服了非负矩阵分解的随机初始化导致结果陷入局部最优的不足,提高了不平衡软件缺陷数据的预测精度。最后通过两组算例验证了方法的有效性。     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

预测滤波算法在微小卫星姿态确定中的应用

讨论了利用卫星姿态动力学与矢量观测信息融合确定卫星姿态的方法。引入基于模型误差最小准则的预测滤波算法,实现对未知扰动的实时辨识与估计,克服模型误差影响。针对预测滤波算法存在模型误差加权阵依赖经验选择的不足,提出了模型误差加权阵偏小设计准则,使预测滤波算法对模型误差的估计引入高频分量,根据卫星姿态机动速度远小于高频噪声的事实,采用ＦIＲ数字滤波器滤除由高频分量引入的噪声,放宽了模型误差加权阵的设计范围。仿真表明：应用该设计准则的预测滤波算法与优化模型误差加权阵的估计效果相当,且滤波精度对模型误差加权阵参数的选择不敏感;该法也克服了优化模型误差加权阵在滤波初始时刻的振荡。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

本征正交分解在翼型气动优化中的应用研究

为降低机翼翼型气动优化的仿真代价,提出了一种基于本征正交分解(POD)的翼型自适应快速优化方法。建立气动流场数据的代理模型以预测流场。为简化求解规模和难度,采用POD代理模型优化。为进一步提高精度,提出了基于序贯POD代理模型自适应优化,在优化过程中实时更新POD基,即在优化中间结果的基础上重新采样,以更新POD空间,基于动态数据库构建代理模型。给出了不同优化方法的求解流程。以NACA0012翼型为例分别对直接翼型优化、基于代理模型的翼型优化和基于POD代理模型的翼型优化方法进行了对比分析。结果表明:与直接优化方法相比,基于POD代理模型的翼型优化能显著提升优化效率,且拟合精度更高。     

基于预测滤波的卫星交会对接相对位姿确定方法

基于视频制导系统提供的视线测量,引入一种高精度、高鲁棒性的、实时的预测滤波算法,建立系统的误差模型,对角速度和位移速度进行一步预测,从而精确地估计卫星的相对位置和相对姿态。此外提出修正方案,通过卡尔曼增益对相对姿态和相对位移进行修正和更新,估计性能得到改进优化。通过卫星交会对接仿真实验验证算法的有效性,结果表明,预测滤波算法高精确估计相对姿态和相对位置,修正后算法得到了更高的精度结果,满足卫星交会对接要求,对在轨实验有重要参考价值。     

一种地理系下基于伪线性模型的捷联惯导算法

针对传统捷联惯导算法模型为非线性,需要对姿态、速度和位置分步运算,且高动态下算法精度较低的问题,提出一种地理系下基于伪线性模型的捷联惯导算法。利用伪线性模型及其分析方法,将传统的地理系下捷联惯导方程各部分转换成伪线性形式,定义导航向量并建立其系统模型;再利用高阶数值积分算法提升导航向量更新精度,得到地理系下基于伪线性模型的捷联惯导算法。最后,用仿真评估算法精度,与传统捷联惯导算法相比,大机动条件仿真中伪线性捷联惯导算法的精度提升了两个量级;旋转弹飞行仿真中导航误差不到传统算法的1/5。提出的伪线性捷联惯导算法结构简单,采用一个更新回路即可完成导航向量更新,且在高动态大机动条件下具有更高的算法精度,因此,对于捷联惯导算法研究与工程应用有一定的参考价值。     

基于粒子群优化支持向量机的测控设备校准间隔预测

针对计量保证方案中仪器校准间隔的预测问题,提出了基于粒子群优化支持向量机的预测方法。综合运用了粒子群优化算法对支持向量机的参数进行全局并行寻优的能力和SVM强大的非线性映射功能,具有很高的预测精度。实例验证表明,该方法具有较好的预测效果。     

基于QR分解的自适应差分滤波在SINS大方位失准角初始对准中的应用

针对差分滤波算法存在数值稳定性差及系统噪声统计特性不准确导致滤波性能下降 的问题,提出一种改进的差分滤波算法。新算法将矩阵QR分解及Cholesky分解因数更新技术 引入,并结合一种新的噪声估计方法及选择更新策略,有效地改善了系统噪声统计特性不准 确带来的滤波性能下降问题,增强了传统差分滤波算法的数值稳定性。通过在捷联惯导系统 大方位失准角初始对准中的应用,仿真结果表明了新算法的有效性和鲁 棒性 。
     

基于DFT快速算法对扩频码捕获过程的优化

针对基于FFT的频域捕获方法采样点数必须为2的整数次幂的局限性,应用Colley-Tukey和Good-Thoma算法对DFT求解过程进行分解,并引入Winograd DFT算法将短点数DFT优化从而得到一种改进算法。利用改进算法对GPS的L5频段上扩频码捕获进行了仿真分析。与FFT算法相比,改进算法在保证精度和灵敏度的同时,降低了计算量,提高了信号捕获速度。     

基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。     

基于增量调制的ICCP地磁匹配序列生成方法

为解决地磁匹配算法中匹配点的选取和匹配序列长度的设置问题,提出一种迭代最近等值线(ICCP)算法的地磁匹配序列生成方法。首先,分析了采样定理、地磁图分辨率、磁场起伏特征和磁传感器测量精度等对匹配序列采样间隔的约束,以及匹配序列长度与误匹配的关系;然后,在此基础上利用增量调制原理实现了匹配点的选取;最后,建立了本文方法参数优化的目标函数,并利用二进制粒子群优化（BPSO）算法对匹配序列的长度和增量调制的量阶进行寻优,使ICCP算法在保证匹配精度的前提下能够缩短匹配时间。仿真结果证明所提方法具有良好的环境适应性,对ICCP算法的精度和实时性都有明显改善。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

含引力辅助的小推力多任务探测轨道设计

针对深空探测时间长、成本高的特点,文中以多任务深空探测为背景,建立了包含多模型、多约束、多变量、多阶段的探测轨道设计模型。通过融合推力工作模式、分段设计目标函数等策略,克服了模型的内点约束限制,降低了优化模型的复杂度。为了提高优化速度、提升优化精度,结合梯度搜索和粒子群算法的特点,研究提出了一种梯度混合粒子群(GHPSO)算法。将该算法应用到多任务星探测轨道设计模型上,得到了发动机的工作时序,并横向对比了该文算法与传统粒子群算法(PSO)和遗传算法(GA)的优化性能。仿真结果表明,文中提出的算法搜索速度快,第1设计阶段GHPSO相对GA提高61.96%,相对PSO提高47.85%,第2设计阶段GHPSO相对GA提高61.87%,相对PSO提高43.66%;精度最高,第1设计阶段GHPSO相对GA平均精度提高了2.86%,最高精度提高了1.24%,相对PSO平均精度提高了4.19%,最高精度提高了3.97%,第2设计阶段GHPSO相对GA平均精度提高了3.33%,最高精度提高了1.63%,相对PSO平均精度提高了4.72%,最高精度提高了3.02%,适用于轨道优化设计类的非线性、多约束全局优化问题。     

基于多传感器的空间遥操作机器人虚拟预测环境建模

虚拟预测环境技术是解决遥操作系统中时延问题的有力手段,但其有效性依赖于环境模型的精度。为了提高虚拟预测环境的建模精度,提出了基于多传感器信息融合的建模方法。首先根据CCD摄像机采集的图像建立虚拟环境模型的初始模型,再利用远地力觉和位置传感器信息对初始模型进行校验。为了观察命令在虚拟环境中的执行情况,采用一种简单有效的注册方法,将图形模型叠加在摄像机视频图像上,以便操作者进行对比分析。实验表明利用本文算法建立的虚拟环境模型是准确可靠的,有利于提高基于虚拟预测环境技术的遥操作系统的有效性和可操作性。     

改进的粒子群优化算法在TDOA定位估计中的应用

提出了接收端在空间随机分布时，利用改进的粒子群优化算法解决TDOA定位估计中遇到的非线性最优化问题。该算法基于简单的遗传操作，在种群更新前先进行一次筛选，通过迭代搜索最佳坐标。试验表明，在参数设定合理的情况下，该算法性能稳定，能找到逼近全局最优点的解，相对其他算法精度更高，收敛速度更快。     

一种基于接收机钟差广义插值法的卫星定位增强算法

为提高卫星定位的连续性与精度,分析和讨论了接收机钟差模型辅助定位的可行性与基础,结合广义插值方法建立了一种高精度钟差数学模型及其相应的增强定位算法。该优化拟合模型在分段边界点上满足插值条件,不断利用钟差观测序列的最新均值或加权均值插值点对模型进行约束,使其具有更好的实时性及更高的外推精度。通过GPS实测实验,对方法的可行性和精度进行了分析与验证。结果表明,基于该模型的增强定位算法,既可辅助卫星信号短暂缺失的非完备定位情况,实现三维定位,也可用于正常星座的定位情况,有效提高定位精度。