卫星通信中16QAM信号的数字预失真研究

高阶信号通过功放时发生非线性失真,需对功放进行线性化补偿,功率回退法是最简单直接的线性化方法,但功放效率不高。数字信号处理技术的发展使得数字预失真技术成为补偿功放失真最有效的方式之一,在一定程度上促进了高阶调制信号在卫星通信中的应用,缓解频谱资源紧张问题。以16QAM信号为对象,着重研究了预失真器模型的两个关键因子——非线性阶数和记忆深度——对预失真性能的影响。仿真结果表明,相较于非线性阶数,记忆深度对预失真性能的影响更大;而且功率回退法和数字预失真方法的结合使用可以取得更好的预失真效果。     

宽带卫星通信信号的多维星座图解调方法

高速卫星数据传输需要利用较高调制维度和较多星座点数来实现,一方面导致接收端具有较大实现复杂度,另一方面系统可靠性极易受信道非线性影响。针对以上问题,通过对多维星座图信号的解调性能进行理论分析,得到极大后验概率（MAP）解调误符号率（SER）的理论公式,在保证系统SER性能的基础上,提出了基于星座图相关的检测方法。该方法利用脉冲正交性得到接收星座点,对其进行向量相关运算得到解调数据,有效降低了解调判决过程的复杂度。针对信号经过高功率放大器（HPA）后的非线性失真问题,建立了HPA信道估计模型,利用最小二乘（LS）信道估计方法对原解调星座图进行修正,提出了基于修正星座图的解调方法。仿真结果表明,该方法在降低实现复杂度的同时,有效提高了系统抗HPA信道非线性失真的能力,可实现对宽带高速卫星通信信号的高效准确解调。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

正交多项式在不确定转子动态响应计算中的应用及对比分析

为研究航空发动机转子系统中的区间不确定性对系统动态响应的影响,提出利用正交多项式求解不确定转子响应的非嵌入式区间分析法,克服了传统概率方法需要参数先验概率分布的苛刻要求。用有限元法建立了悬臂转子的确定性运动方程,阐述了Chebyshev和Legendre两种正交多项式建立响应代理模型的原理和计算步骤。通过与Monte Carlo抽样对比,验证方法的可行性和精度。对照Monte Carlo方法500样本的计算结果,两种多项式区间法计算结果都具有较高精度,误差均小于1%,而计算时间则分别为Monte Carlo法的2.5%和5.4%,Chebyshev多项式方法具有更高的计算效率。分析了不同不确定参数在不同不确定水平下,系统的响应范围。研究表明,正交多项式区间分析法可高精度高效率地计算转子系统区间响应范围,不确定性对该转子系统动力特性影响很大,多源不确定性传播可引起转子系统大幅振动。      

基于径向基神经网络的不确定非线性系统的鲁棒自适应控制

 针对能够采用仿射非线性表示的含有不确定动态的非线性系统 ,提出了一种鲁棒自适应控制方法 ,该方法根据离线辨识出的受控对象的已知部分 ,采用神经网络在线辨识其未知部分 ,并针对辨识得到神经网络模型采用反馈线性化方法设计出自适应控制器 ,同时引入滑模控制方法以增强控制系统的鲁棒性 ,从而实现鲁棒自适应控制。通过对具有未建模动态的非线性直升机空气动力学模型 ,设计了总距通道系统。仿真表明该方法是有效的。     

主动学习基自适应PC-Kriging模型的复合材料结构可靠度算法

针对复合材料机翼随机固有频率可靠性分析复杂、高维、高度非线性和计算时间长的问题,本文提出了一种主动学习基自适应PC-Kriging模型的可靠度算法。在基自适应PC-Kriging模型中,采用一种基自适应策略来确定多项式混沌展开部分的正交多项式基,以近似数值模型的全局响应,Kriging用于高阶非线性插值以近似数值模型的局部响应。在主动学习可靠度计算框架中,引入加权K均值聚类,在一次迭代中添加K个对失效概率贡献较大的候选样本点以减少迭代次数和加快收敛速度。通过一个高度非线性的数值算例分析,证明了所提方法的有效性和准确性。将该方法应用于复合材料板和复合材料机翼的随机固有频率可靠性分析,获得了准确高效的可靠度计算结果。     

一种改进的Dolph—Chebyshev方法在阵列天线方向图综合中的应用

通过对传统Chebyshev多项式增加修正因子得到一种修正的Chebyshev多项式，并以此为基础提出了一种新的阵列天线方向图综合方法。与传统Chebyshev综合法相比，该方法可以在保持副瓣电平不变的情况下对主瓣进行任意展宽，待求参数少，综合过程简单，有很强的实用性。     

一种导弹导引律及参数的非线性MMAE辨识方法

针对现代空战中来袭导弹导引律参数辨识问题,提出了一种非线性的多模型自适应(MMAE)辨识方法。采用无色卡尔曼滤波(UKF)方法对非线性多模型集进行状态估计。利用多模型自适应估计方法,设计了导弹的导引律及参数辨识器,在三维坐标内实现了对导弹IPN,APN,OGL和PP导引律及对应导引参数的辨识,并通过算例仿真验证了该方法的快速性和准确性。     

CAD应用于反雷达隐身涂层

通过两种反雷达隐身技术途径的对比,论述了反雷达隐身涂层在未来的优势,利用Chebyshev多项式建立非线性方程组,通过计算机辅助分析,仿真结果说明了设计的有效性.     

N4SID辨识方法在航空发动机中的应用

针对在现代航空发动机的自适应控制和故障监控领域建立系统动态模型的需要 ,本文研究了基于状态空间模型的数字子空间状态空间系统辨识 (N4SID)方法 ,并在某型双转子涡喷发动机非线性气动热力学模型的“小偏离”状态上进行了仿真实验 ,结论表明 :该方法可以较准确地辨识发动机“小偏离”状态时的系统模型     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.     

前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。      

铣削过程在线辨识与极点配置自适应控制

 研究了铣削加工过程的建模、参数在线辨识及自适应控制问题,为铣削过程建立了二阶离散传递函数模型,提出了一种修正的带遗忘因子递推最小二乘参数辨识算法,从而解决了普通递推最小二乘辨识算法中由于递推计算协方差矩阵衰退或膨胀引起辨识结果失真的问题,采用极点配置设计原理,为铣削过程推导了自适应控制的控制律。仿真和实验表明,修正的最小二乘辨识算法和极点配置自适应控制律是正确和可靠的,自适应控制器可获得所需的响应性能。     

复合正交级数神经网络模型在飞控中的应用

针对现有神经网络逼近快变非线性函数能力低、结构复杂等问题,提出了复合正交多项式模型和一种改进的正匀多项式神经网络模型。这两种模型综合了正交级数和神经网络的结构特点,便于工程实现。理论研究和仿真计算表明,使用此模型构造快变非线性函数时,可使神经网络的节点数成倍减少,神经网络的训练次数成倍降低。飞行器非线性控制的应用表现,此方法可用来解决一般非线性系统的控制问题。     

卫星通信中有记忆功放预失真研究进展

目前,卫星通信面临频谱资源紧张和功放功率效率低等问题,虽然采用高阶调制方式可缓解资源紧张问题,但信号通过功放时会产生失真,影响通信质量。功率回退法可在一定程度上改善信号的失真,但会导致功放功率效率不高。功放线性化技术是改善信号质量、提高功放功率效率的有效途径之一。针对卫星通信传输面临的问题,简要介绍目前国内外关于功放线性化技术的研究状况,对各种技术的实现原理和主要的技术手段进行介绍和总结,分析其优缺点;同时,介绍了为提高精度而融合多种预失真技术的预失真算法应用情况;并针对高峰均比等特殊信号,概述了目前信号预处理技术和预失真技术的联合使用情况。最后,指出预失真技术未来的发展方向。     

非定常气动力的结构自适应神经网络建模方法

讨论了非线性非定常气动力的结构自适应神经网络模型建模方法,该方法具有同时进行结构辨识与参数辨识的优点;利用纵向大振幅强迫振荡风洞试验数据,验证了建模方法及所建模型的有效性,结果表明:结构自适应神经网络模型对非定常气动力有很好的逼近能力,由于采用飞行参数的时间离散数据作为输入量,模型可直接应用于飞行仿真研究。     

非线性气动弹性系统辨识

采用非迭代辨识算法研究非线性气动弹性系统特征。从系统的输入输出测量数据{uk,yk}kN=1中,用Ham-merstein Block-Oriented模型进行辨识。Block-Oriented模型辨识的重点是用一组与所研究系统动力学一致的先验正交基函数,本文采用气动弹性系统先验的极点信息构造正交基函数。最后,用二元机翼算例验证辨识方法的准确性。     

通用加速计算在环幕失真校正中的应用研究

大规模场景的沉浸式投影系统大都以环幕作为显示设备,而由环幕造成的几何失真使系统真实感大大降低。从环幕产生失真的几何原理出发,通过建立投影平面和成像面之间的坐标映射关系,生成了一种几何失真校正的理论模型。同时,研究了一种适于通用加速计算的图形硬件架构CUDA,基于其多线程的硬件执行机制,通过将几何失真的校正矩阵组织成纹理进行多重纹理贴图映射,设计了预失真校正的硬件加速算法,该算法还利用基于权值的超采样技术对加速中的走样进行了设计。最后,对该方法的校正效率和效果进行了实验验证,证明该方法具有更高的场景交互速度和很好的校正效果。     

考虑测量噪声的朗道自适应惯量辨识方法

传统朗道自适应惯量辨识方法只有一个自适应系数可以调节,难以同时兼顾辨识速度和辨识精度,导致速度自适应控制系统在测量噪声较大的情况下容易不稳定。为解决这一问题,提出了一种考虑测量噪声的朗道自适应惯量辨识方法。该方法采用相同的低通滤波器对速度和电磁转矩同时进行滤波,保证了辨识模型与无滤波时的相同。在此基础上综合调节自适应系数和滤波器时间常数,在保证辨识速度的前提下减小辨识系统的噪声,提高辨识精度,从而提高了速度自适应控制系统的稳定性。仿真和试验验证了所提方法的正确性和有效性。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。