飞行模拟机线性协调洗出滤波及其仿真

基于六自由度运动平台的飞行模拟机以它的经济性、安全性等优异性能,日益成为驾驶员和飞行员的理想训练工具.驾驶员的视觉、听觉、触觉以及体感是模拟机的四大模拟要素,直接影响模拟机的逼真度.由于六自由度运动平台运动行程有限,为了在有效的运动范围内给飞行员提供较为逼真的瞬时过载及重力影响,驱动信号需要洗出.运用线性协调洗出滤波算法为基于六自由度运动飞行模拟机实现洗出滤波,并进行了仿真.     

洗出滤波算法在飞行模拟器中的应用

介绍了六自由度运动平台的洗出滤波算法及其在飞行器地面滑跑阶段的实现。根据飞行仿真模块的输出,通过坐标变换、比例限制、信号洗出和滤波等,形成运动平台的驱动信号。该算法在不增加系统硬件的前提下,充分利用液压缸现有行程,逼真地模拟飞机俯仰、滚转、偏航、升降、纵向和侧向平移运动。     

发动机进气压力控制系统噪声抑制方法

高空台进气压力控制系统具有大时滞特性,被控对象受到输入噪声、相位延迟等不确定因素的影响,导致控制系统难以精准控制,给控制器的设计带来挑战。针对该问题,首先采用基于跟踪微分器(TD)的测量噪声抑制对系统输入噪声进行估计,通过引入基于跟踪微分器与Fal函数滤波算法的相位补偿进行了补偿器设计。然后对高空台进气压力控制系统设计了跟踪微分器的测量噪声抑制算法,并进行了滤波特性分析。在设计相位补偿方法时,不仅考虑了测量信号中随机噪声的分离,还对微分信号中的抖动信号进行了滤波,使得系统初始信号和滤波后的光滑微分信号重新构成新的有用信号,最终解决了输出信号的相位滞后对控制精度影响的问题。通过数值模拟对经典fhan算法和提出的Fast+PA(Phase Advancer)算法进行了比较,验证了Fast+PA算法噪声抑制的优势。结果表明,Fast+PA算法通过调整重要参数滤波因子h₀和向前预报补偿因子λ的值既能消除颤振及保证滤波的效率,又具有较好的相位补偿和动态响应能力。     

常规风洞气动噪声声源辨识研究新探索

发展了基于经典波束形成算法的修正算法,该算法通过控制分析噪声的相位信息,改变波束聚焦速度,从而达到控制波束宽度的目的,基于经典波束形成算法的修正算法显著提高了低频噪声的和高频噪声的分辨率.文中还提出了机械滤波技术,该技术是设想通过控制传声器的观察角减小风洞背景噪声对传声器测量的影响,从而达到提高风洞相阵列试验信噪比的目的。     

GPS多径信号的自适应滤波估计方法

 研究全球定位系统(GPS)多径信号估计的问题。通过分析自适应滤波器的原理,建立了数字中频信号处理的数学模型,提出一种用自适应滤波实现GPS多径幅度、码相位和载波相位估计的方法。该方法采用不同延迟的伪随机序列对信号进行解扩、解调和累加,得到了作为期望信号的系列自适应滤波相关值。对该方法与其他3种方法进行了理论上的分析比较,得出本方法具有信噪比高、自适应滤波性能好、带有码相位信息和不存在载波模糊度问题等优点。根据各种滤波器算法的特点和本应用的需求,给出了选用递归最小二乘算法实现的方法。通过计算机仿真,验证了提出的方法能够在14 dB的信噪比下,以1个采样间隔的时间延迟分辨率和0.005周的载波相位估计精度估计出GPS L1的多径信号。     

基于数字滤波的低频时码秒脉冲抖动平滑方法研究

低频时码授时信号在接收时,由于环境等因素的影响会导致解调得到的低频时码秒脉冲出现抖动。为减小该抖动现象对低频时码定时精度的影响,基于我国低频时码授时系统(BPC),研究并设计基于数字滤波的秒脉冲抖动平滑方法,通过仿真实验,验证分析了最小均方误差(LMS)自适应滤波算法和卡尔曼滤波算法的有效性和抖动平滑性能。结果表明,低频时码秒脉冲的抖动现象可以通过BPC 1PPS (one pulse per second)和本地1PPS之间的相位差波动情况反映;LMS自适应滤波算法和卡尔曼滤波算法对BPC 1PPS的抖动平滑处理均有明显效果,卡尔曼滤波算法的抖动平滑效果更优,但存在一定的收敛时间,LMS自适应滤波算法的滤波结果响应速度快,但抖动平滑性能受滤波器阶数的影响。所以,在实际应用中,应根据实际需求选择合适的滤波器及相关参数。     

BOC(2n,n)信号同步方法研究

分析了BOC信号的特性,BOC信号同步的难点在于其自相关函数的副峰会引起错误捕获和歧异跟踪。现有算法中只有单边带处理法适用于自相关函数峰值较多的信号,但算法中的滤波器实现复杂。对原算法进行改进,省去了复数滤波器,更便于软件实现。采用二维码相位估计来解决歧异跟踪的问题,但次载波的存在使载波频率跟踪范围减小,对跟踪策略进行改进,使跟踪范围满足需求。仿真结果表明,改进算法可在不损失跟踪精度的条件下,有效解决BOC信号的同步问题。     

调频连续波SAR改进的频率尺度变换算法(英文)

本文提出了一种调频连续波SAR改进的频率尺度变换算法。调频连续波SAR在运动过程中持续不断地发射和接收信号,这种运动导致了回波信号的伸缩,对波前重建产生了严重的影响。推导了回波信号模型,给出了信号的距离-多普勒域表达式,分析了由于天线不断运动而导致的相位变化与方位向频率之间的关系。改进的频率尺度变换算法补偿了这种相位变化,实现了目标的精确成像,仿真结果表明了分析的正确性和算法的有效性。     

结合迁移学习基于全卷积神经网络的ISAR自聚焦算法

逆合成孔径雷达（ISAR）成像目标多为非合作目标，在目标相对运动状态未知情况下的运动补偿是ISAR成像的关键。基于全卷积网络（FCN）具有强大的数据抽象特征挖掘和拟合能力，将FCN用于ISAR自聚焦，提出一种结合迁移学习基于FCN的ISAR自聚焦算法。通过构造大量不同相位误差的仿真数据集并进行训练，使FCN具有相位补偿能力，对不同姿态下仿真以及实测数据进行迁移训练，进一步提升平动相位补偿的能力。实测数据处理结果表明，结合迁移学习基于FCN的自聚焦成像效果优于传统类自聚集算法，验证了所提算法的有效性，相比传统方法更具优越性。     

局域均值分解中PF获取方法的改进

航空发动机故障振动信号为典型的多分量信号,局域均值分解方法可以对其分离。在研究了经典的局域均值分解方法后,发现相邻的两个乘积函数(Production Function,PF)中存在模态混淆现象,表现为较高频PF中包含较低频PF的频率成分。针对这一问题,对PF的定义进行了改进,滤除了混淆在其中的低频信号,使信号分离更加充分。仿真信号的分析表明,改进后的算法分离效果优于原算法。试验信号的分析表明,方法可以用于航空发动机故障特征提取。     

一种基于盲同态解卷积的SAR成像自聚焦算法

针对大气扰动及飞行平台不稳引起机载合成孔径雷达(SAR)图像散焦的问题,提出了一种新的自聚焦算法来估算运动误差。该算法是基于运动误差函数及场景散射函数平滑特性的差异来进行估计的,利用复对数变换将图像的幅度与相位信息分离,进而分别对相位及幅度信息进行处理。运动误差通常为慢变函数,而场景的散射信息具有某种随机特性。因此,经过复对数变换后,运动误差及散射信息可以通过滤波器进行分离,将相位中的随机噪声去除,从而保留了慢变的运动误差函数。为了去除噪声信息,需要建立一个平滑滤波器,利用Daubechies小波的尺度函数构造Riesz基向量,从而建立了正交子空间,通过所建立信号子空间及噪声子空间组建平滑滤波器,最终可以获得准确的运动误差。在实验部分,分别利用仿真数据及实测数据对本文方法进行验证,最终结果分析表明该方法具有很高的估计精度及执行效率。     

基于SUWPT的正弦信号滤波算法

针对航天测控DOR(差分单向测距)信标信号等侧音信号的滤波问题,借鉴扩频系统窄带干扰抑制领域中的SUWPT(频移非抽取小波包变换),提出了一种逆向算法。该算法通过最佳频移将信号移至各子带中间,然后选择能量较大的子带进行分解,通过记录的位置信息选择不同的重构滤波器,从而达到最佳滤波效果;最后将该滤波算法应用于航天测控侧音信号的差分相位提取过程。仿真结果表明,该算法比小波变换滤波、小波包滤波具有更好的滤波性能;滤波后差分相位提取精度相对滤波前提高3~4倍,有利于提高系统的测量精度。     

用于提高辨识效果的颤振试验数据小波去噪

准确估计模态参数在飞机颤振边界的预测中具有重要意义。为了提高频域辨识算法的辨识效果,提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理,处理后的数据运用冗余小波进行小波分解,然后对输入信号在不同尺度下分别进行阈值降噪,对输出信号则采用了一种改进的小波空域相关滤波法去噪。最后通过仿真计算和实际数据证明该方法有效。     

一种数字滤波器组在动态风洞试验中的应用

在动态风洞试验中,由于机械振动、随机扰动等原因,原始试验数据均有较大扰动。为得到其中的有用信息,需利用数字滤波器对其处理。基于MATLAB实现了梳状和频率抽样两种数字滤波器,对其各自特性做了较为深入的研究和比较。最后,利用二者串行组成了滤波器组。该滤波器组已经应用于预研项目中,结果表明,该滤波器组低频和高频特性均能够有效减弱信号中的干扰和噪声,达到预期目标。在不进行降采样率处理的情况下,达到相似的滤波结果,滤波器组的滤波时间仅为频率抽样滤波器的2％左右。     

基于自适应Kalman滤波的导引头随动系统设计

主要研究导引头随动系统中探测器信号处理延迟的影响及其补偿控制算法。提出了一种自适应Kalman滤波延迟补偿方案,利用Kalman滤波的预测能力得到当前时刻视线角的估计值,进而得到此时的跟踪误差的估计值,取代被延迟的探测器输出进行闭环控制。考虑到导引头探测器的低更新频率、非等间隔量测等工程特点,又对上述滤波算法进行了一系列改进。仿真表明方法可以明显提高导引头在弹体扰动情况下的跟踪精度。     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。     

基于自适应扩展卡尔曼滤波的载波跟踪算法

精确的载波相位测量是精密测距中一个很重要的研究点。针对传统扩展卡尔曼滤波(EKF)的固定设计在先验信息不充分和动态变化环境中存在的不足,提出了一种基于自适应扩展卡尔曼滤波(AEKF)的载波跟踪算法。该算法通过实时监测滤波器新息或残差的动态变化,以修正状态噪声方差和观测噪声方差,进而调整滤波器增益,控制状态预测值和观测值在滤波结果中的权重。理论分析和仿真结果表明,本算法充分利用了观测信号的统计特性,克服了传统扩展卡尔曼滤波算法的不足,能够获得更好的载波跟踪性能。     

基于TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.     

基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

微小型飞行器惯性组合姿态确定与航路导航研究

构建了微小型飞行器(MAV)导航、制导与控制(GNC)系统。研究了微惯性导航测量单元零偏的温度建模及非正交误差的多位置标定补偿方法,提出微小型飞行器导航、制导与控制系统闭环条件下,利用导航、制导与控制回路的飞行状态特征信息的微惯性组合导航系统滤波算法,根据微小型飞行器飞行状态实时调整卡尔曼滤波器的观测噪声方差,有效提高了动态过程中姿态测量精度和微小型飞行器的飞行平稳度。完成了组合导航系统滤波算法验证飞行试验及自主姿态稳定和航路飞行试验。飞行试验表明:微小型飞行器实现了自主姿态稳定与长距离超视距航路点导航飞行,航路点导航误差小于30 m,惯性组合姿态确定与航路导航系统及算法满足微小型飞行器自主飞行对导航系统的需求。