基于最优样条节点的导弹主动段弹道估计方法

拟合导弹主动段弹道并估计其弹道参数是天基红外系统(SBIRS)的重要任务之一。首先采用三次样条函数对导弹主动段弹道进行描述,并建立主动段弹道的运动模型和测量模型;其次采用最大似然估计方法将导弹弹道估计问题转化为非线性最小二乘准则下的样条系数和样条节点分布最优估计问题;最后利用投影定理将样条系数估计和样条节点分布估计分离开来,并通过迭代逼近给出了最优样条节点数的确定方法。仿真实验结果表明,所提方法不仅对主动段弹道的拟合精度高,而且还减少了待估参数的数目,简化了求解过程,可在无先验信息条件下较好地解决导弹主动段弹道的估计问题。     

弹道跟踪数据融合处理的快速算法

针对弹道跟踪数据融合处理中的大计算量环节研究了快速算法。用样条函数表示弹道参数,建立了多测元的联合观测模型和弹道参数的非线性融合计算模型,给出了弹道参数的求解算法,分析了弹道参数融合计算中的大型矩阵运算问题,利用基础线性代数函数库提高了大型矩阵的运算速度。建立了样条模型计算的非线性约束优化模型,给出了确定样条节点位置的优化算法,通过分析样条模型的计算原理设计了并行算法,实现了样条模型的并行化计算。仿真结果表明,弹道参数融合计算和样条模型计算的效率都得到了显著提高,计算时间减少了65.47%,对缩短数据处理周期有重要意义。     

基于弹道动力特性考虑的不完全测量数据处理方法

针对试验任务中数据丢失的情况,讨论了如何结合遥测信息,充分考虑弹道动力特性提供样条节点,最终获得目标高精度的位置和速度参数估计的问题。首先,介绍了样条节点的概念及其反映的物理背景;然后,结合遥测数据处理的相应理论,提出了遥测弹道具有充分反映动力特性、保形的特点;最后,结合最优节点搜索方法和节省参数建模理论,运用样条约束的联合处理手段,采用改进Gauss-Newton法求解非线性方程,给出了相应的实测数据处理算例。结果表明,基于靶场现有高精度测量设备的跟踪数据,充分考虑弹道的动力特性,在某些数据丢失的情况下,仍然可以提供高精度弹道参数。相对于传统的融合低精度测元进行数据补偿的方法,文中所介绍方法对提高全程弹道精度具有重要意义。     

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。     

一种新的三孔探针试验数据处理方法

以三孔探针数据处理常用方法为基础,提出了一种新的三孔探针数据处理方法——相交曲线法。该方法利用三孔压力得到角度系数和速度系数,两个系数分别对应标定平面上的两条相交曲线,再通过简单迭代寻找在标定平面产生的唯一交点,该交点坐标即为对应的马赫数和角度。利用相交曲线法、样条插值法和最小二乘法,对同一状态同一支探针所测数据进行处理。结果表明,与样条插值法和最小二乘法相比,相交曲线法的数据处理精度相当,但效率提高了一倍以上,具有较高的实用价值。     

航天测量船外测数据误差分离与特性分析

航天测量船在航天测控中占有非常重要的地位,为提高航天测量船外测数据的处理精度,结合样条函数和小波方法,提出了航天测量船外测数据误差分离方法。该方法在提高处理精度的同时,成功地分离出随机误差和修正残差,显著地改进了现有的船载外测数据修正结果。并进一步对修正残差和随机误差进行了特性分析与建模。实例表明这是一种有效的方法。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。     

外弹道容错样条微分技术研究及应用

外测系统中传统的正交多项式微分方法和自然样条微分方法容错能力弱,无法避免截断误差、消除异常数据的影响,并且求得的微分结果对随机误差敏感。为了解决这些问题,提出容错样条微分技术,融合了自然样条微分算法与正交多项式中心平滑的优点,不仅增强了算法的容错性能、降低了结果对随机误差的敏感性,并且减小了截断误差。通过仿真试验,验证了该算法的实用性和有效性,为试验任务提供了高精度的弹道参数结果。     

航天测量船外测数据的复杂误差特性

使用三次样条最小二乘拟合残差法研究了航天测量船外测数据误差的统计特性,分析了其误差的相关特性,建立了时序模型。研究结果表明,航天测量船外测数据误差具有强自相关性、非正态性、时变方差性和分段平稳性,其特性可以用高阶AR模型描述。     

应用AR模型统计连续波雷达测量数据的随机噪声

高精度测量数据的随机噪声特性的精确统计,是为评定导弹性能和精度提供高精度弹道参数的重要环节之一,本文介绍应用时间序列分析新理论AR(P)自回归模型来精确统计连续波测量雷达随机误差噪声特性,无论从适应性、真实性和统计效果上来说,比变量差分法和最小二乘拟合残差法具有明显的优越性。     

用自助法估计外弹道测量数据随机误差分布特性

针对外弹道测量数据的有限性使随机误差的分布估计不够准确的问题,提出了基于Bootstrap（自助）方法的外弹道测量数据随机误差分布特性估计。首先对测量数据采用样条分频技术得到随机误差的初步估计,然后采用三次多项式拟合修正样本经验分布函数,替换传统Bootstrap方法中经验分布函数,得到随机误差的Bootstrap样本,计算Bootstrap样本的统计量,从而得到精度较高的外弹道测量数据随机误差模型。从仿真数据验证结果来看,解决了传统Bootstrap方法仿真随机样本相对比较集中的问题。     

船载外测设备动态测量数据的误差分离

为了全面分析研究测量船外测数据误差特性,须对测量数据中的误差进行分离,为此需找到合适的误差分离方法。通过对航天测量船船载测量设备工程背景复杂、数据产生过程复杂、误差源多等特点进行深入的分析,为船载设备测量数据建立回归分析模型,采用三次等距B样条函数作为测量数据误差分离的工具,用等距的标准B样条拟合测量系统的真实信号、系统误差,进而分离出随机误差。对大量原始测量数据误差的统计特性进行检验分析,得出了船载设备外测数据不同于陆基测量的一些误差特性——非独立性、子段非正态性、需用高阶AR模型描述。研究结果表明:使用标准等距B样条函数作为误差分离工具对于船载测量设备外测数据是适合的,样条拟合后的残差结果符合高阶AR模型。     

基于最小一乘的跑道入口高度计算

跑道入口高度是关系着飞机能否安全着陆的关键参数,在其计算中需要采用曲线拟合预测的方法。目前大多是采用基于最小二乘准则的拟合方式。由于最小二乘准则的局限性,当下滑道随机误差不满足正态分布,在飞行数据中出现异常点时会给预测带来较大误差。将最小一乘方法引入到跑道入口高度计算问题中,提高了算法的稳健性,很好地克服了这一问题。     

样条节点优化方法及其在弹道表示中的应用

精确的主动段弹道表示模型是高精度弹道参数估计算法的关键。针对等距节点样条模型表示主动段弹道截断误差过大问题,引入一种基于残差的自适应样条节点优化方法,用自由节点样条表示主动段弹道,并根据假设检验理论给出算法中的阈值确定方法。仿真结果表明,经该方法进行节点优化后的样条模型,不但能有效控制模型误差,当检验水平较高时,还能初步识别导弹主动段特征点。     

应用AR模型统计连续波雷达测量数据的随机噪声

高精度测量数据的随机噪声特性的精确统计，是为评定导弹性能和精度提供高精度弹道参数的重要环节之一。本文介绍应用时间序列分析新理论ＡＲ（Ｐ）自回归模型来精确统计连续波测量雷达随机误差噪声特性，无论从适应性、真实性和统计效果上来说，比变量差分法和最小二乘拟合残差法具有明显的优越性。     

振荡函数的移动最小二乘逼近方法

移动最小二乘法在求解偏微分方程数值解中得到广泛使用,但是用等距节点逼近振荡函数时逼近精度不高,针对这一问题,用适应函数变化的非均匀节点离散求解区域,与之相适应,移动最小二乘法中权函数的支撑域半径也随节点密度变化,这里用基于领域搜索算法确定支撑域半径。数值算例表明,在移动最小二乘法中,用适应节点变化的节点集及基于领域的搜索算法确定支撑域半径能够有效减小逼近误差。     

一种红外多传感器对中段弹道空间邻近目标的联合超分辨弹道估计方法

 分析红外焦平面(IR FRA)对中段弹道空间邻近目标(CSO)的成像特点,指出星载红外传感器为实现对空间邻近目标的跟踪必须对其进行超分辨。提出了一种中段弹道空间邻近目标联合超分辨与弹道估计新方法。该方法结合红外焦平面成像模型和中段弹道动力学模型,使得能够同时利用红外多传感器的多帧信息,基于最小二乘准则建立联合超分辨弹道估计目标函数,并分析选择各目标的起始状态参数作为模型参数。针对目标函数的高维非线性特点,推导最小化意义下等价的降维目标函数,采用量子粒子群优化算法最优化该降维目标函数直接求解模型参数,进而计算出各目标的弹道和辐射强度,实现中段弹道空间邻近目标的联合超分辨与弹道估计。仿真结果验证了该方法的有效性,且相比于传统的先单传感器单帧超分辨、然后多传感器多帧测角数据关联与滤波方法,新方法在避免数据关联复杂问题的同时,其弹道估计精度更高、分辨能力更强。     

外测系统共同校准方法初探

一、前言在外测数据的处理中,常涉及到两类误差,即随机误差和系统误差。对于随机误差,通常采用数据平滑的方法减弱其影响;而对系统误差,有时不作修正,仅估计其对测量结果的影响。当然,系统误差较小或测量精度要求较低时,是可以这样做的。但当要求提高精度时,这样处理就有问题了。而且仅靠提高硬设备的精度或靠增加设备数量来提高外测精度往往会有困难,也是不经济的。这就促使我们采用“软设备”去解决系统误差问题,即在不增加设备的情况下综合利用现有设备(如二种以上的设备),合理应用统计数学方法,尽可能减小随机误差的影响,分离系统误差,并予以修正,以提高外测系统的精度,获得高精度的弹道参数。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。