一种组合的8PSK差分前向频率估计

考察2种差分前向估计器(DFE)在8PSK系统载波恢复中的性能:基于8 th Power算法的DFE将噪声放大了18dB,恶化了估计性能,但该算法稳健性好;基于模π/4算法的DFE在复高斯噪声的情况下求模运算引入了错误相位点,若能纠正这些错误相位点,则该算法估计精度高。综合2种算法的优点,提出一种组合式的频率估计方案。仿真结果表明,该方案有效纠正了模π/4算法求模运算引入的错误相位点,估计精度高,估计结果稳定可靠。     

基于ST-EKF与滤波增益约束的加速度计微g级标定

提高加速度计组件的标定精度是实现高精度导航、高精度测姿的重要途径.针对加速度计组件通过线性误差模型标定后难以达到微g级精度的情况,建立了包含二次项误差和振摆误差在内的加速度计组件误差模型,并提出了一种基于状态变换Kalman滤波与滤波增益约束的系统级标定算法.该算法借鉴Schmidt-Kalman滤波器与可观测性约束Kalman滤波器原理,可减小滤波状态协方差矩阵计算误差和滤波增益计算误差,从而提高弱可观误差状态的估计精度.与传统系统级标定算法的对比实验表明,所提出的新算法能够更加精确估计出包含二次项误差与振摆误差在内的加速计组件的各项误差,新算法使在大水平姿态倾角下的重力模值测量残差的均方差从线性误差模型的24.12μg、线性/二次项误差模型的13.38μg减少到6.71μg.4500s大水平姿态变化下的纯惯导实验结果表明:与仅用线性误差模型的系统级标定结果相比,系统级标定新算法使惯导系统的东向、北向导航最大位置误差分别从192.40m、96.72m减小到74.64m、65.44m.所提出的系统级标定新算法具备更好的标定精度,从而使得导航精度得到提高.     

多维动态参数的多层Bayes融合估计

在多维动态参数的分层模型下，运用多层Bayes估计方法和离散线性模型状态估计方法，给出了动态参数的Bayes融合估计，并以飞行器试验分析的一些例子，说明方法的运用。     

线性模型参数估计的容许性及其在定轨中的应用

本文从统计决策角度重新认识估计问题,并由此引出容许估计的定义。对于线性模型(Y,Xβ,σ~2I),证明了在MSE准则下,可估函数Cβ的最佳线性无偏估计(BLUE)是线性估计类中的容许估计。因此,线性估计类中优于BLUE的估计不存在,或者说,优于BLUE的估计只能从非线性估计类中去寻找。目前,线性模型参数估计方法的改进;主要是基于最小二乘方(LS)的压缩估计,如James-Stein估计、岭估计、主成份估计等,本文将其统一到如下广义压缩LS估计b_(GS)(A)模式中: b_(GS)(A)=PAP’b_(LS) 其中,A=diag(a_1,…,a_P),0≤a_1≤1,i=1,…,p;P为单位正交矩阵使 P’X’XP=diag(λ_1,…,λ_P)=Λ且λ_1≥λ_2≥…≥p>0 本文还从理论上证明了对适当的对角阵A,广义压缩LS估计b_(GS)(A)具有优干LS估计的性能(MSE准则下),并导出最佳A的表达式(最佳的A与未知参数β有关)。作为实例,本文将Jame-Stein(JS)估计用于飞行试验轨道的估计,引入“累积平方误差”后,将JS估计与LS估计作了比较,表明JS估计优于LS估计。     

基于平衡流形展开模型的航空发动机健康参数估计

为提高航空发动机健康参数实时估计的精度,结合非线性卡尔曼滤波器从底层模型方面进行改进。以航空发动机部件 级模型为基础,提取运行数据,采用线性拟合法求解系数矩阵,建立传统状态空间模型;采用BP神经网络拟合调度参数,建立设计 点处包含健康因子的平衡流形展开（EME）模型。基于EME模型分别采用扩展卡尔曼滤波器和无迹卡尔曼滤波器进行多种参数 退化模式下的数值仿真估计。仿真结果表明：得益于EME模型对非线性系统的良好近似性,各参数退化模式下的估计结果准确, 稳态误差不超过3%;与采用部件级模型作为底层模型的方案相比,该方案的估计速度提升了1个量级。验证了基于航空发动机 EME模型结合非线性卡尔曼滤波器进行健康参数估计方法的实际可行性。     

利用飞行试验数据对发动机参数估计的研究

本文研究利用不同飞行状态下测量的发动机变量估计涡轮进口温度和压气机出口压力。参数估计法采用多元线性回归分析法。根据变量选择的综合最优原则 ,从 6个测量变量中选择了回归方程的自变量 ,建立仅包含 3个发动机测量变量的回归模型 ,参数估计结果证明模型的估计精度是满意的。本文还介绍了利用专用设备在线录取发动机变量的数据处理方法。     

航空发动机气路故障诊断的平方根UKF方法研究

设计了适用于双轴涡扇发动机健康参数估计的平方根UKF滤波算法,解决了线性卡尔曼滤波器估计结果准确性依赖于线性模型精度;常规UKF算法中由于计算误差及噪声信号影响引起误差协方差矩阵负定而导致滤波结果发散等问题.提出了根据测量残差变化改进滤波收敛速度与稳定性的方法.发动机渐变与突变故障模式下仿真结果表明,平方根UKF估计算法收敛速度快,稳定性强,精度高,是一种有效的发动机气路部件健康参数估计与故障诊断方法.      

航空发动机健康参数的卡尔曼滤波估计方法分析

针对航空发动机气路部件健康参数估计问题,研究了基于线性和非线性模型的卡尔曼滤波估计方法.通过对气路部件渐变故障的仿真,比较了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无味卡尔曼滤波(UKF)三种方法对健康参数的估计效果,对EKF在常增益条件下的仿真用时与估计结果进行了研究.结果表明,EKF可根据需要求取卡尔曼增益,能在较少计算量下得到较好的估计结果,是一种实用的非线性参数估计方法.     

基于Gompertz模型的液体火箭发动机可靠性增长分析

运用Gompertz模型和线性回归方法对液体火箭发动机批次试验中的可靠性增长因子进行分析,对新产品的可靠性分布函数进行预测。结合产品的少量现场试验数据,利用Bayes方法对系统的可靠性增长试验结果进行分析。文中首先给出了可靠性增长因子分析的模型,然后运用历次阶段试验中的可靠性增长数据建立动态参数的递推估计模型,在此基础上,运用随机变量函数的分布,给出各阶段可靠性增长试验中可靠性参数的Bayes估计。最后给出实例进行说明。      

一种针对恒模信号的运动单站直接定位算法

相比于常规的"测向+位置估计"两步定位模式,以Weiss等提出的目标直接位置确定(DPD)算法具有估计精度高、分辨能力强和无需数据关联等诸多优点。基于该类定位算法的基本理念,提出了一种利用单个运动天线阵列对恒模(即相位调制)信号的DPD算法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立了相应的直接定位优化模型;接着,根据优化函数的代数特征提出了一种有效的多参量交替迭代算法,用以获得ML估计器的最优数值解;此外,推导了针对恒模信源的位置直接估计方差的克拉美罗界(CRB),从而为新算法的定位精度提供定量的理论下界。仿真实验表明:相比于已有的基于单个运动天线阵列的直接定位算法以及传统的两步定位算法,通过利用恒模信号的恒包络特征可以明显提高目标直接定位的估计精度。     

线性模型参数的压缩估计及其优良性

本文论述线性模型中设计矩阵具有复共线性时的参数估计问题。文中运用了广义压缩估计方法,给出了压缩参数的近似确定法。还讨论了压缩估计的优良性。所提供的方法改进了估值的性能。     

线性模型参数估值分布与有偏估计

本文讨论线性回归模型参数估计的有关分布,然后利用有关分布函数的非中心参数与有偏估计偏参数的关系,确定有偏估计的偏参数(包括广义岭回归、Stein压缩估计、主成分估计)。该方法数学意义明确,不仅在理论上可确定有偏估计的偏参数,而且还给出了在实际应用中确定偏参数的准则。     

利用GPS进行姿态估计的一种算法

首先建立了全球定位系统（ＧＰＳ）姿态确定的观测方程;然后给出了利用ＧＰＳ进行飞行器姿态估计的模型,并对该模型进行了线性处理;最后利用攻推广卡尔曼滤波技术,针对某飞行器进行了仿真计算。计算结果表明,对于不同的测量噪声和系统噪声,滤波器都有较好的估计,姿态估计的精度明显高于单纯ＧＰＳ姿态确定的精度,可以满足大多数飞行器对姿态确定的要求,证实了模型和算法可用性。     

混合线性/非线性模型的准高斯Rao-Blackwellized粒子滤波法

 针对混合线性/非线性模型,提出一种新的递推估计滤波算法,称为准高斯Rao-Blackwellized粒子滤波器（Q-GRBPF）。算法采用Rao-Blackwellized思想,将线性状态与非线性状态进行分离,对非线性状态运用准高斯粒子滤波（Q-GPF）算法进行估计,并将其后验分布近似为单个高斯分布,再利用非线性状态的估计值对线性状态进行卡尔曼滤波（KF）估计。将Q-GRBPF应用于目标跟踪的仿真结果表明,与Rao-Blackwellized粒子滤波器（RBPF）相比,Q-GRBPF在保证估计精度的前提下有效降低了计算复杂度,计算时间约为RBPF的58%;与Q-GPF相比,x坐标与y坐标的估计精度分别提升了45％和30％,而计算时间也节省了约30％。     

基于改进ICPF的多分量LFM信号参数估计

针对线性调频信号参数估计中搜索匹配过程带来的计算量问题,提出一种基于改进ICPF的多分量线性调频信号参数估计方法。给出了一种基于非均匀快速傅立叶变换的ICPF改进算法,利用改进的ICPF算法估计线性调频信号的调频率,利用解线频调方法估计中心频率和幅度。方法避免了参数估计过程中的搜索匹配过程,计算复杂度低,在低信噪比条件下具有较好的估计性能。仿真结果验证了方法的有效性。     

线性回归模型的紧致最小二乘估计及参数分离

本文提出一种能克服线性回归模型系数矩阵病态的“紧致最小二乘法”。在此基础上,进一步用部分验前知识对该有偏估计作了参数分离,从而得到全部待估参数的无偏估计。对无线电干涉仪的系统误差作仿真计算表明:效果良好,优于主成分估计。     

一种导弹攻击时间协同导引律

研究了具有攻击时间约束的多枚导弹协同导引律。首先,根据各枚导弹的估计到达时间来指定攻击时间,并由指定攻击时间设计期望的弹目距离,使攻击时间控制问题转化为弹目距离跟踪问题;然后,引入导弹导引非线性模型,采用反馈线性化的方法将其转化为线性模型;最后,利用线性极点配置的方法设计出稳定的控制律。仿真结果证明,所有导弹都能非常精确地按照指定攻击时间到达目标。     

主成份估计中特征根筛选的统计检验方法

线性回归模型的主成份估计具有模型紧致和减弱病态的作用,并能改善参数估计效果,所以适用于外测系统的系统误差自校准。主成份估计使用中的一个重要问题是特征根如何筛选,本文利用特征根与残差平方和的确定关系式,并应用统计检验方法来选取特征根,使参数估计达到较优的效果。     

一种线性辨识系统动态模型的自寻优算法

基于静态特性已知的线性时变系统,通过对其动态响应数据的分析,建立了随时间跳变的动态参数模型,提出了一种新的线性自寻优辨识算法。该算法在静态特性约束条件下,可估计模型的跳变时刻及结构参数。经对某航空发动机电子综合调节器燃油通道动态过程参数模型辨识的实例,验证了该算法精确快速。      

干涉型光纤陀螺温度漂移建模与实时补偿

 分析了干涉型光纤陀螺(IFOG)温度漂移的影响因素,通过建立温度与陀螺模型参数之间的线性相关关系,推导出了光纤陀螺温度漂移的分布模型。为了提高陀螺温度漂移模型的适应性,设计了0.25,0.75,1.00 ℃/min三种变温速率的温度试验,并利用小波变换的方法分离数据中的噪声和趋势项。基于温度漂移的分布模型和最小二乘误差（LSE）准则,建立了多参量联合线性模型来估计陀螺温度漂移。采用升温过程和降温过程分段建模的方法将多参量联合线性模型算法进行了简化,并在现场可编程逻辑阵列（FPGA）中分时复用一个全串行有限冲激响应（FIR）滤波器实现了陀螺温度漂移的实时估计。仿真的温度补偿结果及实时的温度补偿结果显示,该方法可以使陀螺温度漂移减小到1/10~2/10。