基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

基于RSA的数字签名体制研究

数字签名是保障网络信息安全的手段之一,可以解决伪造、抵赖、冒充和篡改问题。本文详述了RSA算法的基本原理和数字签名体制的构成,实现了基于RSA的数字签名系统,该系统包括RSA密钥的生成、数字签名的生成和数字签名的验证。为了加快数字签名的速度,发送方先用哈希算法对要签名的文件计算出一个固定长度的消息摘要,然后用RSA算法对消息摘要进行加密生成数字签名,将文件和数字签名一起发给接收方,接收方利用发送方的公钥对数字签名进行解密生成消息摘要1,然后用同样的哈希算法对接收的文件生成消息摘要2,比较这两个消息摘要,如果相同,说明文件没有被篡改。与其他数字签名体制相比,基于RSA的数字签名具有较高的安全性和可靠性。     

空间载荷机柜热控设计的仿真研究

空间站主动热控系统的作用是提供和保持航天员、仪器设备和结构部件所要求的温度、湿度和风速等热环境。本文以空间载荷机柜为热控系统的基本单元,建立了以单相流体循环回路为基础、采用液冷结合风冷的冷却方式的载荷机柜数学模型;介绍了模糊增量控制算法的工作原理;提出了采用模糊增量控制算法,以液冷支路进出口温差和风冷支路冷却量占总冷却量的比值为控制目标的反馈控制策略。同时文章采用数值模拟方法研究了控制系统的动态响应效果。仿真结果显示,模糊增量控制算法具有响应迅速、超调量小、无静态误差的特点,控制策略满足有效性、稳定性和高精确度的要求。     

基于LMI的具有一类不确定性数据的参数估计

 对于系数矩阵 A和观测向量b 存在不确定性的情况,本文提出了一种基于线性矩阵不等式(LMI)的参数估计方法,这种方法适用于不确定性的先验界已知的情况.由此而得到的算法计算更为简单,实用并具有一般性.文中给出了计算公式的推导、解的分析,并针对几种特殊的情况进行了讨论.最后给出了仿真结果.     

基于RBF神经网络的结构光三维视觉检测方法

研究了基于RBF(Redial Basis Function)神经网络的结构光三维视觉检测方法.该方法利用RBF网络良好的非线性映射能力以及学习、泛化能力,通过所获取的高精度的样本数据来训练RBF网络,最终建立起了用于结构光三维视觉检测的RBF网络模型.与常规方法相比,该方法不需要考虑视觉模型误差、光学调整误差等因素对视觉检测系统测量精度的影响,因而能够有效的克服常规建模方法的不足,保证了检测系统具有较高的精度.     

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

基于容积卡尔曼滤波的卫星姿态估计

为了获得更好的估计精度和滤波稳定性,提出了一种基于容积卡尔曼滤波（Cubature Kalman Filter, CKF）的容积四元数估计器（Cubature Quaternion Estimator,CQE）估计卫星姿态。新方法利用四元数进行姿态更新,同时采用广义罗德里格参数表示误差角,有效地避免了滤波过程中的奇异。为克服多传感器融合时运算效率低的问题,通过容积四元数估计器与信息滤波相结合,提出了一种容积信息四元数估计器（Cubature Information Quaternion Estimator,CIQE）。仿真表明角度和陀螺漂移初始估计误差较大时,新方法仍能取得良好的估计性能。     

基于多模特征融合的雷达干扰信号识别

传统制导雷达面临的新型有源干扰样式越来越复杂,雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效,通用性较差、泛化能力较弱,无法应对复杂多变的干扰对抗环境。因此,必须提出智能化更高、稳健性更强的普适干扰识别方法,提升制导武器抗干扰能力。为了提高干扰信号识别的准确率,研究了多模特征融合算法,并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中,通过仿真实验表明,能够有效对常见干扰进行有效识别,在较低干噪比下也有较好的识别准确率。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。