USME:统一SLAM度量与评测技术研究

同时定位与建图(SLAM)技术近年来得到迅速发展,但由于缺乏在统一框架下对算法的度量和比较,对SLAM的客观评估和应用造成障碍.提出了统一SLAM度量与评测(USME)框架,从指标体系、数据集及评测方法三个维度为各种SLAM方法的性能度量及比较研究提供基准.针对不同场景,建立了包括长时间运行漂移量,闭环检测能力,存在相...     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

基于CRBMs-RVR的涡轴发动机输出功率衰退预测

针对涡轴发动机全寿命期内输出功率衰退预测问题，提出一种含多层连续受限玻尔兹曼机（CRBMs）深度特征提取的相 关向量回归（RVR）功率预测方法。对发动机气路部件测量数据进行重构，利用CRBMs深度网络提取数据深层特征，将特征数据作为RVR模型的输入，实现对输出功率的预测，并对预测结果提供概率分布。以某型双转子涡轴发动机部件级模型为试验对象，模拟全寿命期内发动机气路部件性能退化，对输出功率进行衰退预测。试验结果表明：基于CRBMs-RVR的预测模型与传统RVR预测模型相比，训练时间缩短30.2%，预测结果的均方根误差减小64.6%；与基于主成分分析（PCA）进行特征提取的PCARVR预测模型相比，预测结果均方根误差减小42.4%，验证了所提出的预测方法具有模型结构简单、预测精度高、可提供概率式输出的优点。     

基于卡尔曼滤波的时分星间信号跟踪技术研究

在星间链路领域的测量过程中，时分双工体制星间测量逐渐成为新兴技术，而时分信号的跟踪精度决定了接收机测量误差。传统的接收机载波跟踪环路可以保证对连续信号的稳定跟踪，但受相位抖动的影响较大，且对于时分双工体制间断信号，会出现开环阶段跟踪结果发散的问题。针对以上问题，提出了一种基于自适应卡尔曼滤波的时分信号跟踪技术，采用卡尔曼滤波器对鉴相结果进行处理，在开环阶段根据前一时刻的最终状态对频率进行稳定外推。相比于传统跟踪环路，该技术的载波相位跟踪误差绝对值均值降低了92.9%，标准差降低了93.5%。实验结果表明，该技术不仅实现了开环阶段载波相位的稳定跟踪，且有效抑制了闭环阶段相位抖动的影响，对实现时分双工体制星间精密测量具有重要应用意义。