微小型GNSS-R测高仪测高精度评估及地面验证

GNSS-R是基于双基雷达散射机理的无源微波遥感技术,可同时接收多个镜面反射点的反射信号,实现海面高度、有效波高、海面风场、海冰等海态参数的宽刈幅探测。针对微纳卫星观测计划,研制国内首个星载微小型GNSS-R测高仪,开展外场实验,处理实验数据,采用基于本地码相关的Clean replica算法、干涉式互相关的Interferometric算法,根据曲线平滑算法对相延多普勒测图(DDM)曲线进行拟合,进而通过最大倒数点法(DER)、峰值半功率法(HALF)等镜点跟踪算法得到测高误差,对实验结果的预期和实测值进行分析,并提出改进方法。     

一种机械式机动相控阵雷达目标跟踪算法研究

针对伺服延迟造成目标丢失的问题,为了提高相控阵雷达的跟踪能力,提出一种机械式机动相控阵雷达的目标跟踪算法,并且给出了方法的处理流程和算法仿真。仿真结果表明,提出的目标跟踪算法具有较高的跟踪精度和较快的收敛速度,能够满足机动相控阵跟踪的实时性要求。     

拐点平滑滤波技术研究

提出了滤波算法的一种新的有效点判断原则,即拐点平滑法;介绍了该技术的数学模型及滤波原理;通过仿真计算,探讨了应用该判据时滤波半径、拟合阶次等滤波参数对位置参数滤波结果的影响情况,并进行了实测数据解算。该判据在中心平滑算法的最佳应用条件下,综合考虑了截断误差,提高了飞行器位置参数的滤波精度,尤其适用于加速度剧烈变化的飞行轨迹。     

高精度惯性导航系统动态基准设计方法研究

为了有效评估高精度惯性导航系统的动态精度,获取更高精度的动态基准导航参数是关键.提出了一种针对高精度惯性导航系统的动态基准设计方法,对固定区间平滑滤波的算法原理进行了研究,并在不改变外测信息采样周期的前提下,对算法进行了改进,以提高固定区间平滑滤波对导航系统误差估计的平滑度.经仿真数据和实测数据验证,改进后的固定区间平滑滤波算法能有效提高惯性导航系统导航精度,平滑后的导航参数可作为评价高精度惯性导航系统动态精度的基准.     

汉语语音识别的平滑声韵基元HMM算法

汉语语音识别的基本单元一般为音素、音节以及声韵母.以声韵母为基元的识别系统由于HMM模型较少,计算量小,适合于实时实现.但是由于模型比较孤立,对语音信号的声学特性描述得不够精确,因而识别率一般比音节基元的系统低.而以音节、音素(tri-phone、di-phone)为基元的系统则有HMM模型数量多、训练和识别过程中计算量大的缺点,影响到系统的实时性.本文提出了一种折衷的方案,系统基元仍选择声韵母,而在HMM训练阶段,对整个音节序列的参数进行运算,使声韵过渡段的状态得到平滑,同时计算并保存每个音节声韵之间的转移概率,识别时动态组装为完整的音节HMM.该方法在保持少量HMM个数的同时,能够降低误试率,适合于以DSP为核心的实时连接词语音识别系统.      

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

欠驱动刚性航天器可行轨迹生成算法研究

研究了仅有两个独立控制力矩的轴对称欠驱动刚性航天器的可行轨迹生成问题。首先,由系统模型推导出轴对称欠驱动航天器可行轨迹必须满足的状态约束条件;其次,基于轴对称欠驱动航天器的微分平滑特性,提出了一种可行轨迹生成算法。该算法针对欧拉角姿态描述的系统模型,不仅能够有效地简化系统平滑变换中的奇异点避让问题,而且即使是在大角度机动的情况下,仍然能够保证轴对称欠驱动航天器的姿态角速度和相应的控制输入力矩始终保持在合理的范围内。仿真结果表明,该算法计算量小、计算速度快,这使得欠驱动航天器后续的轨迹规划和轨迹跟踪等算法的在线实际应用成为可能。     

多项式平滑长度的选取

在对数据进行多项式平滑过程中，阶数的选择名是通过实际的物理过程加以选取，或是通过数理统计学的回归分析，假设检验理论等加以选取。而对于一次平滑所用数据的个数如何进行选取，较少有人讨论，而读者将会看到平滑长度有着较为重要的统计意义，本文即４探讨平滑长度的统计意义，并给出它的选取原则。     

GPS相位平滑伪距技术在广域差分定位中的应用

分析了在广域差分GPS定位技术中使用分段平滑滤波器进行载波相位平滑伪距来提高定位精度的实现方法,并针对在平滑技术中出现的周跳问题提出一种使用小波进行探测周跳的方法,用实际的工程算例验证了该方法的可行性和有效性。     

自适应时间平滑的演化谱聚类

传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习。演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑。本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura-Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上的相似度矩阵。本文进一步提出了两种自适应时间平滑的演化谱聚类算法,从不同的角度定义时间代价,得到不同的演化聚类结果。在真实数据集上的实验表明这两种算法能够有效地利用历史数据,在聚类结果上准确性更高,时间平滑性也更好。