神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

GPS/DR组合系统建模与实现

针对 GPS 在城市单独使用时精度无法得到保障以及 DR 工作的自主性,建立了 GPS/DR组合系统的状态方程与量测方程,并建立组合系统的卡尔曼自适应滤波模型,最后通过跑车试验验证了上述方案的可行性。     

SAR降斑中一种改进的结构检测算法

本文对Lopes等人提出的利用变化系数和比值算子的结构检测算法进行了详细分析，指出在滤波窗口中存在多个结构特征或者线结构的宽度大于一个象素的情况下，原算法可能产生窗口结构检测的错误。文中针对这两个问题进行了相应的改进，提出了一种改进的结构检测算法。通过将改进后的算法应用于实际的SAR（合成孔径雷达）图像数据，验证了对原算法改进的有效性。     

全光纤陀螺信号处理技术研究

采用数字、模拟混合信号处理方法，模拟信号处理主要针对光源驱动、相位调制器(PZT)的控制、相位跟踪、探测器信号的滤波和解调进行，数字信号处理器(DsP)根据模拟解调信号进行Sagnac相移计算、相敏参考信号自动选择，以及大小量程分档控制。此方法可有效发挥模拟、数字信号处理的优点，提高光纤陀螺的总体性能。     

无陀螺卫星姿态的二阶插值非线性滤波估计

采用四元数作为姿态描述参数，提出了一种确定无陀螺卫星姿态的新方法，即二阶插值非线性姿态估计算法，它能够利用星敏感器提供的矢量观测信息准确地估计三轴稳定卫星的姿态。这种姿态估计算法的实现非常简单，其运算量与传统的扩展卡尔曼滤波姿态估计算法相当，但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致。而且，在二阶插值非线性姿态估计算法中，不会遇到由四元数正交约束所造成的协方差阵奇异性问题。     

基于线性均方估计的数据融合理论

提出数据的统一线性融合模型，使测量数据、先验信息和预测信息均用数据的统一融合模型进行描述；提出数据的信息量的概念，指出信息量越大的数据，精度越高；提出和证明了基于统一线性融合模型的数据最优融合定理和信息量分解定理；揭示数据线性融合的本质规律。基于数据融合理论，研究多传感器系统联合Kalman滤波，指出信息量分享系数取值的不同只能够影响对应子系统状态的估计精度，不能够改变全局估计精度，得出与文献[11～15]相反的结论。     

基于α—β滤波器的相位差滤波环设计

相位差变化率方法是一种比较有发展前途的单站无源定位方法.基于α-β滤波器原理设计的相位差滤波环路,力图解决该定位法走向实用面临的两个重要问题--解模糊后的相位差数据的平滑和对应变化率数据的获取.仿真结果表明,文中所设计的滤波环路其输出的相位差及对应变化率数据的精度比较高,与理论分析结果相符,能够达到指定的精度要求.     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

一种基于多模型算法的纯弹道式弹道落点预报方法

本文以落点预报技术在弹道目标预警中的应用为背景,主要解决在未知弹道系数情况下如     

时变噪声系统的自适应强跟踪滤波器研究

在目标跟踪过程中,强跟踪滤波可以对目标的突变状态进行较好的跟踪,但由于系统噪声和观测噪声协方差阵是时变的未知量,采用固定数值将会影响目标跟踪的精度,所以需要对两种噪声特征进行在线估计.应用噪声有限记忆自适应算法改进强跟踪滤波,在线自适应估计噪声协方差阵,并提出基于时变噪声系统自适应强跟踪滤波的目标预测算法,提高了对目标状态的估计精度.利用自主研发的全自主足球机器人进行目标跟踪的仿真,结果验证了该算法的有效性.