粒子滤波及其在航天器交会对接相对导航中的应用

在全面分析粒子滤波原理的基础上,提出一种改进高斯粒子滤波方法.该方法利用确定性采样滤波算法进行时间更新,替代高斯粒子滤波算法中的随机采样过程;另外,针对厚尾噪声情况,利用鲁棒统计方法对确定性采样滤波方法进行鲁棒性改进,并将其应用于所提出的改进高斯粒子滤波.将粒子滤波算法应用于交会对接相对导航问题,仿真结果表明,在多种测量噪声情况下,改进高斯粒子滤波较其他粒子滤波,能够在不过多损失估计精度的同时有效降低计算量.文中的研究成果为将粒子滤波应用于航天器导航问题提供了理论参考.     

基于OWRR-PF的机载图像中导弹跟踪方法

针对利用图像信息实现飞行器的导弹预警跟踪中导弹运动2D建模、运动模型非线性和目标干扰非高斯等问题,研究了比例导引下导弹在三维空间中的运动在成像面上的运动模式,建立了比例制导导弹的2D投影运动状态模型.由于模型中速度和加速度等主要物理量的非线性,并考虑导弹运动过程中受到的风向、风力、气旋和气流等随机干扰的非高斯性,采用粒子滤波方法实现导弹跟踪;并针对粒子滤波在跟踪过程中存在的粒子退化问题,提出有序权值残差重采样粒子滤波(OWRR-PF,Ordered Weight Residual Resampling Particle Filter)方法,该方法缓解了粒子退化问题,提高了跟踪的准确度.利用所建立的导弹运动模型进行连续视频试验,与标准粒子滤波相比跟踪精度提高了70%左右,与残差重采样粒子滤波方法相比跟踪精度提高了15%左右.     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

基于线性调频波的有源对消隐身仿真及分析

有源对消隐身技术由于其适用性广、灵活主动及不破坏目标外形等特点而受到重视。针对其技术要求中的快速反应、延时较短的特点,提出了一种基于线性调频（LFM）波的对消系统方案。该方案对入射波采样后进行相位和频率的调制,然后直接转发,使其匹配滤波输出与原入射波的回波输出进行对消;探讨了有源对消技术的电磁学原理并以理想导电无限长圆柱为散射源,对平面波与柱面波的对消效果进行了仿真验证,得出不同视角、平面波与柱面波的夹角都会对对消效果产生影响的结论,且在两列波夹角为0°时达到最佳;推导了进行相位与频率调制的对消后信号输出公式,并利用MATLAB对其进行了仿真验证,结果表明,对消后输出信号峰值由时延脉宽之比决定,带宽对输出信号主峰的宽窄程度有直接影响。      

脉冲星方位误差估计的TSKF算法

为提高脉冲星方位误差估计对方位自行速度及卫星位置误差的鲁棒性和整体运算的高效性,设计了两级卡尔曼滤波（TSKF）算法。首先,分析了方位自行速度及卫星位置误差对方位误差估计的影响,并分别结合相关算法进行了仿真验证。然后,结合方位误差估计的CV模型和两级卡尔量滤波的相关原理,写出了TSKF算法的更新方程,并分析了实现并行计算的基本流程。仿真实验的数据显示:在方位自行速度及卫星位置误差均存在的情况下,TSKF算法的方位估计精度约为0.1 mas,方位自行速度估计精度约为1.1 mas/a;与基于CV模型的估计算法相比,TSKF算法的浮点运算仅增加了0.048%。      

基于激光反射层析法的换能器声场测量技术及仿真研究

换能器的辐射声场分布能够直接反映出换能器声学性能的好坏,若不能精确测量出换能器的辐射声场,则会对换能器的诊断和评估造成严重影响。从理论仿真的角度出发,推导了运用激光反射层析法重建换能器辐射声场的理论公式,着重利用推导出的理论公式对激光反射层析法进行了仿真计算。结果表明激光反射层析法能够精确地重建出换能器的辐射声场分布及声场中的声压量值,这为换能器的声场重建及声压测量提供了一种可行的方法。     

结构响应主动控制的时域与频域实现

结构响应主动控制技术是结构振动主动控制的一种新方法，并由于其具有直接以结构振动响应为目标，概念简单、实现容易和采用前馈控制、没有系统稳定性问题等优点而日益受到重视。本文评述了结构响应主动控制的基本原理、特点及控制系统的基本组成，并对两种最基本的实现方法－时域法和频域法的基本思想、适应能力、及实现难易程度等方面进行比较分析，指出时域法在适应能力、适用范围和应用潜力上优于频域法，但在实现上对硬件的计算     

中值滤波的快速算法

提出了一种中滤波的快速算法，充分地利用相邻两次中值滤波窗口内数据的相关性。在运算过程中，通过对有序序列快速的对半查代和内插操作重构有序序列，从而得到各中值。本算法很大地提高了运算效率，计算机模拟表明该方法是有效的。     

基于双层K近邻算法航站楼短时客流量预测

航站楼离港客流量在短时期内呈现准周期性规律变化,易受航班计划、天气等多种因素影响,表现出复杂的非线性特点。为了实现航站楼短时客流量的准确预测,在传统K近邻（KNN）算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型。通过实例分析,与ARIMA模型和传统K近邻模型等进行比较,证明双层K近邻模型预测误差更小,精度更高,模型拟合度相对传统K近邻模型提高了8%~10%,为航站楼短时客流量精确预测提供了一种新的解决思路。      

基于模糊自适应Kalman滤波的MEMS惯导系统在线修正研究

MEMS惯性导航系统中,针对传感器零偏存在随机启动的不确定性误差,以及抗外界干扰能力低的实际问题.本文提出了一种基于模糊自适应Kalman滤波在线修正的方法,与常规Kalman滤波相比,该方法通过制定模糊规则,将残差的理论方差与实测方差迹的比值模糊化处理作为模糊推理的输入,量测方差的修正因子作为输出,实时评估系统的观测噪声,既抑制了滤波的发散又增强了估计修正过程中的稳定性.仿真结果表明:该方法能够准确的估计出系统的随机误差,并且在系统观测噪声的统计特性发生变化时,估计的精度和系统鲁棒性依然优于常规Kalman滤波.