连续变迎角试验数据自适应分段拟合滤波方法

针对常用的阶梯变迎角数据处理方法处理连续变迎角试验数据时,不能去除低频振动分量的问题,基于试验数据中的近似对称、局部线性等特点,提出一种将数据进行分段二项式拟合的处理方法,并详细论述其基本原理,重点介绍基于方差极小值动态确定数据分段长度的方法。基于测试信号的实验结果表明所提方法可将低频分量信号滤除近70%,有效提高数据处理精度。经标模试验测试验证,所提方法可成功应用于某些试验。      

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。      

基于随机参数逆高斯过程的加速退化建模方法

为了将随机参数退化模型应用于加速退化试验以提高可靠性评估结果的准确性,本文以逆高斯过程为例研究了基于随机参数退化模型的加速退化建模方法。利用加速系数不变原则推导出逆高斯过程各参数在不同应力下应满足的关系式,由此建立参数的加速模型,计算出加速系数,进而将加速应力下的退化数据等效折算到工作应力下。采用了随机参数的共轭先验分布,并且利用最大期望算法估计出随机参数的超参数值。仿真试验验证了所提方法的可行性和有效性,实例应用说明了所提方法具有较好的工程应用价值。      

自适应滤波前馈控制器实现智能旋翼振动的实时控制

主要研究目的是寻求利用智能旋翼概念，将自适应随波前馈控制器应用于直升机旋翼的主动实时振动控制的可行性研究，但自适应控触所需参考信号在实际应用中往往难以获得。本提出利用旋转变压器拾取直升机桨叶旋转信号作为参考信号来解决这一问题。为了实现旋转桨叶和机体之间的双向多路信号的可靠传输，以组成智能旋翼闭环控制系统，本提出了一种非接触信号传输方法，并进行了实时振动控制试验，以验证控制策略、信号传输方法和智能旋翼概念．最后，根据试验结果，讨论了进行高效控制应当如何选择控制参数问题．     

基于GPS的低轨伴飞卫星自主导航轨道确定

对基于EKF算法的相对导航滤波器和基于全球卫星定位系统(GPS)伪距测量的伴飞星定轨进行了研究。用几何法与相对动力学方法联合获得目标星轨道信息,给出了伴飞卫星伪距测量定位的模型。仿真结果表明:该定轨方法可用于低轨卫星实时定位导航,定轨精度较高。     

X射线脉冲星信号时延的实时估计方法

针对在频域内计算X射线脉冲星信号延时量存在滞后性,进而难以为航天器自主导航提供实时信息的问题,提出将脉冲星信号延时估计转化为时域内标量估计的方法。首先,通过人工神经智能网络获得脉冲星信号的标准轮廓函数作为状态方程;应用粒子滤波算法对脉冲星信号延时量进行实时估计;其次,为了避免标准粒子滤波器中的粒子退化现象,推导并证明了一种新型粒子滤波算法;最后,推导出粒子滤波算法的精度函数,为航天器的导航策略提供参考。以航天器在轨运行中可能遇到的3种情况为背景,验证了所提粒子滤波算法的正确性与有效性。     

简化DDF算法及其在单星对星无源定轨跟踪中的应用

单星对星无源定轨跟踪是典型的非线性滤波问题,其中非线性滤波算法至关重要.DDF.算法具有良好的精度与稳定性且适用范同更广,不过计算量较大.单星对星无源定轨中系统噪声通常是加性高斯的,根据这一特点对标准DDF算法进行简化.简化后加性噪声可以进行单独处理,基于此,提出一种计算复杂度更低的SD-DF算法,并运用于仅测角条件下的单星对星无源定轨跟踪.SDDF算法具有比EKF更高的精度和更好的稳定性,其性能与标准DDF相同但是计算耗时更少,特别适合于单星对星无源定轨跟踪实时处理.     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

陀螺仪随机误差的渐进遗忘多新息Kalman滤波

MEMS陀螺仪由于小体积、低价格等优点在民用领域得到了广泛应用,但是由于工艺水平限制,MEMS陀螺仪测量数据中存在大量的随机误差。为了减小MEMS陀螺仪测量的随机误差、提高测量精度,提出了基于渐进遗忘多新息Kalman滤波的随机误差滤波方法。建立了MEMS陀螺仪随机误差的AR模型,在经典Kalman滤波中引入了多新息修正方法,并使用渐进遗忘因子削弱历史数据的积累干扰作用,从而给出了随机误差的渐进遗忘多新息Kalman滤波方法。同时,使用经典Kalman滤波和渐进遗忘多新息Kalman滤波对MEMS陀螺仪输出数据进行处理,并使用Allan方差分析各噪声含量,可知：渐进遗忘多新息Kalman滤波后的数据其QN噪声比经典Kalman滤波减小了2个数量级,ARW噪声减小了1个数量级,BI噪声减小了2个数量级,RRW噪声和RR噪声减小为原来的约1/5,实验结果验证了渐进遗忘多新息Kalman滤波在陀螺仪随机误差滤波中的先进性。