基于值域的多约束GNSS单频单历元定姿新算法

多天线增强了全球卫星导航系统（GNSS）单频单历元姿态测量解算模型的强度,但随着天线数量增加,模糊度维数成倍增加,从模糊度域确定搜索空间的计算量将显著增长。基于此,提出了基于值域的多约束多天线GNSS单频单历元姿态测量新算法：该算法将姿态约束融入值域搜索模型,利用姿态约束条件推导搜索步长,通过姿态域三维搜索确定模糊度搜索空间,以基于最优条件姿态解非迭代近似估计的方法固定模糊度。实验结果表明,新算法中模糊度搜索效率较原方法提高约65.8%,固定模糊度效率较标准迭代算法提高约95.3%,且与标准迭代算法性能相当;所提算法能够实现GNSS单频单历元的模糊度固定和载体全姿态测量,具有较高的正确率。     

一种双时间尺度函数Wiener过程性能退化模型

为通过性能退化数据评估产品的可靠性,基于广义Wiener过程提出了一种双时间尺度函数模型以描述产品退化过程。采用极大似然估计(MLE)法求解模型参数,推导了其寿命分布(FTD),进而进行可靠度分析和寿命评估。对模型进行了Monte Carlo模拟验证和实例应用,并将目前常用的混合效应Wiener过程模型作为参考方法进行了对比分析。结果表明:根据90%可靠度曲线的定义,该方法较参考方法的结果更为合理、准确。进一步的寿命评估结果表明,该方法与参考方法的平均寿命相差232.9h,90%可靠寿命结果相差109.4h,且参考方法计算结果偏于危险。      

基于低阶干扰估计器的欠驱动三自由度直升机鲁棒控制

针对模型不确定且外部未知扰动影响显著的欠驱动三自由度（3-DOF）直升机,本文设计、分析并实验验证了一种基于不确定性与干扰估计器（UDE）的主动抗扰控制策略。具体地,针对该直升机平台动力学耦合严重且存在欠驱动特性等问题,基于全驱动系统控制思想,发展了一种基于反馈线性化的升降角和偏航角轨迹跟踪策略,同时实现了内部状态（俯仰角）的镇定;在内外环三通道虚拟控制中,进一步设计了一阶UDE,并联合UDE和标称控制,构建了可有效补偿三通道模型不确定和外部扰动的鲁棒控制方案。该方案较好应对了被控对象的欠驱动特性,控制信号连续且光滑,同时干扰补偿器还具有设计参数少、性能调节简单且清晰等优点。借助于奇异摄动理论,分析了闭环系统跟踪误差的收敛性、输入-状态稳定性、及UDE参数对误差最终界的影响规律,揭示了闭环控制系统潜在的多时间尺度属性。仿真和实验结果验证了干扰补偿的必要性,UDE的有效性和其调参的便捷性。     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.      

基于特征点识别的头部姿态计算

为了提升使用随机回归森林进行头部姿态分析的精度,提出了一种基于特征点识别分析头部姿态的计算框架.考虑到高误差投票的干扰,该计算框架以随机森林的特征点识别为基础从而避免异常投票干扰,将头部姿态计算问题转换为空间鼻尖特征点和朝向特征点的识别问题.在随机森林的训练中,决策函数使用了高斯曲率和平均曲率作为图形特征,根据微分熵的信息增益在随机生成的决策函数库中搜索最优化决策函数.在训练完成的随机回归森林的叶子节点中,通过分析保存的样本数据,可以得到目标特征点的高斯分布估计.根据实验测试结果,在适当的阈值设定的情况下,该方法可以实现较高的识别成功率,使用曲率后明显提高了识别精度,能够在一定程度上处理有遮挡的数据,并且该方法已经成功应用于虚拟座舱的实时头部姿态分析计算系统.     

旋转变压器输出信号自动标定

旋转变压器输出以角位置正余弦为包络的调幅信号,一般通过检波与解调获取角位置及角速度信息.检波后信号往往存在直流偏置、幅值不等和相位偏移,对其进行标定是实现高精度解调的前提.针对检波后信号的标定问题,提出了一种离线自动标定方法.设计状态观测器,对检波后两路信号的幅值及直流偏置进行估计;构造二元二次目标函数,利用梯度估计法,获取相位偏移.理论分析表明,与仅采用梯度估计法相比,此方法避免了目标函数多解问题.实验结果表明,此方法参数选择容易,具有较高的精度,是完全可行的.      

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

基于低成本陀螺和倾角仪的姿态估计

针对动中通测控系统中低成本陀螺和倾角仪的姿态估计和陀螺误差校正问题,提出一种利用UKF（Uncented Kalman Filter）滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。试验中姿态角估计误差在1°以内,x轴陀螺漂移估计误差为0.0148°/s,y轴陀螺漂移估计误差为0.0017°/s,试验结果表明该算法能有效提高姿态角估计和陀螺漂移估计的精度。     

基于自相关及相位差法的高精度频率估计算法

为提高高斯白噪声背景中正弦信号的频率估计精度,对基于自相关运算的频率估计算法的相关长度m进行了推导,得到了m的优化值与信噪比的关系式.当信噪比较高时,m的最优值为N/3(N为信号采样点数);信噪比较低时,m的最优值为N/2.通过对自相关法及分段FFT(Fast Fourier Transforms)相位差法特性的分析,提出了一种性能更优的频率估计综合算法. Monte Carlo仿真实验表明:新算法吸收了两种算法的优点,克服了其不足,在更大的信噪比范围内具有较高的频率估计精度,且计算量也较小.