样条函数在估算飞机气动参数中的应用

根据气动参数估算的需要，分析了样条函数的基本概念，方程及三次插值样条函数在参数估算中的应用，以某歼击机全机平衡升力线斜率对马赫数的偏导数为例，用三次插值样条函数对其进行了估算。     

匹配数据的平滑滤波技术

讨论了匹配测量数据的平滑，滤波和外推问题，所谓匹配测量数据是指位置参数和速度参数呈求导的匹配关系，提出了利用数据的匹配特性这一先验信息来改善多项式最小二乘滤波器的设计，对测量数据中的位置和测速数据进行统一处理，在最小方差意义下给出了平滑滤波公式及其效率方差比，由于充分利用了先验信息，减少了待估计参数的个数，显著提高了参数的估计精度，仿真计算结果表明该方法能显著改善目标运动参数的估计精度。     

基于最小二乘估计的电影经纬仪交会测量算法

提出了一种基于最小二乘估计的电影经纬仪交会测量算法.充分利用3台经纬仪测得的冗余数据,用迭代算法求得运动目标在任一时刻的空间位置,且避免了目前的直接算法中两套公式切换时机不易掌握的问题.理论分析和在新的布站方案下的数值模拟结果表明,该方法具有计算精度高、收敛速度快的优点.相对于目前采用的直接算法,可较好地改变对飞行目标的测试精度.     

十二表冗余捷联惯导系统数据融合技术研究

针对采用正十二面体冗余仪表构型的十二表冗余捷联惯性导航系统,通过仿真和样机试验,开展了基于最小二乘估计的数据融合算法研究。对不同故障模式下的系统精度进行了分析,并通过Monte Carlo仿真验证了数据融合算法对提高系统导航精度的有效性。设计开展了样机静态导航试验,试验结果表明,理论最优的马尔柯夫估计并不完全适用于脉冲输出形式仪表的数据融合。最后通过优化改进加权系数、构造加权矩阵,显著提升了样机的静态导航精度,使样机位置误差和姿态误差与三表直接解算相比分别降低了78.6%和77.9%。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

一种改进的LEO卫星网络路由策略

文章结合LEO卫星网络的拓扑结构和运行规律,提出了一种时延受限的最小耗费（DCLC）路由算法。仿真结果显示,相对于最短路由算法,该算法具有较低的呼叫阻塞率和切换失败率,以及更好的服务质量。同时能够平衡各链路负载,使整个卫星网络更稳定。     

一种雷达信号脉内调制特征分析方法

以单载频、线性调频、BPSK和FSK信号为例,通过提取信号的瞬时相位,对雷达信号的脉内调制特征进行了分析。首先介绍了信号瞬时相位的提取方法,然后通过瞬时相位微商得到信号的瞬时频率,接着引出了一种基于最小二乘算法的调制类型识别方法,最后对这种方法进行了仿真分析。仿真表明,相位测频法是一种有效的雷达信号调制特征分析工具。     

石英加速度计误差模型系数的递推最小二乘辨识方法研究

为探索在线辨识的测试方法,满足实时辨识的需要,本文提出采用递推最小二乘法辨识石英加速度计模型系数,并对其在重力场测试中的应用进行了研究.介绍了递推最小二乘系数估计法原理,为便于实际应用,根据测试领域的习惯,对递推最小二乘方法进行了梳理.以加速度计分度头试验为例,将该方法应用于加速度计重力场试验的误差模型系数辨识.仿真分...     

非线性偏最小二乘回归法在均匀设计响应面法中的应用

 针对目前多维变量可靠度分析中广泛应用的均匀设计响应面法(RSM),指出了使用最小二乘(LS)法拟合拟线性回归模型时存在的局限性,并提出采用拟线性偏最小二乘(PLS)法来回归响应面系数。由于拟线性回归法限制了模型的形式,精度提高有限,结果也很不稳定,因此又提出用基于样条变换的偏最小二乘回归模型代替拟线性回归模型并用于结构失效概率的计算,既能处理最小二乘法无法解决的变量间多重相关性的问题,又能避开拟线性回归中预先对模型形式的假定。通过算例验证了基于样条变换的偏最小二乘法的适用性和有效性,尤其对于多维变量非线性程度较高的可靠度分析,与普通最小二乘法拟合的响应面相比,其模型更加精确,失效概率精度更高。     

Novel approach of crater detection by crater candidate region selection and matrix-pattern-oriented least squares support vector machine

Impacted craters are commonly found on the surface of planets, satellites, asteroids and other solar system bodies. In order to speed up the rate of constructing the database of craters, it is important to develop crater detection algorithms. This paper presents a novel approach to automatically detect craters on planetary surfaces. The approach contains two parts: crater candidate region selection and crater detection. In the first part, crater candidate region selection is achieved by Kanade-Lucas-Tomasi (KLT) detector. Matrix-pattern-oriented least squares support vector machine (MatLSSVM), as the matrixization version of least square support vector machine (SVM), inherits the advantages of least squares support vector machine (LSSVM), reduces storage space greatly and reserves spatial redundancies within each image matrix compared with general LSSVM. The second part of the approach employs MatLSSVM to design classifier for crater detection. Experimental results on the dataset which comprises 160 preprocessed image patches from Google Mars demonstrate that the accuracy rate of crater detection can be up to 88%. In addition, the outstanding feature of the approach introduced in this paper is that it takes resized crater candidate region as input pattern directly to finish crater detection. The results of the last experiment demonstrate that MatLSSVM-based classifier can detect crater regions effectively on the basis of KLT-based crater candidate region selection.