基于多传感器的空间遥操作机器人虚拟预测环境建模

虚拟预测环境技术是解决遥操作系统中时延问题的有力手段,但其有效性依赖于环境模型的精度。为了提高虚拟预测环境的建模精度,提出了基于多传感器信息融合的建模方法。首先根据CCD摄像机采集的图像建立虚拟环境模型的初始模型,再利用远地力觉和位置传感器信息对初始模型进行校验。为了观察命令在虚拟环境中的执行情况,采用一种简单有效的注册方法,将图形模型叠加在摄像机视频图像上,以便操作者进行对比分析。实验表明利用本文算法建立的虚拟环境模型是准确可靠的,有利于提高基于虚拟预测环境技术的遥操作系统的有效性和可操作性。     

电磁信号在时变等离子体中传播的调制效应

近期有研究文献表明,高速飞行器等离子鞘套由于姿态调整、湍流、非均匀烧蚀等因素的影响,其等离子体参数可能存在时变特性。针对电磁波在时变等离子体中的传播问题,在经典色散介质传播理论中引入了时变参数项,得出了调制效应与等离子体参数、载波频率的关系;在此基础上对载波频率为35GHz和12GHz时QPSK信号在时变等离子体中的传播进行仿真,结果表明：时变等离子引起的调制效应会使调相信号的星座图发生旋转;提高载波频率有助于减弱调制效应,减少星座点的交叠,误码率降低。     

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。     

一种基于单频授时接收机的纳秒级时间同步方法研究

针对未来通信同步网等需要低成本、高精度、大范围时间同步的应用需求,研究了基于单频接收机进行卫星共视比对的可行性。提出了一种基于单频授时接收机的标准时间远程复现方法,并最终实现了一套低成本的标准时间复现设备,能提供与标准时间小于10ns(3σ)的时间偏差。该设备可用于组建时间同步网,保证网内节点间时差小于20ns,结合多级分层传递组网策略,理论上可以建立覆盖全球的时间同步网。     

分布式守时架构下的高精度时间比对技术研究

为了实现分布式联合守时系统建立需求,设计了远程时间比对系统,包含卫星共视、卫星双向和光纤双向三种时间比对手段,系统内使用的国产化设备比对精度与进口设备相当,实现了实验室间多手段、高精度钟差测量。使用移动校准站完成了时间比对设备相对零值校准,在相距50 km的实验室间开展长达20天的时间比对,试验结果表明,三种比对手段测量得到两地钟差均值相差小于1 ns,变化趋势相同,变化幅度相近,均可以准确测量得到两地钟差。     

导航增强伪卫星时间同步技术与精度分析

以导航增强为背景,总结归纳了伪卫星工程应用中面临的四大技术难点:时间同步技术、星历编排广播技术、多路径效应和远近效应,并重点对时间同步技术进行了研究.伪卫星作为现有导航星座的补充卫星,一方面改善了星座的几何分布,而另一方面由于授时和时间维持能力有限,又会在原有测距误差的基础上引入新的误差.因此,在伪卫星引入时,需要定量...     

两对边固定两对边自由矩形板的精确解

基于Ｋｉｒｃｈｈｏｆｆ薄板理论,提出双三角级数形式的挠度函数,求得两对边固定两对边自由矩形板的精确角,计算结果表明,这种解法收敛速度快,计算精度,易于工程应用。     

相关系数ARMA(p,q)序列分析方法

本文提出相关系数ARMA(p,q)序列分析方法。相关系数ARMA(p,q)序列是从非平稳序列中分离出的一类工程上常见且便于研究的时间序列,在模式识别、故障诊断、信号处理、自动控制和结构响应分析等领域有着广泛的应用。传统的相关函数ARMA(p,q)序列仅是它的一个特例。文中建立了相关系数ARMA(p,q)序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,充分利用样本信息确定相关系数ARMA(p,q)序列的均值函数、方差函数和相关系数函数。在此基础上可进行高精度的频谱分析。     

非等间距相关系数平稳序列分析方法

工程实际中由于数据缺损或受测试条件所限,常常得到非等间距的时间序列。而传统的时序分析方法只适用于等间距采样的数据,目前工程上对这类问题通常采用插值等近似处理方法,这往往导致较大误差。本文提出非等间距相关系数平稳序列的概念,建立了非等间距相关系数平稳序列自回归模型,给出了非等间距相关系数AR(p)序列的精确极大似然估计和条件极大似然估计,能够高精度地确定非等间距序列的均值函数、方差函数和相关系数函数。      

非等间距相关系数AR(p)序列预测方法

针对非等间距时间序列预测中存在误差较大的问题,本文建立了非等间距相关系数AR(p)序列预测方法,详细讨论了非等间距相关系数AR(1)序列和AR(2)序列的预测公式和误差估计。大量计算表明,本文方法与通过插值将非等间距序列变换为等间距序列进行预测的传统方法相比,具有更高的预测精度。