工程中圆度的多次定位测量及其数据处理

从测量实践出发,总结出一种利用多次定位技术进行圆度测量的方法.在阐述测量原理,分析测量及其数据处理过程后,给出一个测量实例,并进行了测量不确定度分析.文章给大型工程中类似情况下的测量问题以很好的启发.     

强迫耗散非线性发展方程与完全平方守恒格式

从描述大气和海洋运动的强迫耗散非线性发展方程出发，对强迫耗散非线性大气和海洋方程组显式差分格式的计算稳定性进行了分析，构造了一类强迫耗散非线性发展方程的显式准安全平方守恒差分格式。理论分析和数值试验证明，这类显式准完全平方守恒差分格式是计算稳定的，值得推广应用。     

图象序列中机动目标的形心跟踪

从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。指出经典的图象二值化变换分割后作形心估计的方法面临着估计偏差和方差的矛盾,提出了用自适应交互三模型(ATIMM)跟踪图象序列中机动目标的方法,同时发现在了解目标形状的条件下,空间匹配滤波,二值变换点集聚类和 ATIMM三者的结合对图象序列中的机动目标具有最好的跟踪性能。     

阵列高分辨方位估计方法统计性能分析

在简要回顾近年来阵列高分辨定向技术发展的基础上,从算法机理出发,对目前出现的各种高分辨定向算法进行合理分类。重点对一批典型算法的多目标定向性能进行统计分析,并利用统一的仿真模型对它们的估计精度和分辨能力进行比较,结论为：MUSIC,Mini-Norm两种方法的实用性较强,而WSF,IMP,TLS-ESPRIT等方法具有较高的理论研究价值,有待进一步开拓其实用性。     

基于交互多模估计策略的故障检诊方法

针对多模自适应（ＭＭＡＥ）故障检诊（ＦＤＤ）方法的局限性,提出了一种基于交互多模（ＩＭＭ）估计策略的动态系统中多重故障的检诊方法。交互多模估计是针对包含有结构以及参数的系统的一种效率较好的自适应估计技术,它提供了故障检测、诊断和状态估计的集中框架。通过对在传感器和作动器中含有多个故障飞机的仿真。结果表明,所提供的方法比其它方法能够更快、更可靠地检测和隔离出多重故障。     

最小二乘参数估计若干问题的讨论

讨论了最小二乘估计中应注意的几个问题,指出了最小二乘估计的一些新的研究和应用方向。     

改进的柠檬酸盐溶胶-凝胶法制备四方相纳米尺寸钛酸钡粉体

柠檬酸盐溶胶-凝胶法制备钛酸钡粉体具有操作简单、粉体粒度细小、生产成本低的特点,但是制备过程中胶体的稳定性很难控制,限制了其方法的发展.根据胶体的形成机理和条件,对目前的研究工艺进行优化,制备过程中不引入H 和NO3-,在提高胶体稳定性的基础上,于700℃左右煅烧获得了各向同性、粒径约20nm的四方相BaTiO3粉体,解决了普遍存在的BaTiO3粉体粒径细小与四方相的矛盾,煅烧温度也较常规方法明显降低.     

目标函数误差估算及网格自适应处理

发展了一种基于目标函数误差估算的网格自适应准则,进而通过网格自适应处理提高目标函数计算的效率和准确性。首先描述了目标函数的误差估算及修正的方法,该方法通过伴随方程将原方程的残值误差与目标函数联系起来。然后,基于误差估算建立网格自适应准则,以减少目标函数修正后的剩余误差,提高目标函数计算结果的准确性,并将方法进一步发展至多目标问题。最后将该准则应用于Euler方程控制的NACA0012翼型无粘可压流动的网格自适应模拟。数值计算成功地捕获了与升力、阻力和力矩等目标函数相关的特征流动区域,计算出符合指定精度要求的目标函数值,验证了本文所发展的方法。     

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.