A novel method for importance measure analysis in the presence of epistemic and aleatory uncertainties

For structural systems with both epistemic and aleatory uncertainties, research on quantifying the contribution of the epistemic and aleatory uncertainties to the failure probability of the systems is conducted. Based on the method of separating epistemic and aleatory uncertainties in a variable, the core idea of the research is firstly to establish a novel deterministic transition model for auxiliary variables, distribution parameters, random variables, failure probability, then to propose the improved importance sampling(IS) to solve the transition model. Furthermore,the distribution parameters and auxiliary variables are sampled simultaneously and independently;therefore, the inefficient sampling procedure with an ‘‘inner-loop' for epistemic uncertainty and an‘‘outer-loop' for aleatory uncertainty in traditional methods is avoided. Since the proposed method combines the fast convergence of the proper estimates and searches failure samples in the interesting regions with high efficiency, the proposed method is more efficient than traditional methods for the variance-based failure probability sensitivity measures in the presence of epistemic and aleatory uncertainties. Two numerical examples and one engineering example are introduced for demonstrating the efficiency and precision of the proposed method for structural systems with both epistemic and aleatory uncertainties.     

非圆实信号MIMO雷达中基于实值ESPRIT的角度估计

研究单基地多输入多输出(MIMO)雷达中的波达角(DOA)估计问题,提出了一种基于非圆(NC)实信号的实值旋转不变性信号参数估计(ESPRIT)算法.首先对接收信号进行降维变换,降低运算复杂度;之后根据非圆实信号特性构造中心Hermitian对称矩阵,通过酉(Unitary)变换将复数运算转为实数,进一步降低复杂度;最后根据ESPRIT得到角度估计.该算法无需谱峰搜索,运算复杂度较NC ESPRIT和Unitary ESPRIT大大降低,且该算法的角度估计性能优于后两种算法.论文分析了所提算法的复杂度,并推导了克拉美-罗界(CRB).仿真结果验证了该算法的有效性.     

基于约束最小冗余线阵与干扰对消的测向方法

针对有源干扰背景下信号源和干扰源的个数超过线阵的自由度而产生线阵饱和现象,提出一种将约束最小冗余线阵与干扰对消技术相结合的测向方法。通过将无源状态和有源状态下线阵输出数据的协方差矩阵进行对消运算去除有源干扰和噪声分量,并对约束最小冗余线阵的波达方向(DOA)估计算法进行改进,构造了新的协方差Toeplitz矩阵,有效抑制了由阵列非均匀性导致的伪峰,提高了阵列的DOA估计性能。仿真结果表明:该算法在低信噪比背景下具有抗有源干扰能力,扩展了阵列孔径,并具有较高的测向精度和鲁棒性。     

基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

基于连接点的机载双天线InSAR系统相位偏置估计算法

针对在茂密森林或沙漠地区部署地面控制点(GCP)对其进行测量非常困难的问题,提出了一种基于连接点的机载双天线InSAR系统相位偏置估计新算法。基于InSAR原理建立地面高程反演的几何表达式,并根据重叠区域里的连接点高程在两次干涉测高过程中不变的特性建立相位偏置间的线性关系,在用最小二乘法求解相位偏置时,通过对不同的连接点进行加权,使估计出的相位偏置更加准确。对X波段机载双天线InSAR系统获得的实际数据进行处理,结果表明:与传统的算法相比,该算法无需GCP,具有更低的成本和更高的效率,且产生的数字高程模型(DEM)具有相似的精度。     

无人机桨叶损伤的在线模型估计新方法

无人机在复杂高对抗环境中极易出现桨叶结构受损故障，造成无人机控制性能退化甚至失稳，给无人机带来灾难性后果。桨叶结构损伤条件下无人机动力学模型的在线估计与重建是保障无人机控制系统稳定的重要前提。由于桨叶损伤干扰隐含于无人机动力学模型的内部，可观测性较低，典型的干扰观测器难以实现对此类干扰的估计。提出了一种新型穿透型干扰观测器，通过构造穿透函数，将模型内部的干扰映射到一个新建的平行空间，实现了对桨叶损伤的估计和故障后无人机的建模，并给出了所设计穿透型干扰观测器的稳定性条件。以四旋翼无人机为应用对象，对桨叶损伤形成的干扰进行在线估计与量化，反演出桨叶随机出现的损伤，实现了桨叶损伤后无人机动力学模型的在线精细重建，解决了无人机桨叶损伤故障下力矩输入难以直接测量的问题。半物理仿真实验验证了所提方法的有效性。