纹波电流对消电路

纹波电流对消技术将等于或相反的正常变换器纹波电流的AC电流注入变换器输出电压母线。理想的输出纹波电流为零，结果能产生超低噪声变换器输出电压。电路几乎不需要其他元件，也不需要有源电路。只需附加一个滤波感应绕组、一个辅助电感器和一个小电容器。电路把改进型滤波电感器的泄漏电感用作全部或一部分所要求的辅助电感。纹波对消与转换频率、占空比和其他变换器参数无关。电路消除了连续传导模式和断续传导模式时的纹波电流。试验结果表明，纹波电流值降低了80X以上。     

微小卫星磁测自主导航方法

本文提出了使用磁测方法实现近地微小卫星自主导航的方法，利用实时地磁场测量数据与根据ＩＧＲＦ计算出的地磁声数据之差作为新息量，使用推广Ｋａｌｍａｎ滤波算法确定卫星的位置和速度。给出了三种导航滤波算法。并使用模拟数据和ＭＡＧＳＴＡ卫星实测数据进行了仿真研究，证明了方法的有效性和实用性。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

微波滤波技术在通信系统中的应用

微波应用于卫星通信和陆地移动通信系统日前普遍，本文简要叙述了微波滤波技术在卫星通信和无线通信系统中的应用。     

GPS/GIS车辆路径定位方法研究

标准定位服务（ＳＰＳ）的固有误差、ＳＡ 措施和市区环境的共同影响，使得ＧＰＳ的导航精度难于满足特种车辆监管系统的需求。差分ＧＰＳ技术虽然可以提高ＧＰＳ定位的精确度，但缺乏对环境的适应能力。在对城区内ＧＰＳ定位误差进行了系统分析的基础上，提出了一种融合ＧＰＳ技术和结合历史数据的地图匹配技术的车辆路径定位方法，并通过对实验的统计分析证明了方法的有效性。     

基于BP神经网络的景象匹配算法研究

基于BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。讨论了BP神经网络及图像的灰度不变矩和边缘不变矩，并把灰度不变矩和边缘不变矩同时作为匹配特征应用于本文BP神经网络景象匹配中。算法分析表明该算法具有很高的匹配效率。     

基于峰值点的目标对准在MSTAR SAR图像分类中的应用

模板匹配的分类方法是合成孔径雷达目标识别的重要方法。研究了MSTAR SAR图像,指出图像中的目标峰值点本质上对应于实际物体的散射中心,并且在一定方位区间中具有稳定性。假设目标存在位置偏移的基础上,提出先利用目标峰值点对准目标,再生成模板和分类的思想。分析了方位区间中基准图像的选取及对准过程对模板生成和目标分类的影响程度。最后研究了同类变形目标间的分类,提出了峰值点特征增强成像、预分类、目标对准和正式分类的四步算法。结果证明,所提算法具有较高的分类精度和效率。     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。