一种用于符号同步MF—TDMA系统的定时偏差估计算法

文章给出了一种用于符号同步MF—TDMA系统的定时偏差估计算法。该算法利用一种特殊的辅助序列成型后所表现出来的正弦特性,从中提取出精确的定时偏差,算法工作在每符号1个采样点下。理论和仿真结果表明,该算法实现简单,估计精度高,在相同条件下,其性能优于常用的数字平方滤波法,并且该算法对载波相位偏差不敏感,对载波频偏的敏感度比较低。     

基于对角加载的机载MIMO雷达自适应匹配滤波检测器

研究了基于自适应匹配滤波(Adaptive Matched Filter, AMF)的机载MIMO雷达目标检测问题。针对参考单元数据不足对MIMO\|AMF检测器性能的影响,提出了基于对角加载的MIMO雷达AMF(MIMO\|LAMF)检测器,并对其检测性能进行分析,给出虚警概率和检测概率的闭合表达式。该检测器利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题。为了减少MIMO\|LAMF检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO\|LAMF检测器。理论分析和仿真结果都表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于MIMO\|AMF检测器。
     

导航星座的自主定位与守时研究

星座自主导航技术能有效地提高导航星座的自主导航能力和星历精度,增强系统的生存能力。分析了基于星间测距信息的星座自主导航方法,推导了星间测距信息的位置与时间的解耦模型与条件,提出首先进行位置更新,然后进行时间更新的解算流程。根据状态方程与量测方程的特点,推导了适合导航星座自主导航解算的分布式卡尔曼滤波算法。并给出了关键的仿真技术。仿真表明：通过双向测距信息,能有效地实现导航星座的自主定位,保持星间高精度的时间同步。
     

硅微陀螺阵列信号处理技术研究

() 摘 要:基于一种新的硅微陀螺随机漂移模型和被测角速度的随机游走模型,建立硅微陀螺阵列随机漂移过程的Kalman滤波方程。通过数据融合方法,在选择合适的陀螺间互相关系数的基础上,可以将硅微陀螺的静态漂移从52.1度/小时降低为0.465度/小时。利用同类多传感器的数据融合和被测量动态信号的差分技术,可以实时辨识出硅微陀螺的随机漂移,通过已被检测出的动态信号的进一步Kalman滤波,最终可将被测信号的信噪比提高11dB.
     

基于LMI的鲁棒滤波在无人机飞控系统中的应用

针对无人机在实际飞行过程中存在外界干扰以及传感器量测噪声的问题,应用线性矩阵不等式理论对无人机飞控系统进行了降阶鲁棒滤波器设计.讨论了适用于连续系统的降阶鲁棒滤波算法以及滤波器存在的条件.最后,进行了无人机纵向高度保持阶段的数字仿真,给出迎角与俯仰角速度的仿真曲线,仿真结果验证了该算法的合理性和有效性.     

两步法快速解算编队卫星GPS模糊度

为克服卫星编队飞行实时相对定位中双频模糊度解算速度慢的缺点,结合扩展Kalman滤波(EKF,Extended Kalman Filter),首先采用少数个历元(如10个)相位平滑伪距相对定位结果与 L₆的平均值对滤波初始化,再根据两步法解算双频模糊度,即先解算并正确固定宽巷模糊度,获得较准确的基线分量估值,然后采用选权拟合方法,将基线分量作为约束条件解算并固定双频模糊度.仿真算例计算结果表明,当宽巷模糊度正确固定后,编队卫星间相对定位误差在5cm以内,两步法可以在较短时间(约3min)内固定双频模糊度,为精确解算编队卫星的相对状态提供保障.     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

基于QPSO粒子滤波的航空发动机突变故障诊断

针对标准粒子滤波算法对突变故障诊断迟缓的问题,提出了量子行为粒子群优化(Quantum-behaved particle swarm optimization,QPSO)的粒子滤波算法。该算法引入权值偏差系数的概念,当权值偏差系数超出设置的阈值时,认为系统发生故障,并结合最新的观测值,将量子行为粒子群优化算法融入到粒子的采样过程中,驱使粒子向高似然区域移动,提高粒子群对突变故障的估计性能。仿真结果表明,与标准粒子滤波算法相比,量子行为粒子群优化的粒子滤波算法显著提高了对突变故障的反应速度。     

自识别自校准Kalman滤波方法

在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。     

基于自适应注入模型的遥感图像融合方法

遥感图像融合的目的是融合高光谱分辨率、低空间分辨率的多光谱（MS）图像和高空间分辨率、低光谱分辨率的全色（PAN）图像,得到高光谱分辨率与高空间分辨率的融合图像。遥感图像的注入模型中如何确定注入细节及注入系数是该技术研究的关键。针对注入细节优化,先通过模拟MS传感器的特性来定义一种多尺度高斯滤波器,再用该滤波器卷积PAN图像以提取细节,得到与MS图像高度相关的细节。针对注入系数优化,综合考虑光谱信息与细节信息提出一种自适应的注入量系数。为更好地保留边缘信息,提出一种新的边缘保持权重矩阵,实现光谱信息与空间的双保真。将优化后的注入系数与注入细节相乘注入到上采样后的MS图像中,得到融合结果。对所提方法进行性能分析,并在各卫星数据集上进行大量测试,与一些先进的遥感图像融合方法进行对比,实验结果表明,所提方法在主观与综合客观指标上都能达到最优。