基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

基于快速模糊干扰观测器的UASV再入Terminal滑模控制

针对无人空天飞行器再人大气层过程中气动参数变化剧烈、控制精度要求高的特点，设计了基于快速模糊干扰观测器的Terminal滑模控制方案。通过改进传统模糊干扰观测器的学习律，提出一种快速模糊干扰观测器，增强了其在线逼近干扰及系统不确定的能力。Terminal滑模的有限时间收敛特性提高了系统跟踪速度，同时采用快速模糊干扰观测器消除全部扰动的影响，从而保证了飞行品质。最后，仿真结果表明了快速模糊干扰观测器的优越性及闭环控制方案的有效性。     

GPS接收机中码相位测量精化方法的研究

精确的码相位测量是保证GPS接收机得到精确伪距值进而进行精确定位的一个重要前提。在已有码相位测量精化方法的基础之上提出了两种新的码相位测量精化的方法,讲述了两种方法的原理与具体实现方法,并利用蒙特卡洛方法进行了仿真实验,得到了码相位结果均值、码相位结果均值方差等一系列实验结果,对几种方法的精化效果从精确性、稳定性和跟踪性能等几个方面进行了比较分析,得出了相应的结论。与三角匹配法和二次曲线插值精化法相比,二阶最小二乘拟合精化法和广义延拓逼近精化法有明显优势;广义延拓逼近精化法的精化精度最高、跟踪精度最高,而二阶最小二乘拟合精化法的稳定性最好。     

合成孔径雷达自聚焦方法介绍

合成孔径雷达是一相干成像系统，维护回波信号间正确且精确的相位关系是获得高分辨率图像的关键。而在实际中，例如平台不稳、成像算法的近似等一些因素都会影响相位相干性，造成相位误差，使图像质量下降。因此采取基于数据的自聚集技术来减少这些相位误差是很有必要的。     

一种GPS快速定位技术研究

用LAMBDA方法确定GPS载波相位测量的整周模糊度,需要较高精度的浮点解。但用短时间GPS观测值构建的法方程容易出现病态,以致法方程的解很不稳定。本文使用谱修正迭代法,消除法方程病态,进而用LAMBDA方法确定整周模糊度。我们的实验结果表明,对于1min左右的单频GPS载波相位测量,利用本文方法即可正确地解算出它的整周模糊度,从而实现厘米级定位。     

复合固体推进剂单向拉伸曲线分析

运用模糊群子理论对影响复合固体推进剂力学性能的因素及其单向拉伸曲线进行了分析，结果发现，推进剂的力学性能可由控制阻碍形变因素和屈服因素的主次对比来调节；不同的拉伸曲线对应于不同的主导控制因素。这对于认识影响推进剂力学性能的本质及其调节方法有较大的促进作用。     

基于P89C51X2BA单片机实现智能程控数字相位变换器设计

数字相位变换器在电子系统中的应用比较广泛,普通的数字相位变换器均由硬件电路搭接而成,系统复杂,故障率高。本文介绍了一种基于单片机控制的智能数字相位变换器的构建,弥补了普通的数字相位变换器的不足。以P89C51X2BA和逻辑门电路为基础,阐释了实现的原理和方法,给出了系统结构和软硬件构成。     

系统可靠性优化方法

介绍了性优化的各种模型：组合优化模型、两类失效模式优化模型、可靠必优化分配模型、多目标优化模型以及可靠性模糊优化模型等。分析了可靠性优化分配模型各种解法的优缺点。研究认为，蒙特卡罗法具有简单和广泛适用性特点，因而推荐使用该法。     

星载合成孔径雷达模糊特性研究

在分析星载合成孔径雷达模糊信号来源的同时，论述了分辨率，测绘带宽，模糊度，脉冲重复频率之间的相互制约关系，并提出了在总体设计中如何选择脉冲重复频率以减少模糊的方法，最后给出了计算方位模糊比和距离模糊比的实用算法及仿真结果。     

基于Boosting的模糊分类规则集成学习及应用

由于难于获得先验知识,样本可分性差,辐射源识别很难达到很高的识别率。结合AdaBoost算法和遗传算法,提出了一种模糊分类规则的迭代学习方法。在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类和拒识的样本。在规则学习的适应度函数中考虑训练实例的分布,使模糊分类规则在产生阶段就考虑相互之间的协作,改善了模糊分类规则的整体识别能力。辐射源识别实验结果表明,该方法具有良好的分类识别性能。