基于样条拟合和双向滤波的助推段弹道估计

三次B样条拟合在助推段弹道估计中应用广泛,但存在弹道两端点邻域估计误差过大的问题.通过对B样条基函数矩阵的特性进行分析,发现其原因为端点邻域估计时能利用的有效观测数据最少.因此,提出一种基于样条拟合和双向滤波相结合的弹道估计策略：首先将双星观测数据利用无迹变换转换为等效位置观测;然后利用三次B样条拟合弹道;最后基于一种自适应卡尔曼滤波器,采用双向滤波策略改善样条拟合的端点估计精度.仿真结果表明：组合方法使样条拟合的端点估计误差减少40％,同时使估计弹道更平滑.此结果满足实时性要求.     

一种频域插值变化迭代频率估计方法

针对现有频率估计算法存在的复杂度高、频率估计能力弱、估计结果均方差大等缺点,在固定迭代AM（Aboutanios—Mulgrew）无偏频率估计算法基础上,提出一种频域插值变化迭代频率估计算法,推导了不同迭代参数实现无偏估计的充分条件,证明了有偏估计时本算法的收敛性和偏离度,通过设置不同迭代参数,可以实现无偏或有偏估计。仿真分析表明：当具有较高信噪比时,在整个频率估计范围内,该方法均方误差接近CRLB（Cramer-RaoLowerBound,克拉美一罗下限）;当FFT（FastFourierTransform,快速傅里叶变换）粗估计残余频率接近0．5时,该方法的均方误差优于CRLB,为CRLB的96％。     

微小型无人直升机姿态信号的互补滤波融合算法

基于惯性测量技术获取飞行器姿态信号的方法已被广泛应用,然而对于微小型或低成本无人飞行器而言,通过MEMS传感器获取满足精度要求且稳定可靠的姿态信号仍然是具有一定难度的工程问题。文章针对民用微小型无人直升机的低成本要求和使用环境,利用三轴角速率陀螺仪和加速度计在姿态估计中频率互补的特性,采用互补滤波算法,改进了滤波参数的自适应调整方法,实现了俯仰角和滚转角信号的有效融合,得到的姿态信息可用于微小型无人直升机的内环增稳控制。仿真和试验数据表明,该方法测量精度较高,工程实现简单,算法稳定,能有效解决微小型无人直升机姿态信号的工程求解和使用问题。     

一种新的SMC-PHD滤波的多目标状态估计方法

针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。     

一种再生测距伪码的自适应捕获技术

深空探测距离远,适合使用再生伪码测距技术。针对空间数据系统咨询委员会（CCSDS）提出的T2B测距复合伪码,计算了其6个子码在不同延拓周期下的相关值,推导了星上相关运算前信号噪声的分布形式。在对判决量统计特性分析的基础上,采用最大似然估计准则（MLE）对噪声标准差进行了合理估计,通过噪声标准差估计了判决门限,并采用奈曼...     

一种基于自适应波束形成的导引头抗干扰方法

传统的反辐射雷达导引头天线通常具有较宽的波束,且具有固定的波束方向图,这就必然导致不同空域的目标辐射信号和干扰信号同时进入导引头接收系统,严重影响导引头的测向性能,无法适应未来复杂电磁环境下工作的需要.为此,提出一种基于自适应数字波束形成技术的主动抗干扰方法,并研究该方法在导引头系统中应用的可行性.仿真结果表明,采用该...     

小样本下指数分布代替威布尔分布的研究

针对非电产品可靠性评估中选择故障分布模型的问题，提出了研究小样本下用指数分布替威布尔分布的可行性和可信性。建立了有关评价准则和指标，并用蒙特卡洛仿真得出了统计结果。给出了一个工程应用实例。     

基于预警卫星观测的弹道导弹运动状态估计算法

针对预警卫星仅有角度测量信息，目标运动可观测性很弱，而导致最大似然弹道估计条件病态严重的问题，提出基于提供目标状态估计和联合误差协方差的Levenbebg-Marquardt算法的修正最大似然估计（MML）算法。利用预警卫星初始观测时刻的目标高度和速度等部分先验信息作为伪测量量，推导出导弹运动状态参数估计的修正最大似然算法。最后，对算法进行了Monte—Carlo仿真研究，仿真结果表明估计误差同理论误差边界相当，验证了估计算法的一致性和有效性．     

确定电子产品MTBF增长的经典分析方法

本文用经典分析方法研究了经历研制试验的电子产品失效率(或MTBF)的问题。假设研制规划由m个阶段组成,在每个阶段中受试的产品是类似的;此外,假设电子产品的失效率满足:λ_1≥λ_2≥…≥λ_m。我们得到了λ_i(i=1,2,…,m)的约束极大似然估计和λ_m的经典置信限。最后用数值例说明了这些方法。