基于DCT变换的变步长LMS自适应收发隔离算法

将变换域LMS算法和变步长LMS算法相结合 ,提出了一种基于DCT变换的变步长LMS自适应算法 ,从而有效地降低了输入信号自相关矩阵特征值的分散程度 ,并且克服了固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾 ,达到了改善干扰机接收信号信干比的目的。计算机仿真结果表明该算法具有更快的收敛速度和更小的权失调噪声 ,可以很好地应用于自适应收发隔离系统     

吸收变异的粒子群算法及应用

提出了一种改进的粒子群算法,称为ConvergencemutationPSO(CM_PSO)。该算法根据粒子群中各粒子的适应值动态地调整粒子数量,把部分适应度差的粒子适当汇聚到适应度好的区域,在不损失全局搜索能力的同时,增强局部搜索能力。在将该算法应用于雷达组网误差配准问题中,提出了一种基于CM_PSO的误差配准技术。仿真表明,该算法能有效配准,与对比方法相比较,具有更好的收敛精度和更快的进化速度。     

月面应急上升自适应制导技术研究

针对月面应急上升问题,研究了一种显式自适应制导方法.根据极大值原理,推导建立了5个约束条件下最大能量入轨的两点边值问题.设计了一种双层迭代求解策略,内层通过牛顿迭代求解最大能量入轨的两点边值问题,外层通过调整时间使得速度满足目标速度.在外层迭代中,设计了一种时间迭代调整策略;在内层求解两点边值问题中,根据任务中推力方向...     

柔性铰接板振动测量及迭代学习主动控制

大型柔性板状结构广泛应用于航空航天领域,这种结构特性极易引起低频振动,针对这一问题以柔性铰接板为研究对象,探究了柔性铰接板在受外部激励作用下弯曲模态的振动特性.为此搭建了一套用于测控柔性铰接板振动特性的实验平台,采用了立体视觉和压电陶瓷传感器分别检测柔性铰接板的振动信息,以此信息作反馈,采用了变遗忘因子的迭代学习控制方法对柔性铰接板的振动进行主动控制,同时以PD控制的实验效果作为对比.实验结果表明,不论是大幅值的快速衰减还是小幅值的残余振动抑制,迭代学习控制效果都优于PD控制.     

复合材料螺旋桨扭转变形对推力脉动影响研究

本文基于面元法和有限元法,采用Fortran和Python语言混合编程,开发了求解复合材料螺旋桨稳态流固耦合的自迭代算法,并以某碳纤维桨为对象开展了静态加载变形试验和水动力性能试验,对自迭代算法有限元计算精度和水动力计算精度进行了试验验证。在此基础之上以大侧斜的4383复合材料螺旋桨为研究对象,采用该算法对4383复合材料螺旋桨在设计工况下的螺距角变化量和推力系数差值之间的对应规律进行了研究,结果表明大侧斜的4383复合材料螺旋桨能够有效降低推力脉动。     

一种新的非扩张映像不动点的复合迭代算法

在Banach空间中．引进了一种新的逼近非扩张映像不动点的复合隐迭代格式。证明了一些弱收敛和强收敛定理。并给出了相对收敛率的估计。本研究结果改进了已有同类的结果。     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

航天器轨道交会迭代制导算法

针对航天器轨道交会的脉冲推力模型与实际发动机连续推力模型不相符的问题,研究一种脉冲变轨策略的工程实现方法,使脉冲变轨策略可应用于工程实际.基于Lambert飞行时间定理和遗传算法,研究航天器最优脉冲变轨策略.根据脉冲变轨优化的结果,采用迭代制导算法研究脉冲变轨工程化问题.仿真结果验证了迭代制导算法在航天器轨道交会中的有效性.     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

基于SOVA的并行级联空时格码的译码算法

并行级联空时格码调制(Turbo—STCM)将并行迭代译码结构(Turbo)应用于空时编码，可以极大地提高空时格码的编码增益。本基于一种改进的(Soft—output Viterbi a1gorithm，SOVA)译码算法，提出了针对Turbo—STCM的并行迭代译码方案。仿真结果表明，在保持分集增益的前提下，Turbo—STCM和原始的空时格码调制相比，编码增益有了极大的提高．同时采用该SOVA算法译码复杂度低，速度快，更利于实际系统的开发实现．