一种快速航空图像去雾算法

 基于暗元先验规律的图像去雾算法去雾效果较好,但在进行介质透射率估计时会造成图像中出现方块效应,所以需要进行图像抠图处理。而图像抠图计算复杂度非常高,使得图像去雾时间消耗很大。本文提出一种快速图像去雾算法,使用Kuwahara边缘-角点保持滤波器对大气散射光进行估计,并对所采用的Kuwahara滤波器进行改进。通过增加子块的数目以及进行局部加权等,提高边缘保留效果,抑制方块效应,从而获得较为准确的介质透射率。实验结果表明本文算法时间复杂度低,图像去雾效果好。     

∑-△型模/数转换方式的研究

模/数转换是控制系统中重要的接口电路,本文对种类繁多的模/数转换电路按照它们的转换方式进行了分类和比较,介绍了模/数转换技术的发展趋势和新兴的∑一△型模/数转换的几个基本概念.     

基于LPV模型的航空发动机控制器Kalman滤波器设计

针对航空发动机LPV模型,设计了1种改进Kalman滤波器设计方法,并应用于某型涡扇发动机控制系统中。涡扇发动机宽工况变化过程的仿真结果表明,该滤波器可实现对系统输出和状态的有效跟踪和滤波,较好地检验了该方法的有效性。     

混合型有源滤波器在开关电源中的应用

针对开关电源中存在的电磁干扰,提出了一种新的解决方法一混合有源滤波器.并对其滤波原理进行了分析,通过实验分析说明这种滤波器在处理开关电源电磁抗干扰中的可行性.     

空域滤波器组对雷达阵列合成距离像的影响分析

为了简化雷达系统硬件设计和降低成本,可以使用多个窄带成分来合成宽带信号,从而获得满足实际需要的合成距离像。针对合成宽带信号和雷达阵列的特点,详细分析了结合合成宽带信号及传统空域滤波器组情况下所合成距离像的失真原因,指出合成距离像的失真由形状变形和位置平移两部分组成,且这两种失真分别由各个空域滤波器输出幅度和相位的波动所引起。同时,推导出计算对应相位和幅度失真度的理论公式,并由此给出了当合成距离像存在可接受失真时阵列的临界条件。计算机数值仿真结果验证了以上结论。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构,提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法,该方法主要包括线下建立数据库和线上实时感知两部分。首先,在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样,并采用本征正交分解对所测得的全场压力数据进行降维,建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次,在线上基于压缩感知,利用离散压力传感器所测量数据与压力场主导模态,通过求解L₁范数下的最优化问题,对各主导模态的时间系数进行初步求解。最后,将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器,作为其系统模型进行预测;将线上所求得各模态时间系数放入卡尔曼滤波器,作为其观测值进行校正。以CFD模拟翼型压力作为验证数据,对该方法的性能进行评估,结果显示：该方法与仅采用压缩感知进行重构对比,升力重构误差从18.15%减小至6.39%。     

基于比例复数积分+重复控制的三相LC并网逆变器控制策略研究

针对传统PI控制的局限性,采用基于复数域的比例复数积分(PCI)控制与重复控制并联的新型控制策略,其中PCI控制可以在给定条件下消除交流稳态误差,重复控制能够抑制并网电流谐波,提高稳态控制精度。该新型控制策略可以较好地控制交流信号,能直接应用于三相abc坐标系,省去坐标变化环节,节约逆变器控制系统成本。最后通过MATLAB/Simulink仿真平台,建立LC型滤波器的逆变器并网模型,仿真分析证明了该控制策略的可行性。     

提高DCPR接收系统信噪比和抗干扰能力的方案

文章介绍了风云二号卫星地面应用系统工程高速数据收集平台报告信号（ DCPR）接收系统在北京气象站系统预交付联试中表现的天线频繁跟踪以及经过接收变频后的90.9MHz中频信号信噪比测试结果较差问题排查过程和有效的解决方案。问题排查过程主要针对DCPR接收系统射频接收机多个关键检测点进行测试,从测试结果和系统链路组成分析问题原因,并制定了四个具有针对性解决方案,主要是：DCPR接收系统射频接收机自带5MHz锁相晶体振荡器、加强手机信号干扰抑制、降低变频前链路增益、增加变频后链路增益以满足系统使用要求。最终将以上解决方案应用到风云二号卫星地面应用系统工程高速数据收集平台报告信号（ DCPR）接收系统中,问题得到了很好解决。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.