飞机颤振模态参数的频域子空间辨识

 研究了基于非参数噪声模型的频域子空间系统辨识法,并采用频域子空间辨识算法实现了基于多通道数据的颤振模态参数辨识,改变了传统的单通道颤振试验数据分析模式,试验结果表明子空间算法能有效提取多通道数据中包含的主要危险模态信息,且计算量小,适用于模态参数的在线分析。     

基于子空间和PEM的无人直升机两阶段参数辨识

在研究子空间辨识方法和预测误差方法(PEM)的基础上,提出了一种两阶段辨识方法,研究无人直升机的参数辨识问题.首先采用子空间方法得到初始参数模型,然后通过PEM方法得到参数化的直升机模型.为验证方法的有效性,以某型无人直升机实测数据为例进行参数辨识,结果表明该方法有良好的辨识精度.     

一种简化的机载MIMO雷达杂波特征相消器

针对机载多输入多输出(MIMO)雷达杂波抑制问题,提出一种简化的杂波特征相消器(EC).根据杂波在空时二维平面的先验分布离线构造杂波子空间.以此替代由协方差矩阵特征值分解(EVD)得到的杂波子空间,从而将最优权简化为一个确知投影矩阵与目标信号空时二维导向矢量的乘积,避免了传统EC方法中复杂的协方差矩阵估计和EVD运算,...     

基于恒模特性的QPSK-DSSS信号扩频序列估计

 针对非合作低信噪比条件下的QPSK-DSSS信号,提出一种基于恒模特性的扩频序列估计算法。该算法首先将单用户QPSK-DSSS信号等效为两用户的BPSK-DSSS信号,其次通过对信号协方差矩阵进行特征分解,估计出由同相与正交两路扩频序列张成的二维信号子空间,最后利用扩频序列的恒模特性消除特征分解带来的酉阵模糊问题,实现扩频序列的精确估计。本文提出算法实现简单,相对目前现有传统算法具有较低的计算复杂度,而且计算机仿真表明:本文提出算法在低信噪比条件下具有优良的估计性能。     

先进战斗机电子设备舱冷却系统优化方法研究

大功率电子设备的应用,使得以F-22为代表的先进战斗机电子设备舱的冷却系统面临高热负荷和大热流密度问题。针对先进战斗机的电子设备舱冷却系统的设计优化问题,分析比较了传统设计优化方法与多学科设计优化方法的结构体系及特点。其中传统设计优化方法选用整体优化方法和串行优化方法,多学科设计优化方法选用协同优化和并行子空间优化两种典型方法。通过MATLAB软件及ISIGHT软件平台,对上述优化方法进行仿真,分析仿真结果表明,多学科设计优化方法在解决多变量复杂系统的优化设计问题时,有相对计算量小的优越性。     

在冲击噪声环境中基于子空间的测向算法研究

 首先分析了冲击噪声的性质以及它对传统的基于二阶或高阶统计量的子空间测向技术的影响, 然后提出了一种新的在冲击噪声环境中基于子空间的阵列测向算法。该算法利用TLS-ESPRIT 算法的基本思想, 通过对阵列输出信号的协变异系数矩阵进行奇异值分解来估计来波方位, 最后进行了计算机仿真试验, 验证了该算法的可行性和有效性。     

基于子空间算法的对称结构重频模态识别

针对飞机等对称结构的重频模态较难识别的问题,在随机子空间算法的基础之上,利用空间投影的性质和响应点位置间的几何关系,分离对称耦合模态,建立对称模态响应和反对称模态响应Hankel矩阵,实现单独利用响应数据识别重频的对称和反对称模态。最后通过仿真算例表明,改进后的方法成功提取了重频模态的振型,避免了传统算法识别结果的中的振型耦合,同时提高了对称模态中固有频率和阻尼的识别精度。     

基于空间距离的快速稳健子空间跟踪方法

从空间距离的角度分析子空间跟踪问题,提出了一种新的子空间跟踪算法。提出的算法同时适用于信号和噪声子空间跟踪,而复杂度仅为3NL+O(N)。仿真表明算法对基的正交偏离稳健,对舍入误差不敏感,是一种快速稳健的子空间跟踪算法。     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

概率盒全局灵敏度和活跃子空间跨层降维

航空航天仿真系统中的不确定性通常是多源的、混合的,并且系统参数的维数众多。针对高维混合不确定性量化问题,提出一种结合概率盒全局灵敏度和活跃子空间的跨层降维方法。在随机和认知不确定的概率盒表征基础上,使用不确定性缩减法分析参数的全局灵敏度继而进行参数筛选;基于输出梯度协方差矩阵的特征分解,使用活跃子空间法对参数进行降维;构造出一种概率盒表征下的参数筛选和跨层降维方法。最后以NASA多学科不确定性量化挑战问题为例,通过概率盒全局灵敏度分析进行第1层次的参数筛选,原有的21维输入参数减为13维;随后采用活跃子空间进行第2层次的参数降维,维数进一步降至一维。研究结果表明,所提出的方法能够对混合不确定性参数进行灵敏度排序,还能够有效降低模型输入参数的维度,为高维系统混合不确定性量化和进一步的优化工作奠定了基础。