多分量雷达辐射源信号的检测与分离

针对多分量雷达辐射源信号难以有效检测与分离的问题,提出了时频变换结合时变滤波的方法。通过图像分割中的区域生长法在时频平面对各分量进行检测,对其中的线性调频分量采用分数阶傅里叶变换进行优先分离,再对时频或频域没有耦合的分量进行滤波,最后通过支持向量机划分分类线,用于时频耦合分量的分离。仿真实验结果表明,该方法可以对多分量信号进行有效的检测与分离。     

基于四元数的UKF多传感器卫星姿态确定

对采用磁强计和太阳敏感器的卫星姿态模型,应用无迹卡尔曼滤波(UKF)算法确定卫星姿态。由四元数描述姿态,在算法中将其转换成旋转矢量,另设计了四元数求均值的迭代算法,解决了四元数在UKF算法中的处理。仿真结果表明:广义卡尔曼滤波(EKF)算法对初值依赖性较大,UKF算法不受初值影响且精度高于EKF,具快速性、精度高和稳定性强等优点。     

A two-step robust adaptive filtering algorithm for GNSS kinematic precise point positioning

In kinematic navigation and positioning, abnormal observations and kinematic model disturbances are one of the key factors affecting the stability and reliability of positioning performance. Generally, robust adaptive filtering algorithm is used to reduce the influence of them on positioning results. However, it is difficult to accurately identify and separate the influence of abnormal observations and kinematic model disturbances on positioning results, especially in the application of kinematic Precise Point Positioning (PPP). This has always been a key factor limiting the performance of conventional robust adaptive filtering algorithms. To address this problem, this paper proposes a two-step robust adaptive filtering algorithm, which includes two filtering steps: without considering the kinematic model information, the first step of filtering only detects the abnormal observations. Based on the filtering results of the first step, the second step makes further detection on the kinematic model disturbances and conducts adaptive processing. Theoretical analysis and experiment results indicate that the two-step robust adaptive filtering algorithm can further enhance the robustness of the filtering against the influence of abnormal observations and kinematic model disturbances on the positioning results. Ultimately, improvement of the stability and reliability of kinematic PPP is significant.     

基于递推更新卡尔曼滤波的磁偶极子目标跟踪

针对磁性目标跟踪问题,以磁偶极子等效场源模型为基础,建立磁性目标跟踪的离散状态空间模型,将磁偶极子目标实时跟踪问题转化为状态空间模型的滤波估值问题。针对磁性目标初始条件难以获得且现有卡尔曼类滤波算法在大初始误差条件下容易出现发散的问题,提出一种递推观测更新的卡尔曼滤波算法,将现有的一步观测更新描述为递推更新过程,等效降低大初始误差带来的大非线性误差。仿真与实测数据测试结果表明,本文算法具有良好的精度和收敛性,能够有效抑制磁偶极子跟踪中由于大初始误差导致的滤波发散,适于实际应用。     

基于张量分解的动态Web服务推荐

在服务计算领域中,为了能够在大量具有相同功能的Web服务以及API等数据资源中选择适合用户的服务和接口,提出了服务推荐系统。当前常用的基于服务质量（QoS）的服务推荐系统所采用的模型假定服务的QoS值恒定不变,是一种由服务和用户的二元关系构成的二维静态模型。针对实际应用中,QoS是受到多种因素影响的变量这一问题,提出了一种可以描述多个影响QoS因素的张量模型,并利用张量分解算法来对服务推荐算法进行了改进。实验结果表明:提出的基于张量分解的服务推荐算法与6种现有算法相比较,预测服务的QoS值的绝对平均误差（MAE）不同程度地降低了20%~50%,并且所建模型能够描述更多的影响因素,从而可对服务进行动态推荐。      

动态测量数据的高保真容错Q-滤波算法

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。 采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。     

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。     

红外成像导引头抗干扰技术研究

红外成像制导是红外制导技术发展的趋势,在未来战争中将发挥重要作用。介绍了红外成像导引头的优缺点及其简单工作过程,重点分析了红外成像导引头针对不同的干扰源所采取的相应对抗措施,总结出了红外成像导引头的发展趋势是向着焦平面、智能化、通用化以及多模复合制导等方向发展。     

结构光三维视觉检测中光条图像处理方法研究

在结构光视觉检测系统中,光条中心的提取精度直接影响到整个测量系统的测量精度.光条图像的处理是其中重要的一步,尤其是受到严重噪声干扰的图像.探讨了被多种噪声干扰的光条图像的处理和精确提取光条中心的方法.给出了一种消除环境干扰的滤波模板并实验验证了其滤波效果.使用这些光条图像处理方法使整个测量系统在200mm×200mm的测量范围内测量精度达到0.083mm.      

改良点云过滤技术在汽车冲压件逆向中的应用

点云数据一般是由非接触式三坐标测量系统获取,得到的结果需要进行点云过滤.由于一般扫描的点云数据量比较大,单是过滤点云就要化费大量的时间.为此利用点云数据过滤原理,并结合逆向工程设计软件Image ware与设计软件CATIA,改进了原来的过滤技术,缩短了逆向设计的时间,提高了工作的效率.