正态-极小值Ⅰ型模式结构可靠性的Bayes、Fiducial及经典近似限

对于正态(分布参数未知)-极小值Ⅰ型(分布参数已知)模式,在皮力的均值比强度的均值小得多且应力的方差很小的条件下,本文给出了它的结构可靠性的Bayes、Fiducial及经典近似限。     

基于小样本的试验系统可信度评估方法

针对小样本试验数据信息匮乏、难以利用概率统计方法进行可信度评估的问题,将重抽样方法与小样本区间估计方法相融合,提出了小样本试验系统新型可信度评估方法。利用重抽样理论,获取多个具有相同样本量的相似小样本。根据灰色系统理论,提出了改进的灰色置信度及置信区间的定义及计算方法。并在此基础上通过求公共区间的方式计算原小样本数据的灰色置信区间。该置信区间在相同的置信度下,区间宽度更窄,精度更高。通过算例仿真,验证了上述方法的合理性、有效性,对工程试验中的小样本数据系统评估提供了一定的方法指导。      

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.     

基于X射线脉冲星导航试验卫星观测数据的到达时间估计

中国首颗X射线脉冲星导航试验卫星（X-ray Pulsar Navigation-1, XPNAV-1）搭载了两种体制的X射线探测器,其主要任务是在轨开展X射线脉冲星的探测以及进行脉冲星导航体制的验证。为了实现到达时间（Time of Arrival,TOA）的高精度估计,提出了利用阵列信号处理领域的多重信号子空间分类（Multiple Signal Classification,MUSIC）方法进行脉冲星导航的TOA估计,进行了试验仿真验证,并且对XPNAV-1观测到的蟹状星云（Crab）脉冲星的光子数据进行处理。在观测时间为协调世界时（Coordinate Universal Time,UTC）57727.0约简儒略日（Modified Julian Day,MJD）到UTC57812.0MJD内,选取了0.5~10keV频段内的121段光子观测数据,对这些数据进行了脉冲轮廓折叠,得到了Crab脉冲星的折叠轮廓,然后分别利用互相关法和MUSIC方法进行折叠轮廓的TOA估计,最后对比了两种方法的估计结果。     

基于公共余数最优估计的多通道干涉SAR高程重建方法

针对多通道干涉SAR高程重建方法计算效率较低的问题,提出了一种基于公共余数最优估计的多通道干涉SAR快速高程重建方法。该算法首先对干涉相位去除平地效应后,得出每幅干涉图像任意一个像素对应的缠绕干涉相位,构造出关于干涉相位模糊数的同余方程组;然后利用最优估计法求解出带噪声余数的公共余数的最优估计值,求解出各目标的高程值;最后再利用改进措施得到更高精度的高程重建结果。试验数据处理结果表明,该方法使得多通道干涉SAR高程重建的计算效率有了显著提升。     

弹性高速飞行器的状态/参数滚动时域估计

针对弹性高速飞行器非线性、不确定性和刚体/弹性耦合的特点,提出了一种基于QR分解和滚动时域估计的状态/参数联合估计方法。首先,通过引入滚动时域策略,将状态/参数估计问题转化为固定变量数目的优化问题,能够较好地处理时变参数的估计问题。然后,利用前向动态规划原理,将到达代价的计算转化为最小二乘问题,并利用QR分解进行求解,从而给出了基于QR分解的到达代价更新方法。这样使得整个滚动时域估计方法都建立在优化的基础上,且引入了反馈机制,提高了估计精度和速度。仿真结果表明:滚动时域估计的精度明显优于扩展卡尔曼滤波,且基于QR分解的到达代价更新方法在速度上优于传统的基于估计误差协方差的到达代价更新方法。      

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

Kalman滤波在频率估计中的应用与仿真

推导并建立了Kalman滤波器用于频偏估计的仿真模型,提出先对信号倍频,而后进行差积运算,得出载有频偏二倍频信息的复信号,再用Kalman滤波器估计复信号的相位和相位变化率,避免符号相位模糊,运算简洁便于数字实现。设计了一个Kalman滤波辅助解调的系统模型,给出了仿真结果。仿真表明,Kalman滤波技术用于频率的快捕可以大大降低失锁概率。     

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.