基于自适应扩展卡尔曼滤波的载波跟踪算法

精确的载波相位测量是精密测距中一个很重要的研究点。针对传统扩展卡尔曼滤波(EKF)的固定设计在先验信息不充分和动态变化环境中存在的不足,提出了一种基于自适应扩展卡尔曼滤波(AEKF)的载波跟踪算法。该算法通过实时监测滤波器新息或残差的动态变化,以修正状态噪声方差和观测噪声方差,进而调整滤波器增益,控制状态预测值和观测值在滤波结果中的权重。理论分析和仿真结果表明,本算法充分利用了观测信号的统计特性,克服了传统扩展卡尔曼滤波算法的不足,能够获得更好的载波跟踪性能。     

导航解算中的有色噪声及其协方差矩阵自适应拟合

使用Kalman滤波进行动态导航定位解算需要涉及函数模型和随机模型, 而在实际应用中, 精确的函数模型和随机模型很难直接给出, 因此, 动态Kalman滤波的精度和可靠性将会受到函数模型误差和随机模型误差的影响. 在假设观测噪声和动力学模型噪声主要是具有一阶自相关特性的有色噪声的基础上, 提出了一种基于移动窗口的有色噪声函数模型和随机模型的自适应拟合法. 给出了计算有色噪声估值和噪声协方差矩阵的表达式, 并利用实测数据验证了模型及算法的可行性和实用性. 计算结果表明, 该算法能有效抵制有色噪声对导航滤波结果的影响.      

紊流风场下的无人机飞行状态卡尔曼滤波估计

为了模拟紊流风场下的无人机飞行状态响应,减小紊流风场对无人机飞行速度的影响,使用数值法建立了紊流风场有色噪声模型,生成了符合大气紊流相关特性的紊流风场并对其进行数值仿真。在此基础上,通过状态扩增处理将系统噪声白化,设计出一种基于有色噪声的无人机飞行速度卡尔曼滤波器,该滤波器解决了基本卡尔曼滤波仅适用于白噪声的情况。仿真结果表明,使用此滤波器可有效减小紊流风场对无人机飞行速度的影响,进而满足飞行速度控制输入的精度要求。     

具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream (Fault-Tolerant Grid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS (Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.     

噪声加密集假目标复合干扰效果分析

根据密集假目标和噪声干扰信号的特点,建立了噪声加密集假目标复合干扰的数学模型,基于雷达信号检测的方法分析了复合干扰对雷达的干扰效果,并在实际装备试验中加以验证,最后提出了噪声加密集假目标复合干扰在作战中的使用策略。     

用于非线性有源天线的耦合锁相环特性分析

为实现非线性有源天线阵波束扫描,研究了互耦锁相环(PLL)的基本特性。通过对互耦PLL的相位动力学方程的稳定性进行分析,建立了具有延时的阵列模型;通过调节环路延时,互耦PLL不同的非线性动力学特性;采用四单元的耦合锁相环阵列实验电路对理论分析进行了验证,从而提出了在设计基于耦合锁相环的非线性有源天线时,必须对环路延时进行控制,防止环路出现振荡和混沌现象。     

噪声源校准方法及不确定度分析

噪声系数测量的一个关键指标就是测量不确定度,测量时所用的噪声源是引起噪声系数测量不确定度的一个明显因素。噪声源的精确校准可以有效地降低噪声系数的测量不确定度,因此它是获得高质量的噪声系数测量的关键因素。介绍了两种对微波和毫米波噪声源超噪比进行校准的方法,分别是Y因子法和增益法,并全面分析了引起校准不确定度的因素。     

直升机气动噪声研究进展

对直升机气动噪声的研究进展进行了综述,内容包括试验技术、理论分析方法和噪声抑制技术。声学风洞试验是直升机气动噪声研究的基本手段,其中非定常载荷测试、流场显示和声源定位等先进测试技术已实现应用;飞行试验在直升机噪声适航标准完善和噪声控制技术研究等方面已成为必不可少的研究和验证手段。直升机气动噪声的理论体系不断完善,包括声类比法、Kirchhoff/CFD 混合法等旋翼气动噪声分析方法都已形成分析程序,成为直升机研发的有效工具。直升机气动噪声的抑制仍然以旋翼桨尖设计为主,飞行轨迹优化、旋翼噪声主动控制等新技术已实现飞行验证,但尚未进行型号应用。在用户和市场需求的推动下,在新型直升机的研发中,引入气动噪声的抑制技术将是必然的发展趋势。     

翼型湍流尾缘噪声半经验预测公式改进

改进了传统的翼型湍流边界层尾缘噪声BPM半经验预测公式。传统的BPM半经验湍流边界层尾缘噪声预测公式对高攻角和厚翼型在高频范围的预测结果大于实验结果,通过分析比较传统BPM半经验预测公式和Howe翼型尾缘噪声理论模型发现:这主要是由于传统BPM半经验预测公式对压力面声源噪声辐射高估引起的。因此将压力面声源噪声辐射与吸力面声源噪声辐射的幅值比由原来的边界层位移厚度一次方比值改进为二次方比值,进而得到了改进后的BPM半经验预测公式;使用改进后的BPM半经验预测公式对NACA0012翼型在不同来流不同攻角下的噪声辐射进行了预测比较,发现对于NACA0012翼型,改进后的BPM半经验预测公式具有较高精度;另外也预测了较厚的风力机翼型DU-96-W-180,预测结果明显改善。     

包络均值滤波算法实时检测微弱信号

在强噪声环境下提取微弱信号一直是信号处理方法研究的难点,提出一种基于包络均值滤波(EMF,Envelope Mean Filter)的微弱信号提取算法,可以实时恢复出深埋在均匀分布噪声中的微弱缓变非周期信号的波形.EMF算法通过对混有均匀分布噪声的信号进行过采样,对信号的包络线进行实时分析,并用上、下包络的均值作为真实信号的估计值.为了使输出信号平滑、无跳变,采用实时滑模平均滤波器对估计值进行滤波,最终恢复出的原始信号.通过仿真研究对包络的分析算法、最优衰减系数的选取、过采样系数、平滑序列长度和不同信噪比的微弱信号对还原精度的影响进行了研究.EMF算法简单,可使信噪比提高60 dB以上.已经成功用于IEEE 1588精密时钟同步的时钟伺服算法中.