预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

利用积分球对CCD线性和面均匀性的标定

积分球对CCD(Charge-coupled Device)的标定,主要是利用积分球光源具有较好的均匀性、稳定性以及精度高的特点,通过CCD采集积分球光源的图片,将积分球光源亮度转换为CCD拍摄图像的灰度,通过对采集图片灰度信息的提取,得出了CCD标定的各项参数。CCD线性标定试验的结果表明:在CCD快门值固定时,光源亮度的变化和图像灰度呈线性关系,并且在转换后的不同灰度值区段,线性度有一定的差别:在中值区,线性度最好,低值区次之,高值区最差;在光强一定的情况下,CCD快门值的改变和采集图像的灰度也呈线性关系。均匀性标定的试验结果表明:CCD的光电响应的非均匀性是随着快门值和灰度的增加而减小的,但最终趋于一个较稳定的值。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

利用GPS进行姿态估计的一种算法

首先建立了全球定位系统（ＧＰＳ）姿态确定的观测方程;然后给出了利用ＧＰＳ进行飞行器姿态估计的模型,并对该模型进行了线性处理;最后利用攻推广卡尔曼滤波技术,针对某飞行器进行了仿真计算。计算结果表明,对于不同的测量噪声和系统噪声,滤波器都有较好的估计,姿态估计的精度明显高于单纯ＧＰＳ姿态确定的精度,可以满足大多数飞行器对姿态确定的要求,证实了模型和算法可用性。     

DDS中相位截断效应分析及其改善方法

分析了在直接数字频率合成（ＤＤＳ）中引起杂散的相位截断效应,针对其引起的杂散特点讨论了一种通过加入伪随机数改善杂散谱分布的方法,并通过计算机仿真进行了验证。     

陀螺罗经和计程仪辅助的GNSS/SINS松组合导航系统

针对GNSS/SINS组合导航系统在全球导航卫星系统(GNSS)失效情况下,系统导航误差会因捷联式惯性导航系统(SINS)的误差积累而迅速扩大的问题,提出一种基于卡尔曼滤波(KF)的GNSS/SINS/GC/VL松组合导航系统及算法。该算法利用引入的航向和航速信息建立滤波方程,可以实现在滤波后对SINS进行误差修正。仿真结果表明,有陀螺罗经和计程仪辅助的GNSS/SINS组合导航系统在GNSS失效情况下,其定位误差比传统GNSS/SINS松组合的定位误差小。     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。     

超分辨成象信号处理的硬件实现

简要介绍线性预测数据外推的超分辨距离－多普勒成象方法,并以一片高速数字信号处理（ＤＳＰ）芯片—ＴＭＳ３２０Ｃ２５为核心设计了一个专用信号处理器,能完成数据外推、加窗和１２８复数点ＦＦＴ,实现超分辨二维成象。文中给出了对Ｂ－５２模型飞机微波暗室转台实测数据的成象结果,并作了比较。