基于Kalman滤波的卫星光谱成像仪非均匀性场景校正

为消除在轨卫星光谱成像仪的非均匀性,提出了一种基于Kalman滤波器校正算法.给出了校正算法,建立了均方根误差和列向粗糙度等评价指标.对美国TERRA卫星MODIS仪器图像的校正试验结果表明:用Kalman滤波器校正方法去除遥感图像中非均匀性条带的效果明显,校正后图像的品质显著提高.     

飞行控制用激光陀螺的一种滤波方法

采用传统的FIR低通滤波器对激光陀螺输出信号滤波后会产生较大的时间延迟,使得滤波后信号难以满足姿态控制系统的要求.为了保证响应时间与导航精度均满足需求,本文研究了低阶FIR低通滤波器与自适应IIR陷波器相结合的滤波方法.理论仿真和试验结果表明,该方法可以有效的消除激光陀螺抖动偏频信号,同时能够显著缩短时间延迟,具有工程实用价值.     

扩频通信系统中自适应陷波滤波器的性能仿真研究

针对直接序列扩频通信系统中的窄带强干扰信号,研究了基于即时干扰频率估计与陷波滤波器的自适应开环干扰抑制方法。重点比较了2阶IIR,3系数FIR与5系数FIR陷波滤波器对扩频信号波形畸变和系统误码率的不同影响。探讨了使用此3种干扰抑制方法构建一个抗窄带干扰能力达60dB以上的扩频通信系统的可行性。研究结果表明在具有成形滤波器的直扩通信系统模型下,与RS(255,223)码结合使用,2阶IIR陷波滤波器的处理增益为1023的单纯直接序列扩频系统在信噪比-10dB 及系统误码率10 -6 的条件下具有60dB以上的抗窄带干扰能力;而使用3系数或5系数FIR陷波滤波器的扩频通信系统不可能达到60dB的抗窄带干扰能力。     

基于卡尔曼增益的Duffing系统状态预测算法

传统的Duffing系统检测算法主要基于相图的变化,通常需要大量的循环采样点数来激励系统从混沌态转移到大尺度周期态,极大地限制了Duffing振子的应用。本文提出一种新型的基于卡尔曼增益的预测算法,通过建立Duffing系统状态方程并设定量测方程的控制条件,得到Duffing系统的卡尔曼增益改进形式,根据增益的变化可以实现Duffing系统状态的预判,从而降低了系统的输入采样。谐波信号检测实验表明,相比传统算法,预测方法不仅可以减少至少50%的循环采样点数,而且检测的精度也得到了显著的提高。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

Chebyshev模拟滤波器离散化问题分析与解决

针对高阶次、 低截止频率的Chebyshev模拟滤波器离散化发散问题,从滤波器阶次、采样步长、 截止频率、 离散化方法、 滤波器种类等方面进行了细致分析,得出定性原因,并针对该问题给出了通用解决方法.通过仿真实例和试验,验证了所提方法的有效性.     

基于LMS格型算法的自适应参数谱估计方法

研究了自适应参数谱估计的基本原理,提出了基于最小均方误差（MMSE）准则的LMS格型滤波算法实现自适应参数谱估计的方法。通过对仿真测试信号和线性调频信号的计算表明,该方法能够在改善谱分辨率的同时提高运算效率,满足遥测速变信号的处理和分析计算的要求。     

Mach-Zehnder型光滤波器滤波性能改善的研究

介绍了Mach-Zehnder型光滤波器的结构,分析了其功率传输特性,针对该型光滤波器功率传输带宽较窄、锐截止特性较差的特点,提出了一种在Mach-Zehnder光滤波器波导短臂上插入光环形腔的改进型新结构方案.理论分析表明,该改进型Mach-Zehnder光滤波器功率传输带宽较宽,锐截止特性较好,可望在超密集波分复用(UDWDM)光纤通信的复用/去复用技术中得到应用.     

开关电源EMI滤波器的设计

本文分析了开关电源EMI信号的特点,阐述由实验得出的开关电源噪音等效电路,给出抑制开关电源干扰信号的EMI滤波器。     

发动机性能量与输入量的相关性研究

展开了相关性研究，讨论了一种相关性分析的算法，并在此基础上进行了大量的数字仿真实验，结果表明通过相关性分析不但可减少计算工作量，而且即使在传感器有限的情况下，模型也可很好的跟踪发动机，两者的匹配效果较好