相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

函数最优化求解方法及在直升机设计中的应用

本文叙述了求函数极值和函数最优化值的概念，并介绍了求解函数最优化值的无约束优化的DFP变尺度法及求函数有约束优化的罚函数法；并就求函数最优值方法在武装直升机结构最优化设计中的应用作一陈述。文章最后附有对方法软件考核的不同类型算例。     

遗传算法在试飞科目最优排序问题中的应用

以试飞科目间总的过渡耗油、耗时最省为性能指标，应用基于生物界自然选择机制和自然遗传机制的遗传算法，对试飞科目的最优排序问题进行了研究。介绍了遗传算法用于组合优化问题的基本原理和技术方法，根据试飞科目的最优排序问题的特点，构造了适当的适应度函数，对选择算子、交叉算子等进行了改进，充分利用了谝算法的工程性强、应用范围广等特点。仿真计算所得结果表明，应用遗传算法合理安排试飞科目次序，,可节省试飞耗油、耗时、减少试飞成本，提高试飞效率。     

图象序列中机动目标的形心跟踪

从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。指出经典的图象二值化变换分割后作形心估计的方法面临着估计偏差和方差的矛盾,提出了用自适应交互三模型(ATIMM)跟踪图象序列中机动目标的方法,同时发现在了解目标形状的条件下,空间匹配滤波,二值变换点集聚类和 ATIMM三者的结合对图象序列中的机动目标具有最好的跟踪性能。     

H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

 在对 H∞ 估计问题进行数学描述的基础上,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明,在理想条件下,Kalman滤波方法具有较高的精度;但是,当系统模型和外部干扰统计特性发生变化时,H∞ 滤波算法明显具有良好的鲁棒性能,同时,估计精度也较高,有效地克服了 Kalman滤波器存在的局限性。     

基于小波变换的图像低通去噪

提出了一种利用小波变换的多分辨率特性对图像进行低通去噪的方法,系统的阐述了其基本原理和核心算法,并对加噪后的图像实现了低通去噪处理。     

一种提高测量CCD成像系统MTF精度的数据处理方法

根据刃边图像的特点,采用中值滤波法、多剖线平均法以及局部滤波法对图像中的噪声进行前期处理,去噪效果好,使图像的有用信息损失小,提高了测量CCD成像系统调制传递函数的精度。实验表明,本文的数据处理方法能有效的提高测量CCD成像系统的传递函数的精度。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

一种用于解决粒子滤波粒子退化现象的重要性重采样算法的研究

粒子滤波通过蒙特卡罗模拟来实现递推贝叶斯估计,在非线性非高斯系统中体现出良好的特性;但粒子滤波存在粒子退化现象的缺陷,针对这一问题,提出一种新的重采样算法,即分区重采样算法,其主要思想是根据多项式重采样与分层重采样算法的特点,把随机数区间划分成若干个区,每个区内的随机数任意排列,而区与区之间按升序排列。与目前常用的其他重采样算法相比,该方法提高了粒子滤波的平均性能,仿真实验验证了该算法的有效性和实用性。     

涡扇发动机早期退化性能的线性变参数估计

针对涡扇发动机线性变参数(Linear parameter varying,LPV)模型,给出了一种新的早期退化航空发动机部件性能LPV滤波器设计方法.该方法采用仿射依赖于参数的二次Lyapunov函数,在仿射二次稳定性的基础上,引入多凸性引理将滤波器求解问题转化为线性矩阵不等式(Linear matrix inequalities,LMI)约束下的凸优化问题,避免了求解参数化线性矩阵不等式(Parameterized linear matrix inequalities,PLMI)约束下的优化问题.针对某型早期退化涡扇发动机的仿真表明,该方法能以较高精度估计性能退化参数,且鲁棒性强,增益调度简单,具有一定的工程意义.