一种新颖的ICT扫描方式及其FBP重构算法

计算机层析成像检测的突出问题是获取一幅图像的时间太长.为了缩短较大尺寸构件层析成像检测的二代(TR,Transverse Rotation)扫描时间,讨论了一种准三代(RR,Rotation and Rotation)扫描的概念,推导了它的滤波反投影算法. 计算机模拟结果证明了该算法的正确性. 分析表明,在同样检测条件下,它的扫描速度将比TR提高3倍以上.      

空分多址技术在GSM系统中的应用分析

考虑到时分多址系统的特殊性质,并结合已有的时分多址系统中共信道干扰抑制技术,提出了一种应用于GSM(Global System for Mobile)系统的,不依赖于用户空间特征估计的空分多址方案.方案采用自适应天线和软波束形成技术,能够在时分多址基础上实现多路信号的空分接收.文章给出了在GSM系统中应用该技术的仿真实例,仿真结果表明,该方法能够有效的形成正交接收,发送波束,从而保证共用相同信道的多个用户间的互不干扰.      

DS/FH混合系统鲁棒自适应抗干扰技术

根据鲁棒估计理论,采用一种基于广义M估计的自适应滤波器消除DS/FH混合扩频系统中的部分带宽干扰,并推导了鲁棒自适应算法.比较了2种M估计中常用的ψ函数的性能:Huber函数(Huber function)、三权重函数(Tri-weight function).Monte Carlo 仿真结果表明,采用鲁棒自适应滤波器的DS/FH系统抗非稳态干扰性能显著提高,且具有拒绝特性的三权重函数性能明显优于Huber函数.      

基于改进CLAHE的航空发动机导向叶片DR图像增强

为了解决航空发动机导向叶片数字射线（DR）检测图像信息动态范围大、对比度低、细节信息不明显,缺陷区域难以识别的问题,提出一种改进型限制对比度自适应直方图均衡化（CLAHE）算法。采用CLAHE增强导向叶片DR图像对比度,同时引入基于空间均值滤波器的Gaussian掩模处理,进行DR图像降噪,提取DR图像的低频信息;采用CLAHE增强的图像与提取的DR图像低频信息线性做差,突出DR图像的高频细节信息;与CLAHE增强的图像线性叠加,进一步提高了DR图像的对比度,实现导向叶片DR图像增强。依据图像基本空间分辨率（SRB）、信噪比（SNR）、灰度平均值对DR图像增强效果进行评价。结果表明: 改进的CLAHE算法,可以同时将表征SRB的D13双丝线对应的调制深度值从49.17%提高到了56.08%,整体灰度平均值从32 400.66增加到了38 684.43,02号微小裂纹缺陷的SNR从14.10提升到了15.16。结果显示优化的CLAHE算法,相比自适应直方图均衡化（AHE）等4种经典的航空发动机导向叶片DR图像增强算法,不仅提高了平坦区域对比度,突显了边缘细节信息,而且有效提升了微小缺陷的视觉效果。     

网络攻击下无人机信息物理系统的自适应状态估计

针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。     

基于全线程树数据结构的笛卡尔网格高效生成技术

笛卡尔网格方法具有易于自适应、自动化程度高、网格质量好等优势。由于其非贴体特性,在处理复杂构型或者复杂流动问题时候往往存在网格量过大的问题,不容忽视。笛卡尔网格生成的效率直接影响了整个计算周期的长短,有必要发展高效的生成技术。对于笛卡尔网格而言,决定网格生成效率的关键在于网格数据结构,其直接影响计算量和存储量。针对三维构型进行笛卡尔网格生成,发展了邻居查询更快捷、内存利用率更高的全线程树数据结构,并在本文的方法框架下进行了适应性应用和改进。同时,为了高效地判断网格单元类型,构建了物面单元的快速检索方式,并引入了染色方法,进一步提高网格生成效率。还提出了一种鲁棒的奇异性检测算法,保证网格单元类型判断的鲁棒性。在流场解自适应方面,采用的是速度散度和旋度相结合的三维判据,以保证对于多种流动特征的捕捉能力。通过圆球、导弹、翼身组合体、机翼-副翼等算例进行了考核验证,经对比,网格自适应位置与理论解吻合较好,且网格单元生成耗时短、平均耗时受物面网格分布影响小,证明了方法的可靠和高效性。     

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。     

野值对FDRP-KF滤波性能的影响及其处理方法

一般来说,野值会导致滤波性能的下降,严重的情况下会导致滤波的发散。主要以INS/TAN组合导航系统为例,讨论了野值对FDRP-KF滤波性能所产生的影响及相应的处理方法。     

基于预测滤波的捷联惯导任意双位置对准方法

针对捷联惯性导航系统(SINS,Strapdown Inertial Navigation System)在大失准角情况下的初始对准问题,建立基于加性四元数误差模型的非线性滤波方程,并提出一种基于模型预测滤波(MPF, Model Predictive Filter)与扩展卡尔曼滤波(EKF, Extended Kalman Filter)相结合的地面任意双位置初始对准方法.该方法将部分惯性器件误差作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,并克服了将模型误差假设为高斯白噪声的局限性.半物理仿真结果表明,该方法有效提高了SINS姿态误差角的估计精度,而且也降低了系统状态变量的维数,提高了对准解算的实时性.      

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.