基于实践性活动项目的理论与实践融合互动教学模式研究

依据"教学基本要求"涵盖的课程内容、知识、能力点要求,以相应的实验、实训、目标电子产品分析、制作等实践活动项目为线索安排教学任务,将理论学科知识和素质培养融于任务能力,整合、重构课程结构模式.并将实验室、实训室、教室整合为理论与实践融合互动的一体化教学平台,创建了一个和谐的多方位融合互动教学情景场.从先行训练"通用电子仪器仪表三大件"开始,基于实验、实践性活动项目和对目标电子产品的使用、测试、分析讨论、分拆、制作,边做边讲、边讲边做,实现了理论与实践、知识与能力、教师与学生、学生与学生融合互动的教学过程.     

洛克希德公司F-22“猛禽”战斗机

F-22将替代F-15成为美国空军新一代卓越的战斗机。以其具备先敌发现、先敌射击、先敌杀伤的能力，F-22将继续保持21世纪美国在空对空以及空对地打击中的优势领先地位。在综合航电系统(IAS)的引领下，它将广泛开发导弹与远距离武器的使     

基于代价函数的传感器管理算法研究

针对多传感器目标跟踪的应用背景,研究了综合考虑系统性能与资源消耗的传感器管理问题.建立了基于代价函数的传感器分配优化模型,其中代价函数包括跟踪系统偏差代价和资源消耗代价两部分.采用协方差控制技术量化系统跟踪性能,将目标跟踪的实际协方差与其期望值之间的偏差作为系统性能偏差代价.传感器管理优化模型通过最小化当前时刻系统的总代价来分配传感器以维持目标跟踪.仿真结果表明,与传统的协方差控制传感器管理算法相比,该方法不仅能够获得理想的跟踪性能,而且能够更加有效地分配有限的传感器资源.     

考虑量测滞后的INS/SAR组合导航非等间隔滤波算法研究

由于INS／SAR组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，从而造成了量测的不等间隔频率输出和量测信息滞后。针对上述问题，采用常规的卡尔曼滤波算法难以获得高的滤波精度。本文首先分析了常规卡尔曼滤波器工作过程；然后在此基础上，提出了采用非等间隔并解决滞后的滤波算法以解决上述问题。本文利用系统状态转移矩阵的特性，设计了相应的非等间隔卡尔曼滤波算法，以解决非等间隔量测的问题；同时，在该非等间隔卡尔曼滤波算法的基础上，提出了解决量测滞后的方案。并通过协方差分析的方法对比分析了常规卡尔曼滤波器，非等间隔卡尔曼滤波器和解决滞后效应的滤波算法三种情况下的滤波精度。仿真结果验证了本文提出的算法具有较高的滤波精度。     

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

自动目标识别及与其相关的非合作式敌我识别问题通常要求将多传感器信息融合到一个统一的战场图像中。当前解决这个问题的途径是分步进行的：首先检测目标；接着估计目标的航迹，并采用这些航迹进行多传感器信息相关或关联；经过关联的信息被综合到一体化的图像中并进行目标识别．将复杂的问题分解为几个较小的问题分步解决的缺点是每一步仅能利用部分信息。例如，从杂波中检测出目标不可能在单独传感器的一帧内完成，而且它所要利用     

模糊神经网络应用于数据融合中实现目标的身份识别

结合“情报侦察与数据融合专家系统”的需求 ,对基于产生式规则的模糊知识表示和推理、神经网络的结构和机理进行了研究 ,提出了将模糊规则与神经网络相结合 ,实现一种新的推理方法。在此基础上 ,实现了一种将模糊规则转化为神经网络的算法以及神经网络的学习算法 ,并具体讨论了这种新的推理方法在“情报侦察与数据融合专家系统”中实现飞机的身份识别的应用。实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来 ,充分利用了两者各自的优势 ,最终达到了对目标身份识别的效果     

基于神经网络的加工误差智能预测技术

通过理论和实验分析了造成加工误差的主要原因，找出并有效地提取体现加工误差原因的加工参数及加工状态特征，如切削用量、刀具直径、顺／逆铣、主轴电流和振动信号等，从而建立加工状态特征与加工误差之间的关系模型。同时叙述了针对ＨＵＲＣＯＢＭＣ－２０Ｌ镗铣加工中心建立的加工尺寸智能预测实验系统，采用多传感器信息融合技术，建立了基于ＲＢＦ神经网络的加工误差智能预测模型。并通过实验验证了此方法的可行性、有效性。     

一种带随机偏差的分布式信息融合滤波算法

在通信、计算机、信号处理、自动控制中,对于带有未知的干扰和偏差的随机系统的状态估计已经广泛出现。在现实环境中,不同的传感器可能受到不同的干扰影响。研究随机系统的状态估计问题在实际应用中具有重要的意义。对带有随机偏差的线性随机系统,将系统转换为多模型结构的特殊情况。利用最小方差的最优加权融合估计算法,获得了分布式信息融合滤波算法。通过仿真可以看出,分布式信息融合算法要比局部估计算法具有更高的精度,算法具有分布式结构,这使其具有更好的鲁棒性和可靠性。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

基于测量值模糊贴近度时空融合的多传感器融合方法

针对实际多传感器目标跟踪系统中,传感器测量值中的野值对状态估计的不利影响,该算法利用概率源合并理论和非负矩阵特征向量理论,算出k时刻空间上各传感器测量值与其他传感器测量值的综合贴近度,同时将k个时刻的空间上融合的模糊贴近度进行时间融合,以此确定每个传感器的权重。仿真结果表明,该算法有效地抑制了测量野值对测量融合值的不利影响,提高了系统的跟踪准确度。