Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.     

一种新型超宽带紧耦合天线阵列设计

针对紧耦合天线阵列（Tightly Coupled Array,TCA）安装于飞机、导弹、舰船等平台时接地板严重影响其阻抗带宽的问题,将栅格形阻性频率选择表面与交指型偶极子天线单元相结合,设计了一种新型多层结构的超宽带TCA。采用CST对加载与未加载栅格形阻性频率选择表面时TCA的性能进行了比较分析。结果表明：未加载时,受接地板影响其最佳阻抗带宽（VSWR〈2）为4．5：1（2．1～9．5GHz）;加载后,TCA可克服接地板的影响,其阻抗带宽可达10．4：1（1．8～18．8GHz）。     

一种关于目标与安全管道相对位置估算方法

针对靶场试验安全控制中目标与安全管道位置估算的实际需求,结合靶场实时数据处理要求,提出了利用滑动窗口技术,动态载人理论弹道数据,并采用折半查找和KNN查询相结合的思想实现了目标与理论弹道最近邻点查询,完成了飞行目标与理论规划航迹间的位置等参数偏差查询。利用区间估计原理,给出了目标与安全管道相对位置估算方法,解决了传统试验中无法对目标与管道边界的接近程度进行量化的问题。     

DOA estimation and mutual coupling calibration with the SAGE algorithm

In this paper, a novel algorithm is presented for direction of arrival（DOA） estimation and array self-calibration in the presence of unknown mutual coupling. In order to highlight the relationship between the array output and mutual coupling coefficients, we present a novel model of the array output with the unknown mutual coupling coefficients. Based on this model, we use the space alternating generalized expectation-maximization（SAGE） algorithm to jointly estimate the DOA parameters and the mutual coupling coefficients. Unlike many existing counterparts, our method requires neither calibration sources nor initial calibration information. At the same time,our proposed method inherits the characteristics of good convergence and high estimation precision of the SAGE algorithm. By numerical experiments we demonstrate that our proposed method outperforms the existing method for DOA estimation and mutual coupling calibration.     

脉冲爆震发动机爆震管壁换热及冷却的实验

利用Pt100热电阻对脉冲爆震发动机(PDE)在有、无水冷状态下爆震管壁沿轴向的温度分布进行了实验研究.实验结果发现爆震管同一轴向位置处,爆震外管壁温度随爆震频率的增加而增加.同一爆震频率时,距推力壁位置越远,爆震外管壁温度相对越高.向爆震管换热系统中通入冷却水之后,爆震外管壁温度有明显的降低,并且爆震外管壁温度梯度也有一定的下降,20Hz时加水冷之后,PDE工作16s时,爆震外管壁温度最高可降低106.5℃.      

基于流形结构重建的多目标气动优化算法

在多目标优化中,Pareto解集是一个分段连续的k维流形,这一规律被传统进化算法所忽略。本文提出了一种基于流形结构重建的多目标优化算法,首先利用流形结构重建方法完成解集分布从目标空间到设计空间的映射,建立解集的概率分布,并在目标空间中扩展流形结构,从而借助解集在目标空间的推进来指导优化算法的快速演化。数值算例表明本文算法对于具有不同特征的Pareto前沿具有很好的适应性,能够极大提高算法的收敛效率。多目标气动优化算例验证,本文算法相比于常规多目标进化算法能够减少约80%的计算量,极大程度缩短了气动设计的周期。     

一种步进频率信号认知雷达波形优化设计方法

认知雷达常用于完成探测、跟踪、成像及识别等多重任务,为提高其综合性能,需兼顾多方面因素研究其波形优化设计问题。基于此,提出一种基于压缩感知（CS）RIPless准则的步进频率信号认知雷达波形优化设计方法。首先,建立了目标回波信号稀疏模型,分析了其与发射信号模糊函数之间的关系。其次,根据模型中观测矩阵的构造,基于RIPless准则,将波形设计问题转化为概率分布的互相干参数及其协方差矩阵的条件数的优化问题,从而通过自适应寻优算法,获得优化的步进频率信号脉冲重复时间间隔序列和子脉冲频率序列。相较于传统方法,所提方法在信号发射与接收之间形成了信息实时反馈和信号优化重构的闭环,在高概率准确重构目标径向一维距离像的同时,也实现了发射信号模糊函数的优化。最后,仿真计算验证了所提方法的有效性。     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

泵浦激光频率波动对核磁共振陀螺仪 零偏稳定性的影响研究

本文研究了泵浦激光频率波动对核磁共振陀螺仪零偏稳定性的影响.通过分析核磁共振陀螺仪理论模型和自旋光泵浦极化129Xe的过程,阐述泵浦激光频率波动对陀螺仪零偏稳定性的影响机理.结果表明,泵浦光频率波动会导致核磁共振陀螺仪零偏稳定性下降约3个数量级.泵浦光频率波动是制约核磁共振陀螺仪性能提升的重要因素.     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。