线性调频脉冲压缩雷达仿真研究

文章分析了线性调频（LFM）脉冲压缩雷达的工作原理,对LFM信号及其匹配滤波输出信号进行了仿真,验证了理论分析的正确性,进而对LFM脉冲压缩雷达系统进行仿真,得出LFM信号可有效解决雷达作用距离与距离分辨率之间的矛盾。     

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.     

姿态机动时天基武器系统的传递对准技术

根据考虑弹性变形的传递对准模型和空间导航解算所需的轨道运动学模型,研究了基于Kalman滤波的角速率与姿态阵匹配的姿态机动时天基武器系统的传递对准.仿真结果表明:弹性变形对两种匹配方式的传递均有影响;与Kalman滤波相比,H∞广义平方根滤波的对准性能更优;姿态阵匹配法较角速率匹配法更为适用.     

Rao—Blackwellized粒子滤波在SINS／GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求.因此,本文提出了利用Rao-Blackwellized(R B)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法.优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少.通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性.     

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 。
     

基于MEMS传感器的四旋翼组合测姿研究

针对四旋翼无人机机体尺寸较小、带载荷能力有限的特点,设计基于低成本MEMS惯性器件的测姿系统,以满足四旋翼无人机在系统控制方面的需求。但是低成本的MEMS惯性器件具有精度低,随机漂移大,容易受到外界环境干扰等缺点。本文充分发挥四旋翼无人机搭载的MEMS惯性器件的功能,分别利用两种方法测量载体姿态,并通过卡尔曼滤波的方法实现这两种测姿方法的数据融合。经过仿真分析,融合后组合测姿系统的测姿精度得到提高。     

基于滤波模型的航空制导弹药剩余寿命分布

如何更好地利用技术检测数据来预测航空制导弹药剩余寿命,这是弹药质量控制研究中的一个重要方向。利用动态主成分分析法提取了航空制导弹药状态检测参数主成分,解决了弹药检测参数冗余、相互关联的问题,为剩余寿命分布研究奠定了基础。基于滤波模型和威布尔分布以及正态分布,建立了航空制导弹药剩余寿命分布模型。通过实例,就能很好地将弹药剩余寿命分布与弹药故障联系起来,并动态掌握其剩余寿命分布情况。     

基于嵌入式平台的MEMS/GPS 组合导航系统实现研究

主要研究基于PC104平台的MEMS/GPS组合导航系统硬件实现方法.首先设计了对MTi-30 MEMS器件与GPS接收机的数据采集软件,基于统计分析方法分析建立了传感器的误差模型参数,构建了MEMS/GPS组合算法模型,基于MEMS惯性器件和GPS接收机实测数据确定了Kalman滤波器的系统噪声阵及量测噪声阵模型参数;然后利用实际测量数据进行了MEMS/GPS组合系统导航性能仿真;最后基于PC 104嵌入式平台,构建了MEMS/GPS组合导航系统原理样机,分别在静态和动态情况下完成MEMS/GPS组合导航算法实时测试,导航结果验证了硬件平台及导航算法的正确性.     

基于高斯权值-混合建议分布粒子滤波的疲劳裂纹扩展预测

飞行器结构的疲劳裂纹扩展预测对保障结构安全、实现视情维护具有重要意义。结合粒子滤波算法和结构健康监测方法进行在线的疲劳裂纹扩展预测是近年来刚刚开始研究的新方法,该方法通过状态空间模型表征疲劳裂纹扩展过程中的不确定性,同时通过贝叶斯方法将结构健康监测所获取的结构实际裂纹观测值用于修正裂纹扩展模型的预测误差,实现更准确的疲劳裂纹扩展在线预测。由于该方法的研究刚刚开展,已有研究中粒子滤波算法的重要性密度函数往往简单选取为先验转移概率密度,存在严重的粒子退化问题。另一方面出于简单考虑,仅采用表征裂纹稳定扩展区的Paris模型。针对上述问题,本文提出一种基于高斯权值-混合建议分布粒子滤波的疲劳裂纹在线预测方法,基于表征裂纹全扩展区域的NASGRO裂纹扩展模型建立疲劳裂纹扩展状态方程,以主动Lamb波监测方法实现结构裂纹的在线监测,借助在线结构健康监测的优势,在粒子滤波时选取重要性密度函数为观测概率密度和先验转移概率密度的混合分布,同时基于先验估计获取高斯权值进行权值更新。本文进一步进行了仿真研究,结果表明所提出的方法优化了疲劳裂纹扩展预测的准确性。     

基于残差学习的自适应无人机目标跟踪算法

无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建深度网络提取目标特征,同时克服网络退化问题;其次,将提取的目标特征信息输入核相关滤波算法,构建定位滤波器确定目标的中心位置;最后,根据目标外观特性的不同进行自适应分块,并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响,在跟踪成功率和精确度上均高于其他对比算法。