利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Ｔｏｅｐｌｉｔｚ特性,使估计的协方差矩阵成为Ｔｏｅｐｌｉｔｚ矩阵的方法,在低信噪比短数据流情况下,改善来波方向（ＤＯＡ）估计的性能,且不需增加乘法运算量．对ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法进行了分析并作了计算机仿真,仿真结果表明：利用Ｔｏｅｐｌｉｔｚ特性后,ＭＵＳＩＣ算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法ＤＯＡ估计的方差．     

基于EMD-CS的脉冲星周期超快速估计

面向X射线脉冲星周期估计的压缩感知（CS）中测量矩阵尺寸大,进而导致计算量大。针对这一问题,提出了一种基于经验模态分解-压缩感知（EMD-CS）的脉冲星周期超快速估计方法。将不同畸变度的脉冲轮廓进行EMD分解,得到一系列固有模态函数（IMF）。由于IMF包含了不同时间尺度的局部特征信号,脉冲轮廓畸变度这一微弱局部特征可体现在某些IMF中。采用迭代剔除法剔除冗余的IMF,剩下的IMF构成了测量矩阵。由于IMF的数量较少,采样率大幅减少。利用EMD-CS可实现X射线脉冲星周期超快速估计。通过计算复杂度分析结果可知,采样率与计算量呈正比关系。仿真结果中表明,EMD-CS的采样率为0.25%,仅为FFT-CS的1/29,因而计算量更小。     

AHP机场选址判断矩阵的一种构造方法

对AHP机场选址中专家或决策者给出的判断矩阵质量不高、一致性水平不满足要求的问题进行了研究。以1～9标度法则下同层因素相对重要性的内在逻辑关系为基础,结合机场选址因素众多的实际,提出基于一致性基准矩阵的判断矩阵构造方法。方法在充分利用专家或决策者比较有把握的判断信息的同时,能够有效克服专家或决策者作交叉判断时思维的不一致性,较好地解决AHP机场选址中判断矩阵的确定问题。     

有向切换拓扑下非线性多智能体系统的一致性控制

本文研究有向切换拓扑条件下无领导者的Lur'e型非线性多智能体系统的动态一致性问题。设计了基于协同邻居输出信息的观测器类型的动态一致性算法,可以保证在邻居状态信息未知情况下系统达到一致。利用Laplacian矩阵的特殊性质以及Laplacian矩阵的降维变型形式,提出了一种新的拓扑依赖的多重Lyapunov函数构建方法,进而将切换拓扑下的一致性问题转换为低维切换系统的稳定性问题。该方法放宽了对拓扑条件的约束,实现了网络拓扑依赖矩阵和系统动态依赖矩阵的独立设计。再利用多重Lyapunov函数法结合线性矩阵不等式方法对系统进行稳定性分析,给出动态一致性控制器的反馈矩阵的求解方法,得到了平均驻留时间条件。结果表明,提出的方法可使得Lur'e型非线性多智能体系统达成一致,只要满足每个候选拓扑中都包含有向生成树且切换拓扑的平均驻留时间大于一个指定的阈值。     

满足LQR指标的群系统编队形成问题优化控制方法

针对群系统编队形成问题,提出了一种满足LQR(Linear Quadratic Regulator)指标的优化控制方法。首先,建立编队形成问题的数学描述和设计编队形成控制协议。其次,给出群系统实现时变编队的充要条件,借助李雅普诺夫方法分析系统的稳定性。然后,设计了编队协议增益矩阵,给出了控制协议满足LQR指标的最优性条件。最后,仿真实验验证了控制方法的有效性。     

基于改进LAMBDA算法的GPS载波相位测姿技术研究

首先研究了利用多天线GPS载波相位测姿的基本原理,其中初始整周模糊度是解算载体姿态的关键。进而引入了一种改进的LAMBDA算法,该算法运用矩阵变换等数学方法在很大程度上削弱了模糊度之间的相关性,并结合基线长度检验方法筛选出正确的模糊度值。借助以Superstar接收机为核心的测姿系统,进行了航向角和俯仰角的静态测试验证,实验测试表明该系统能够实时有效地测量载体的姿态,满足低精度测姿系统的要求。     

卫星链路 CSSDS标准删除卷积码的识别方法

介绍了删除卷积码的定义,根据删除卷积码与源卷积码之间的关系,构建了删除卷积码识别的数学模型。考虑误码情况,针对Walsh‐Hadamard变换在删除卷积码校验矩阵的识别中存在运算量和数据量过大的问题,对校验矩阵方程组进行了变形,提出了改进Walsh‐Hadamard算法,能够有效地识别出校验矩阵。在此基础上识别源码的生成矩阵和删除模式,并通过真实卫星链路构建实验平台进行删除卷积码识别实验。     

基于拉普拉斯矩阵在Star网络中应用研究

计算机网络拓扑基本分为五种类型:星型、环型、总线型、树型和网状型,常见规则的网络是星型网络。本文将星型网络转化为拉普拉斯矩阵,采用递推法证明星形图的代数连通度为常数1,同时得到代数连通度、谱隙与聚类系数三者相同的结论。     

一种实值MUSIC算法

提出了一种实值MUSIC算法,通过构造实值转换矩阵Q[1],对协方差矩阵进行变换,使之转换为实矩阵,再进行实特征值分解,最后构造MUSIC谱进行谱峰搜索来获得信号的DOA估计。谱估计性能优于普通MUSIC算法,能有效减少计算量,并且对相干信号有一定的分辨能力。计算机仿真证明了此方法的有效性。     

基于影响矩阵的故障诊断方法及其在航空航天领域的应用

提出了系统影响矩阵的概念,在此基础上提出了故障诊断的一种新方法--基于影响矩阵的诊断方法。该方法的核心是系统影响方程和系统测量方程。系统测量方程描述系统的输出（测量）特性;影响方程描述系统的各部件对各输出（测量）的影响特性。该方法能将测量信号的分析处理和故障的定位很好地结合起来。