基于自适应滤波的引信噪声调幅干扰抑制

噪声调幅干扰是一种有效的压制性干扰,可压制近炸无线电引信对目标信息的获取。为提高连续波多普勒无线电引信抗噪声调幅干扰的能力,将单频率自适应陷波器应用到连续波多普勒引信中,对噪声调幅干扰进行抑制。分析了噪声干扰抑制原理,并对噪声干扰抑制效果进行了仿真。仿真结果表明：SJR=-10dB时,仍然能达到很好的噪声调幅干扰抑制效果。     

基于输入成形的挠性航天器自适应滑模控制

针对大型挠性航天器姿态机动过程中的振动抑制问题,提出一种输入成形(IS)与自适应滑模控制(ASMC)相结合的控制策略.该控制策略利用输入成形抑制标称挠性系统的残余振动,并通过滑模控制保证实际系统在参数不确定性和外部干扰的影响下实现对标称系统的跟踪,解决了输入成形对参数不确定性和外部干扰的敏感性问题.进一步采用自适应技术去除了滑模切换增益对参数不确定性和干扰上界的先验性要求.仿真结果表明,在参数不确定性和外界干扰的影响下,该控制方法能够保证在完成姿态机动的同时抑制航天器的挠性振动.     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

计算跨声速机翼尾涡流自适应区域方法

本文利用自适应区域方法调节机翼后每个Ｔｒｅｆｆｔｚ平面上的计算域，使得尾涡对这个计算域边界的影响足够小，从而提高了计算的精度和时间。考虑到间断面的影响，在尾涡面上引入有旋项对流场进行计算。椭圆载荷机翼计算表明本文计算结果与经典Ｂｅｔｚ理论一致。用本文方法对某轰炸机进行了计算，计算结果已用于预计其实际飞行的尾涡面。     

二维Euler方程的非结构网格再生成自适应方法

给出了提高二维Ｅｕｌｅｒ方程定常解质量的非结构网格自适应方法和模拟结果。流场算法为结点型有限体积法和Ｌａｘ－Ｗｅｎｄｒｏｆｆ格式，网格用阵面推进法生成，生成初始网格时使用均匀的直角坐标背景网格。     

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于矩阵填充的二维自适应波束形成算法

针对基于矩阵填充的二维自适应波束形成问题,提出一种基于奇异值门限(SVT)的特征分解线性约束最小方差(SVT-ELCMV)算法。首先建立二维自适应波束形成矩阵填充模型,其次验证接收信号矩阵满足零空间性质(NSP),并分析最小可恢复阵元数,最后以SVT算法将稀疏阵列信号恢复为完整信号,并通过修正的特征分解线性约束最小方差(LCMV)形成有效波束。算法解决了稀疏阵列平均副瓣大幅度上升的缺陷,且在平面阵列部分阵元无法正常工作时依然有效。计算机仿真表明:SVT-ELCMV算法可使稀疏阵列具有与完整阵列相同的二维波束形成能力,并可有效抑制干扰信号,验证了算法的有效性和优越性。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。