气动力星座保持的闭环控制研究

本文研究了利用气动力进行星座保持的闭环控制问题。提出了一种改进的半全局指数收敛闭环控制律，对于指定的任意大的有界域，利用不变集定理论上证明了该控制律的稳定性和抗干扰性，又提出了双ε法以提高响应速度。     

关于Salomon假设的研究综述

高速切削技术在航空航天工业中应用广泛,取得了巨大的经济效益.Salomon假设作为金属切削领域一个著名的科学猜想,被认为是高速切削技术的发端.本文讨论了Salomon假设的起源,从理论研究、仿真分析和实验验证等方面总结了历史上学者对Salomon假设的研究成果,论述了Salomon假设的工程实践意义.结论认为Salomon假设实际上并未证实,其关于温度变化的假设成立与否应该取决于对切削温度的确切定义,而关于刀具磨损的假设已基本可以否定.最后展望了Salomon假设的未来研究趋势.     

一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法。首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理，然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法。在第三部分通过仿真试验检验了新算法的性能。初步的仿真试验结果表明该星模式识别算法性能优良，具有实用价值。最后讨论了待深入研究的问题。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

基于BP神经网络的景象匹配算法研究

基于BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。讨论了BP神经网络及图像的灰度不变矩和边缘不变矩，并把灰度不变矩和边缘不变矩同时作为匹配特征应用于本文BP神经网络景象匹配中。算法分析表明该算法具有很高的匹配效率。     

大型复杂仿真系统模型验证的有效途径

根据大型复杂仿真系统的特点,提出了利用贝叶斯(Bayes)理论对大型复杂仿真系统模型进行验证的方法,建立了检验建模与仿真(M＆S)中的复杂假设的规则及实现算法,经过部分实例证明此方法是一种准确、通用和有效的方法。     

无任何附加假设的梁的自由振动

本文不采用平面假设来研究梁的弯曲自由振动，也不采用剪切型振动假设研究短粗梁的自由振动，而用弹性力学的位移法导出了梁的自由振动微分方程，并推导了简支梁的自振频率的统一公式，其特殊情况即为有附加假设的自振频率公式。     

密集杂波背景下的水下多目标跟踪方法

水下多目标跟踪是水声信号处理领域研究的热点和难点问题。高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GM-PHD)滤波器以其高效的计算效率为解决水下多目标跟踪问题提供了保证。然而,GM-PHD滤波器在跟踪目标时需要先验已知新生目标的强度,否则其性能会出现严重退化。针对该问题,提出一种滑动窗两步初始化高斯混合概率假设密度(sliding window two step initialization GM-PHD, SWTSI-GMPHD)滤波器。将提出的滑动窗两步初始化方法嵌入GM-PHD滤波器,利用滑动窗两步初始化方法估计新生目标强度,减少杂波干扰导致跟踪结果中出现的虚假目标。仿真实验表明,在杂波密集环境下,相较于其他跟踪方法,提出方法将跟踪精度提高69.84%,52.62%和41.05%。     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

ESPRIT算法在单快拍阵列信号中的应用

ESPRIT算法利用旋转不变技术估计信号参数,是近年来提出的阵列信号处理理论的一个新领域,它具有高分辨率、高精度、不需空间搜索等优点。单快拍总被当作相干信号处理,本文采用了Teoplitz结构协方差矩阵估计,起了空间平滑作用,所以可以估计相于信号源的波达方向(DOA),与标准空间平滑协方差矩阵估计相比较,Teoplitz协方差阵估计在总体上提高了信噪比,并且不牺牲阵列孔径。 计算机模拟结果表明,基于Teoplitz结构协方差矩阵的TLS-ESPRIT算法在20dB信噪比下,可以分辨出相隔0.2瑞利波束宽度的空间信号。