基于参数敏感性分析的反设计方法

在基于类别形状函数变换(CST)的反设计方法中,通过考察CST参数化与反设计过程,完成了基于参数敏感性分析的反设计,实现了翼型的快速、准确反设计;研究了Bernstein多项式阶数进化对反设计过程敏感性的影响。研究结果表明,在亚音速状态下,采用反设计方法能使设计压力分布较好逼近目标压力分布;在跨音速状态出现激波时或在计算过程出现迭代发散时,加入阶数进化手段后的敏感性分析方法能改善激波区域的敏感度,使迭代较好收敛。方法能够反映各种光滑翼型压力残差和翼型几何外形改变的关系,在给定状态下用初始翼型快速且比较准确地拟合目标翼型。     

卫星位置和速度的Lagrange插值算法分析

导航接收机中通常采用开普勒轨道参数法计算卫星的三维位置和速度.这种算法计算量较大,在资源有限的廉价用户机或要求高频度输出卫星位置和速度的高动态接收机中会使处理器资源非常紧张.采用Lagrange插值算法可以获得相同精度的卫星位置和速度,且大大降低计算量.利用GPS数据对不同插值区间长度和插值阶数的Lagrange插值法的计算精度和处理时延进行了定量分析.结果表明,Lagrange插值算法计算卫星位置和速度可以使处理时延降低十几倍,这在每个历元的导航解算需要同时计算多颗卫星位置和速度的接收机中具有重要意义.     

3种气动弹性状态空间建模方法的对比

研究气动弹性状态空间建模的3种常用方法:最小二乘(LS)法、最小状态(MS)法和拟合状态空间(MA)法.用2个算例从颤振和频响特性角度分析和总结了它们的建模特点.在气动力有理函数拟合建模方法(LS法、MS法)研究中,着重分析滞后根的影响;在MA法的研究中,讨论了建模的特点.最后,系统对比了3种建模方法的建模效果及使用原则,为这些方法的工程应用提供参考.仿真计算结果表明,MS法建立的模型阶数低、精度适中且使用方便,是比较好的方法,而MA法建立的模型频响特性与参考结果最为接近.     

利用降阶定理计算行列式中的最小阶数

通过讨论利用降阶定理计算行列式中的最小阶数问题,给出了分解的最小阶数,同时结合矩阵的满秩分解,给出了一种有效的行列式的计算方法。     

叶轮机周期性非定常流高效降阶数值计算方法研究进展

简要介绍了叶轮机内非定常流对叶轮机性能的重要影响,总结了叶轮机内动静相干和叶片振动诱发的非定常流的时空周期性特点,并指出这些时空周期性特点可以加以利用,发展分析这些非定常流的高效降阶数值计算方法.本文根据不同数值降阶方法的特点对其进行了归类,详细分析了各自的优缺点及在气动弹性力学领域的应用,并进一步展望了降阶数值方法在...     

基于互相关向量估计的自适应盲均衡算法

基于互相关估计的盲MMSE均衡算法以批处理方式估计信道输出向量和信道输入信号之间不同延时的互相关向量,得到MMSE均衡器系数。由于涉及到大型矩阵乘积,若在线实现,计算量较大。根据该算法对信道阶数过估计不敏感特性,推导出基于互相关向量估计的盲MMSE均衡的自适应实现算法。自适应算法将矩阵和矩阵相乘转换为矩阵和向量的相乘,大大减少了均衡系数更新计算量,计算量仅为O(K2)(K为矩阵维数)。仿真结果显示自适应算法的收敛性能远远优于目前存在的自适应算法。     

卫星通信中16QAM信号的数字预失真研究

高阶信号通过功放时发生非线性失真,需对功放进行线性化补偿,功率回退法是最简单直接的线性化方法,但功放效率不高。数字信号处理技术的发展使得数字预失真技术成为补偿功放失真最有效的方式之一,在一定程度上促进了高阶调制信号在卫星通信中的应用,缓解频谱资源紧张问题。以16QAM信号为对象,着重研究了预失真器模型的两个关键因子——非线性阶数和记忆深度——对预失真性能的影响。仿真结果表明,相较于非线性阶数,记忆深度对预失真性能的影响更大;而且功率回退法和数字预失真方法的结合使用可以取得更好的预失真效果。     

高动态环境下GPS信号跟踪环路优化算法研究

跟踪环路优化主要针对于降低GPS接收机测量中的热噪声误差和动态应力误差。调节环     

白化滤波器阶数对GLS算法辨识结果的影响

在数据长度一定的前提下,讨论了如何用GLS算法得到精度较高的辨识结果。仿真结果表明:GLS算法中白化滤波器的阶数对辨识结果有影响;如果适当选择参数,则可保证在数据长度相同的条件下,辨识精度较高。     

基于SABA优化的Volterra级数空战目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题,通过分析并结合目标机动轨迹时序数据所具备的混沌特性,引入Volterra泛函级数模型进行目标机动轨迹预测。为解决Volterra泛函级数模型中存在高阶核函数难以求解的问题,利用变异机制和自适应步长控制机制改进蝙蝠算法的寻优能力,进而构建了一种基于自适应蝙蝠算法（SABA）优化的Volterra泛函级数目标机动轨迹预测模型,并利用优化后不同阶数的Volterra泛函级数模型对目标未来机动轨迹进行预测。仿真实验中,通过与其他优化算法改进的Volterra泛函级数模型的预测精度对比,验证了所提预测模型的可行性,同时也说明了二阶Volterra泛函级数模型更加适用于目标机动轨迹预测。