基于改进粒子滤波的微弱目标检测前跟踪算法

研究高速微弱目标的积累检测问题,提出了一种改进粒子滤波的检测前跟踪算法。该算法采用与雷达距离-多普勒图像相匹配的量测数据模型,能克服传统点扩散函数的模型误差。采用“新生”粒子从强度最高的分辨单元集内均匀产生,且按概率对权重最低的部分“存活”粒子用“新生”粒子将其替换的粒子更新策略,在增加粒子多样性的同时缓解了粒子的退化。仿真实验表明,本文算法的检测与跟踪性能要优于标准的粒子滤波算法。     

航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。     

一种基于证据修正的一致性模糊Petri网模型

针对传统的基于模糊Petri网模型的形式化推理算法不能很好地求解含闭环结构的模糊Petri网,提出了一种基于证据修正的一致性模糊Petri网模型。该模型通过引入证据修正因子,把多规则情形退化为一定置信度的带复合证据的单规则情形进行处理,有效简化了模型中的闭环结构。该模型还充分利用模糊“与”规则和模糊“或”规则的内部逻辑关系,对产生式规则中逻辑“与”和逻辑“或”两种组合关系进行了区分,克服了传统的“累加型”加权模糊逻辑方法的缺点,降低了算法推理的复杂度。最后通过实例证明了该模型的有效性,而且易于编程实现,尤其适合应用于较复杂的模糊Petri网推理。     

抗“飞点”的UKF GMPCPHD滤波算法

为实现被动测角目标状态和数目的实时估计,在高斯混合粒子（Gaussian mixture particle, GMP）的势化概率假设密度(cardinalized probability hypothesis density, CPHD) 滤波框架下,提出了基于抗“飞点”无迹卡尔曼滤波器（unscented Kalman filter, UKF）的GMPCPHD滤波算法,即抗“飞点”的UKF GMPCPHD滤波算法。在该算法中,粒子滤波的重要性采样函数由抗“飞点”UKF产生,粒子的预测与更新采用拟蒙特卡罗(quasi Monte Carlo, QMC)方式,目标状态的概率假设密度（probability hypothesis density, PHD）和势分布用一组高斯粒子滤波器（Gaussian particle filtering, GPF）近似。通过该算法与GMPCPHD、UKF-GMPPHD滤波算法的对比仿真,验证了该算法良好的跟踪性能。     

混合人工蜂群算法

针对人工蜂群算法收敛速度慢、容易出现“早熟”的缺点,提出了一种混合的人工蜂群算法 (hybrid artificial bee colony, HABC)。在人工蜂群算法的迭代中引入淘汰规则和新的搜索策略,以提高算法的收敛速度;同时,为了维护群体的多样性,对种群中的个体采用差分进化。通过对一个调频(frequency modulated, FM)合成器参数优化问题测试,表明该算法能够有效地克服“早熟”现象,提高了全局寻优的能力。将其应用于线性系统逼近问题,仿真实验表明该算法是快速有效的。     

弱偏好序下的最优单边匹配算法设计

传统的匹配算法假定学生偏好序是严格的, 但在现实中匹配的学生一方很可能会具有弱偏好序, 这时任意一种算法的双边匹配都不能满足稳定、抗操作和帕累托最优. 在中国, 高等学校录取的“平行志愿”录取方式是一个典型的单边匹配. 因此论文将弱偏好序的匹配算法研究拓展到单边匹配领域, 设计了“挤出”匹配算法, 并证明该算法满足稳定、抗操作和帕累托最优的算法, 且匹配后学生总效用最高. 通过计算机算法模拟的方式, 全志愿模拟录取证实“挤出”算法确实能显著改进匹配效率, 且主要改善优先序排名较后的学生的效用; 在两批次高考志愿录取模拟中, “挤出”算法使学生总效用最高, 能同时保证“高分低就”率和“高分落榜”率最低.     

基于双重优势的自主式综合评价方法

以“自主式”综合评价理论为基础,提出了一种能够体现被评价对象双重优势的自主式综合评价方法。依据“序优化目标”假设,把被评价对象之间的关系划分为“竞争”和“协作”两种类型,各被评价对象具有“突出自身和‘协作者’绝对优势、弱化‘竞争者’绝对优势”的一致目标。据此,建立相关模型,然后通过对多个被评价对象的评价信息再集结,得出最终的评价结论。最后,通过一个算例检验了该方法的有效性。     

基于混沌粒子群优化的系统级故障诊断策略优化

针对诊断设计优化过程中的关键问题--故障诊断策略优化,提出了基于混沌粒子群优化算法的系统级故障诊断策略优化方法。该算法利用混沌优化不重复遍历系统所有状态的特点,引导粒子在全局范围内搜索,从而克服了粒子群算法“早熟”收敛的缺点。这使算法不仅具有较快的收敛速度,又保证了获得的最优解的可靠性,为获得有效的系统级故障诊断策略提供了可行的方法。最后,给出了该算法在诊断策略优化过程中的关键步骤,通过仿真证明了该算法对于系统级故障诊断策略优化的有效性。     

基于状态记忆的航天器自主故障诊断方法

针对基于传统第一原理理论的诊断方法中,由于忽略了自主诊断时历史诊断结果对当前诊断的影响而导致无谓消耗大量计算量的问题,提出了新的诊断方法。通过在传统的方法中引入状态记忆机制,扩展了诊断与冲突的含义。根据诊断解的结构分析了基于第一原理诊断方法中诊断解的分布,并利用分析结果证明了新的诊断方法在效率上优于传统的诊断方法。通过引入“时间戳”和“状态锁”,使得诊断方法能够自主地处理遥测数据在不同输入方式下的诊断问题。     

成像匹配系统定位结果的TSU数据融合新方法

在采用SAR末制导导引头的成像匹配定位系统中,现有算法利用加权平均对单次匹配的多模板进行融合得到定位数据。该方法忽视了不同位置上匹配定位信息的继承性和相关性,浪费了很多宝贵信息,限制了定位精度和可靠性的提高。为克服该缺陷,本文采用数据融合思想,在不改变导引头成像及景象匹配算法的前提下,通过挖掘多次定位结果中的关联信息,提出一种时空交错（temporal-spatial-united,TSU）的数据融合算法,利用一次匹配中多模板进行空间融合,及不同时刻定位结果进行时间融合,并通过仿真验证了算法性能,结果表明,本文算法可提高末制导导引头定位精度。     

ANFIS在车辆导航系统信息融合中应用的仿真研究

采用了一种分层级联的信息融合结构,对车辆导航系统中应用不同导航定位技术得到的定位信息进行融合。决策级融合采用基于零阶Sugeno模糊模型的ANFIS(adaptive-network-basedfuzzyinterferencesystem),根据性能指标调节最终的位置估计值中不同位置信息的权重。仿真研究的结果表明将ANFIS应用于车辆导航系统信息融合能充分利用导航信息,提高定位精度,说明文中采用的方法是可行的有效的。     

一种基于抗差滤波的行人导航算法研究

行人导航系统(pedestrian navigation system, PNS)通常采用全球定位系统(global positioning system, GPS)和航位推算(dead reckoning, DR)组合导航的方式进行定位,因此其定位精度易受GPS定位误差特别是定位粗差的影响。为了减小这种影响,提高行人导航系统定位精度,采用了一种基于抗差滤波的GPS/DR组合行人导航算法。该算法首先对DR系统误差建模,获得行人导航系统卡尔曼滤波模型,再通过GPS与DR系统观测量之差,估计当前观测噪声与先验统计特性的符合程度,利用等价权实时调整观测权值,以避免观测粗差对组合导航精度的影响。最后通过对实测数据的分析表明,在GPS定位误差较大或含粗差情况下,该方法较卡尔曼滤波算法能明显抑制定位误差的影响,将定位精度提高5 m左右,能够在不增加硬件的基础上有效提高GPS/DR组合行人导航精度。     

飞行仿真器导航系统建模与仿真

飞行仿真器导航系统仿真技术的研究是飞行仿真器研究开发的一个重要部分,导航系统为飞行仿真器的其他系统提供重要的相关信息,包括飞机的位置、高度、速度、加速度以及飞机当前姿态等参数。首先研究了真实导航系统的基本原理,然后分析了导航系统在飞行仿真器中如何进行参数解算,以及如何与其它系统进行信息交互模拟真实飞行器的导航过程。所采用的导航方式是无线电导航和惯性导航组合的方式。     

基于ZIHR航向角修正方法的行人导航算法

在行人导航系统中,零速修正(zero velocity update, ZUPT)方法能够准确计算出速度误差和水平姿态角误差,但是航向角误差却因其不可观难以估计而极易发散。为了解决航向角误差极易发散的问题,提出了零积分航向角速率(zero integrated heading rate, ZIHR)修正方法。推导发现在零速状态下相邻航向角差值和陀螺的漂移及航向角误差存在一定的关系,将此差值作为量测值,在ZUPT的基础上扩展一维量测,将卡尔曼滤波得到的估计值进行反馈校正。通过多组微机电系统(micro-electro mechanical system, MEMS)实物实验验证:提出的ZIHR修正方法能够很好地解决MEMS 惯性器件漂移导致的误差累积问题,多组实验的定位误差均小于总行程的2%。     

多UUV协同导航与定位研究

多水下无人航行器(UUV)协同导航定位技术是解决海洋中间层(Middle Depth Zone)水下导航问题的重要途径,研究了主从式多UUv基于水声传播延迟(Time-Of-Flight,TOF)的协同导航定位问题.主从式导航结构中,主UUV内部装备高精度导航设备,从UUV内部装备低精度导航设备,外部均装备水声装置测量相对位置关系,利用扩展卡尔曼滤波(EKF)算法融合内部和外部传感器信息,对从UUV进行实时定位.研究结果表明,利用UUV的相对位置观测,可以显著提高导航定位精度.     

基于MEMS/超声波双足足绑式定位系统的实现

作战救灾等复杂场景下环境干扰大且难以获取外界信号、定位困难。惯性系统因其特性成为复杂场景下不可或缺的自主定位方式,但惯性器件存在累计误差,长航时状态下难以满足定位精度需求。超声波测距受环境影响小,成本较低,已成为辅助惯性器件进行行人定位的重要方式。目前惯性与超声波组合导航多为理论研究及仿真验证,少量可实现系统不便于后续研究实验的进行。针对上述问题,实现了一种基于Xsens公司Mti-G710型号微机电系统(micro-electromechanical systems, MEMS)和DAKOTA公司DJIN1002超声波模块的双足足绑式定位系统,并进行实测实验验证了系统的可行性。     

空间飞行器分布式通用组合导航仿真平台方案研究

在研制空间飞行器导航系统的过程中,搭建导航仿真平台能够有效地节约成本并缩短研发周期.在模块化、通用化和标准化设计原则的指导下,利用多台计算机和相应的数据总线开发了空间飞行器分布式通用组合导航仿真平台.在空间飞行器导航系统特性分析的基础上,提出了捷联惯性导航系统、GPS、脉冲星导航系统、磁强计和星敏感器组合导航方案,设计了仿真平台的结构,论述了仿真平台的硬件设计、软件开发和算法,并探讨了仿真平台的扩展性能.试验表明该仿真平台能够逼真地模拟空间飞行器导航系统,并为设计者提供有益的建议.     

基于信号传播修正的GNSS干扰源质心定位方法

针对广泛存在的全球卫星导航系统(global navigation satellite system, GNSS)干扰, 采用基于接收信号强度(received signal strength, RSS)的定位方法时, 存在RSS值提取难度大, 城市环境中不开阔、多径等复杂场景下定位误差大等问题, 提出一种基于载噪比加权和干扰信号传播误差修正的GNSS干扰源质心定位方法。该方法采用GNSS接收机输出的载噪比信息, 并采用神经网络的方法预测干扰信号传播影响因子, 通过质心加权实现GNSS干扰源的定位。实验结果表明, 该方法的定位精度得到显著提升。     

车载GNSS失锁下基于BPNN的微陀螺误差估计及定位方法研究

针对在全球导航卫星系统(global navigation satellite system, GNSS)失锁阶段将微陀螺惯性系统作为备用定位系统时,由于微陀螺误差引起的定位误差发散问题,提出了基于后向传播神经网络(back propagation neural network, BPNN)的微陀螺误差估计及定位算法。在GNSS有效阶段为车辆提供定位信息,同时对微陀螺误差进行估计,并利用后向传播神经网络BPNN建立微陀螺误差预测模型,为GNSS失锁阶段车辆定位做准备;在GNSS失锁阶段,利用已建立好的微陀螺误差预测模型估计微陀螺误差,对微陀螺输出信息进行补偿,以抑制由陀螺误差引起的定位误差。最后利用仿真与试验验证了此方法的正确性与有效性。     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。