基于CATIA的产品渐消曲面造型思路与设计方法研究

通过分析渐消面的特点和造型特征,根据渐消面上线、面变化的特征将其分为曲线渐消、曲面渐消、倒角渐消3种类型;提出了可适用于各种类型渐消面的造型思路,并结合CATIA中创成式曲面模块和自由曲面模块对每种类型渐消曲面进行了建模验证;阐述了其构建思路的实践、曲面处理技巧及曲面质量评价的方法,为CATIA环境下的工业产品曲面造型设计提供参考。     

Rhino建模软件在产品渐消曲面造型设计中应用研究

为了提高产品渐消曲面造型设计的效果,提出基于视觉表达和曲面融合的产品渐消曲面造型设计方法,基于Rhino建模软件进行产品渐消曲面造型设计的视觉传达设计,构建产品渐消曲面造型视觉表达模型,采用图像视觉成像方法进行产品渐消曲面造型设计过程中的图像融合和滤波处理,提取产品渐消曲面造型视觉图像的边缘轮廓特征量,采用模板分块匹配方法进行产品渐消曲面造型的分块模板匹配设计,建立产品渐消曲面造型视觉优化控制模型,结合分块融合匹配方法实现产品渐消曲面造型优化设计。在Rhino建模软件中进行产品渐消曲面造型设计的仿真实验,仿真结果表明,采用该方法进行产品渐消曲面造型设计的效果较好,视觉传达能力较强。     

基于渐消Kalman滤波的MIMO-OFDM信道估计

针对快时变信道明显的频率选择性,提出了采用Kalman渐消记忆滤波的估计方法.信道采用AR模型建模,并利用LS算法估计时变信道的衰减因子.仿真表明:快时变环境下,所提算法的估计性能优于LS信道估计和传统的Kalman滤波算法估计.     

物料配比系统提前量自适应辨识方法的研究

在物料配比系统中提前量辨识精确与否直接影响物料配比系统的配料精度,因此,提高提前量辨识精度是改进物料配比系统配料精度的前提.在分析了利用渐消记忆法进行提前量辨识的基础上,提出了利用Grubbs准则法进行提前量辨识,然后对这2种方法进行理论分析和蒙特卡洛方法计算机仿真.分析结果表明,利用Grubbs准则法进行提前量辨识的均方差远小于渐消记忆法辨识的均方差,并且可以有效剔除偶然误差,进而实现精确称量及提高配料精度.     

相关噪声下的机动目标跟踪SMFEKF-IMM算法

一种基于Kalman和扩展Kalman滤波器的相互作用多模型(IMM)方法可以减小模型的不确定性,但无法消除由于噪声相关引起的状态偏差的弱点.为了提高目标状态估计的精度,把IMM和一种带多重渐消因子的扩展Kalman滤波器(SMFEKF)相结合,提出了一种具有相关噪声的混合随机模型的机动目标跟踪方法.这种方法引入了一个多重渐消因子,当输出残差发生变化时,动态调节增益和系统噪声水平,使输出残差近似正交,从而抑制了相关噪声的影响,适应目标的状态变化.理论分析和仿真实验表明了这种算法的有效性和可行性.     

改进的强跟踪卡尔曼滤波器在MSINS/GPS组合导航中的应用研究

通过深入分析次优渐消因子的解算原理,提出了一种无须先验知识的多时变渐消因子估计方法,用于改进强跟踪卡尔曼滤波算法,并将其应用于MSINS/GPS浅组合中。采用多个次优渐消因子,分别对不同的数据通道进行渐消,可以有效提高滤波算法的跟踪能力。仿真结果表明,改进的强跟踪卡尔曼滤波算法解决了量测相关、初值选取敏感性等问题,可以提高系统的实时性、鲁棒性。     

微机控制物料称量提前量的研究

通过对微机称量系统提前量控制的两种方法———渐消记忆法和Grubbs准则法的讨论 ,指出将Grubbs准则应用于提前量的控制 ,可有效的剔除偶然误差 ,实现精确称量。     

基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用,文章提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵,调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散,并且比常规卡尔曼滤波效果更佳。     

基于多重渐消因子的强跟踪SVDCKF组合导航算法

针对标准容积卡尔曼滤波(cubature Kalman filter,CKF)在载体状态突变时滤波精度下降的问题,提出了一种基于多重渐消因子的强跟踪SVDCKF组合导航(strong tracking SVDCKF integrated navigation algorithm based on multiple fading factors,MST-SVDCKF)算法.该算法引入SVD代替标准CKF中的Cholesky分解,提高了状态协方差阵分解迭代时的数值稳定性;通过卡方检验对系统状态进行评估,当系统出现状态突变时,采用多重渐消因子对预测状态协方差阵进行调节,使得不同滤波通道具有不同的渐消能力,以实现对载体真实状态的强跟踪.仿真结果表明,与标准CKF和传统STCKF相比,该算法调节能力更强,滤波精度更高.     

一种雷达视频弱小目标检测前跟踪方法

基于雷达视频的弱小目标检测与跟踪在国防和民用领域具有重要的应用价值。本文利用弱小目标的运动信息,用渐消递归最小二乘法对背景进行建模,由当前帧图像与预测背景的差分来检测运动弱小目标。分析了渐消递归最小二乘法的检测前跟踪特性,提出了渐消递归最小二乘法和数学形态学相结合的方法,在检测到运动目标的同时能快速地获得目标航迹,避免了恒虚警率带来的信噪比损失。由于该方法运算步骤简单,有较快的检测速度和较高的稳定性,广泛适用于工程领域。     

改进的自适应Kalman滤波在GPS/SINS中的应用

以GPS/SINS组合导航为应用背景,针对常规Kalman滤波由于先验知识不足,观测数据突变等容易引起的发散问题,提出了一种改进的自适应Kalman滤波。该算法将Sage-Huse自适应滤波和衰减记忆滤波相结合,以解决由于先验知识不足引起的滤波发散问题;在此基础上引入压缩函数,通过对野值进行有效地判断和处理以达到抑制滤波发散的目的。仿真结果表明:改进的自适应滤波算法不但可以有效地解决由于模型不够准确和野值等容易引起的发散问题,同时与传统滤波算法相比水平位置滤波精度分别提高了6倍和5.7倍,高程滤波精度提高了2.39倍,具有较好的自适应性和稳定性。     

Fuzzy Adaptive Strong Tracking Cubature Kalman Filter

To solve the problem that the choice of softening factor in conventional adaptive strong tracking filter( STF) greatly relies on the experience and computer simulation,a new concept of softening factor matrix is introduced and a fuzzy adaptive strong tracking cubature Kalman filter( FASTCKF) based on fuzzy logic controller is proposed. This method monitors residual absolute mean and standard deviation of each measurement component with fuzzy logic adaptive controller( FLAC),and adjusts the softening factor matrix dynamically by fuzzy rules,which is capable to modify suboptimal fading factor of STF adaptively and improve the filter's robust adaptive capacity. The simulation results show that the improved filtering performance is superior to the conventional square root cubature Kalman filter( SCKF) and the strong tracking square root cubature Kalman filter( STSCKF).     

编队卫星自主相对导航简化强跟踪UKF滤波算法

针对编队卫星自主相对导航过程中存在模型不确定性及噪声统计特性时变导致EKF滤波算法估计精度降低、鲁棒性较差的问题,以STF为理论框架,设计了简化强跟踪UKF(SSTUKF,simplified strong tracking unscented kalman filter)滤波算法。该算法基于STF的等价表示来计算次优渐消因子,避免了计算Jacobi矩阵,通过在线实时调整滤波增益矩阵,确保系统理论模型偏离实际模型时输出残差序列相互正交,增强算法的鲁棒性,并且对时变的噪声统计特性不敏感。结合CW系统模型线性特点,用标准卡尔曼滤波中的时间更新代替相应的UT变换过程,在提高估计精度的同时有效地降低了运算量,增强算法的实时性。仿真结果验证了该算法的有效性。     

带有相关噪声离散线性系统改进的卡尔曼滤波

研究在系统噪声和观测噪声相关情况下带有控制输入离散线性系统的估计问题,基于卡尔曼滤波和卡尔曼滤波的哈密尔顿方法,提出了一个改进的卡尔曼滤波算法.与经典卡尔曼滤波相比,此算法不需要计算卡尔曼增益矩阵和观测序列的条件均值,并在需要更少回归方程且回归方程易于计算的情况下,取得了最优性能.因此,此算法易于应用.仿真结果表明,此算法能够有效地估计系统状态.     

移动无线信道的模拟与应用

介绍一种利用计算机模拟移动无线通信中信道传输特性的方法．该方法主要对瑞利（Ｒａｙｌｅｉｇｈ）和莱斯（Ｒｉｃｅ）分布的非频率选择性衰落信道进行模拟．运用这种方法，研究了相移键控的调制信号（ＢＰＳＫ，ＱＰＳＫ和８ＰＳＫ）在不同莱斯衰落因子信道中的传输特性，分析了莱斯衰落因子和最大多谱勒频移ｆｄ对衰落裕度（ｆａｄｅｍａｒｇｉｎ）和误码限度（ｅｒｒｏｒｆｌｏｏｒ）的影响．对衰落信号的包络和相位以及二进制序列误码率的统计结果表明：模拟特性与理论分析较好地吻合．     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

基于强跟踪滤波的天基测角卫星定位算法

在天基仅测角卫星定轨扩展卡尔曼算法(EKF)中,EKF关于模型不确定性的鲁棒性较差,造成滤波器估计不准,甚至发散。提出一种带次优渐消因子的扩展卡尔曼滤波(SFEKF)定轨方法,利用渐消因子对过去的数据进行渐消,减小了模型的截断误差,提高了滤波的收敛速度和对卫星的跟踪能力。仿真结果表明,与EKF定轨方法相比,SFEKF方法具有更高的定轨精度、稳定性和收敛速度。     

粒子群优化平方根强跟踪CKF及应用

提出一种粒子群优化平方根强跟踪容积卡尔曼滤波算法,并将其用于水下应答器辅助航位推算组合导航系统. 以强跟踪滤波器为理论框架,结合容积卡尔曼滤波器,设计了平方根强跟踪容积卡尔曼滤波器. 提出一种改进的粒子群算法,将粒子两两为一对分成若干对,每进化一次后,比较两个粒子的代价函数值,代价函数值较优的粒子,搜索方向侧重于群体历史经验,代价函数较差的粒子,搜索方向侧重于自身历史经验. 将改进的粒子群算法用于求取强跟踪滤波器的渐消因子. 仿真结果表明在系统模型不准确的情况下所提算法依然能够有效跟踪状态变化,比传统的容积卡尔曼滤波器具有更高的滤波精度和稳定性.