一类动态多尺度系统的模型和估计算法

多传感器信息融合是信息学科的重要研究方向,本文的目的就是对分布在多个尺度上的传感器信息进行融合。本文针对一类动态多尺度系统,在国内外相关研究的基础上,提出一种新的动态多尺度系统建模方法。该模型满足标准卡尔曼滤波条件,给出了基于Haar小波的实现方法,基于此可以获得各个尺度上目标状态线性最小方差意义下的最优估计值。仿真结果令人满意,最细尺度上用本文方法进行估计优于直接进行卡尔曼滤波的效果。     

一类动态多尺度系统的最优滤波

研究一类动态多尺度系统的最优滤波, 这类系统由具有不同分辨率的多个传感器独立观测, 而系统具有已知的动态系统模型约束. 假设传感器的信号采集带宽成倍递减, 相应的采样频率也成倍递减. 用Haar小波变换来拟合状态在各尺度空间的投影关系, 给出该类多尺度系统的离散模型, 并证明了其可以直接应用Kalman滤波的条件. 基于线性时不变系统, 研究了系统的可控可测性以及滤波的稳定性, 并给出了一个判定定理, 证明系统只要在最细尺度上可控可测, 则Kalman滤波是稳定的. 最后以匀速直线运动过程为例, 验证了所提建模与估计方法的有效性.     

剑杆织机开车痕补偿的研究

利用数据拟合方法研究剑杆织机控制系统中的开车痕补偿问题，分析结果和实验数据吻合较好。     

一种基于高阶统计量的图像识别算法研究

提出了一种基于图像高阶统计量的识别算法。利用Radon变换将图像数据变换到一维空间,通过计算投影数据的双谱构造出具有比例和平移不变性的特征。利用Rapid变换获得特征的旋转不变特性;接着,利用阈值分析的方法进行特征选择,获得了较原始特征更好的识别效果。针对特征向量过长的问题,利用主元分析进行长度压缩。与不同方法的实验比较表明,算法能够有效地用于图像识别。     

基于MSCMG的复合补偿控制提高图像配准方法

针对星上相机运动干扰影响遥感卫星图像配准精度控制难题,研究基于磁浮控制力矩陀螺(magnetically suspended control moment gyros, MSCMG)的复合补偿控制提高图像配准精度的方法。以基于MSCMG作为执行机构,采用姿态反馈补偿控制方法,避免复杂的控制系统前馈补偿及其自身干扰,姿态稳定精度达到5.8×10-5(°)/s。在此基础上,提出了MSCMG姿态补偿控制与相机运动补偿算法一体化的复合补偿控制方法。仿真结果表明:采用一体化复合补偿控制,跟踪相机步进角精度由补偿前的6 μrad提高到补偿后的0.36 μrad,提高了一个数量级以上;扫描角精度由补偿前的0.6 μrad提高到补偿后的0.45 μrad;显著提高了相机光轴指向的稳定性;研究结果可为甚高精度遥感卫星高精度图像配准设计提供参考。