基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．     

制导工具系统误差估计的新方法

把制导工具系统误差与外弹道测量的系统误差一并考虑 ,建立了一个能同时估计制导工具系统误差和外弹道测量系统误差的数学模型 ;对环境函数的精确计算、制导工具系统误差模型对制导工具系统误差系数估计精度的影响进行了深入研究 ;最后用非线性回归模型的参数估计理论给出了制导工具系统误差系数与外弹道测量系统误差的估计及估计的精度评定 .     

分布式驱动HEV自适应无迹卡尔曼车速估计

针对四驱混合动力汽车,为改善其电子稳定性系统(electronic stability program,ESP)车速估计的精度和鲁棒性,考虑后轮毂电机转矩精确可测可控,以及前轮驱动转矩可推算的特点,结合ESP系统既有的传感器输出信号,提出了分布式自适应无迹卡尔曼车速估计算法.首先,建立了四驱混合动力汽车动力系统及动力学模型,其包括驱动系统模型、7自由度车辆动力学模型和Burckhardt轮胎模型.其次,考虑模型的时变及强非线性特性,采用无迹卡尔曼滤波(unscented Kalman filter,UKF)算法设计了主/子滤波器.一方面通过对量测噪声的自适应,改善了UKF算法量对量测信号干扰的鲁棒性;另一方面将主/子滤波器结果进行融合,并用融合后结果重置了各滤波器,提高了车速估计精度.最后,搭建了四驱混合动力汽车Carsim-Simulink联合离线仿真平台和硬件在环仿真试验平台,分别开展了双纽线、低速双移线两种驱动工况的离线仿真和硬件在环仿真试验.试验结果表明,所提出的分布式自适应无迹卡尔曼车速估计算法不仅估计精度较高,而且也有着较强的自适应性和鲁棒性能.     

基于进化势博弈的多无人机传感器网络K-覆盖

针对多无人机传感器网络K-覆盖问题,提出了基于势博弈与Log-linear学习的分布式最优传感器配置方法.介绍了传感器最优配置的国内外研究现状,特别对基于进化势博弈理论的方法进行了详细的阐述.利用博弈理论对无人机分布式传感器配置问题进行建模,通过个体局部收益函数与全局性能函数的设计将问题构造成网络势博弈.提出了一种基于时变Log-linear学习的分布式求解方法,并利用非齐次马尔可夫链理论对收敛性与最优性进行了证明.仿真对比实验证明了所提算法的可行性、有效性和优越性.     

基于4D航迹的飞机连续下降运行飞行引导技术

连续下降运行(continuous descent operation,CDO)是减少大型飞机燃油消耗、降低噪声污染和二氧化碳排放的进近方式.但由于连续下降进近增加了飞机进场航迹的不确定性,降低了跑道容量,限制了CDO的实施.为了在高密度空域环境下实施CDO,需要借助于四维航迹运行技术,利用4D航迹预测和飞行引导系统实现可定时到达的精准飞行引导,降低CDO航迹的不确定性.本文给出了一种基于4D航迹的大型飞机飞行引导系统架构,介绍了4D航迹的描述方法和多约束情况下4D航迹规划过程;为提高估计到达时间的预测精度,提出了一种基于伪航路点的地速计算方法;最后给出了基于要求到达时间(required time of arrival,RTA)和纵向位置误差的速度调整策略.本文以某型运输机为例,进行了基于4D航迹的连续下降进近仿真,仿真结果验证本文所提引导架构和算法能够为大型客机提供面向定时到达的精确4D飞行引导能力.     

信息融合非线性控制理论初探

将信息融合思想引入控制领域,提出信息融合非线性控制理论．基于信息融合最优估计理论,研究非线性离散控制系统的最优控制问题．信息融合控制是把对控制系统的所有性能要求以及系统动力学转化为可融合信息,然后从信息融合估计的角度,使原问题转化为求控制量的“融合估计”问题．首先,给出了非线性信息融合估计定理;然后,推导了非线性系统信息融合控制的算法;最后,通过对机械手的转移控制问题的仿真研究说明了信息融合非线性控制算法的有效性．     

基于双容积卡尔曼滤波的车辆状态与路面附着系数估计

针对车辆行驶过程中的车辆状态与路面附着系数估计问题,论文研究了基于双容积卡尔曼滤波的车辆状态与路面附着系数估计算法,建立了采用Dugoff轮胎模型的三自由度车辆估算模型,基于双容积卡尔曼滤波理论设计了车辆行驶状态与路面附着系数估计器,使二者在估计过程中相互联系、形成闭环反馈,实现对车辆状态与路面附着的实时准确估计.选择典型工况,应用驾驶模拟器在环实验对双容积卡尔曼滤波估计算法进行了验证,并与双扩展卡尔曼滤波的估计算法进行对比分析.结果表明:基于双容积卡尔曼滤波的估计算法相对于基于双扩展卡尔曼滤波的估计算法更能够较准确地实现对车辆状态和路面附着系数的估计.     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.     

基于自适应控制的大型客机编队飞行一致性控制

研究解决基于多变量自适应控制的大型客机编队飞行一致性控制问题.考虑到长机和僚机都存在参数不确定和外界扰动不确定性,同时考虑大型客机之间的分布式通信拓扑结构,基于代数图论思想,提出一种状态反馈状态跟踪多变量自适应控制方法,解决了大型客机编队飞行分布式一致性控制问题.该一致性问题中的稳定性和渐近跟踪特性通过Lyapunov函数法进行了证明,保证了僚机能够跟踪长机的飞行状态.对大型客机编队飞行一致性控制问题进行数值仿真的结果表明,基于多变量自适应控制的大型客机分布式一致性策略比固定增益控制策略具有更好的跟踪性和鲁棒性.     

稀疏表示与病态混叠盲分离

Bofill（2001）等人首次针对两个传感器的稀疏信号盲分离问题进行了讨论. 但也正如Bofill自己所指出的那样, 此方法存在局限性, 特别是其中的势函数的参数选择缺乏理论指导, 而且此方法不宜推广到具有三个或更多的传感器的情形. 因此这里回避Bofill势函数方法, 建立了K-PCA方法（即K-聚类与主成分分析PCA相结合的方法）. 新方法克服了Bofill方法参数选择的困难, 可以方便地应用于三个及其以上传感器的情况, 而且具有实现简单、混叠矩阵估计精度高的特点. 另外, 为了检验混叠矩阵A的估计是否一定有效, 给出了相应的判别准则. 仿真结果表明了该方法的可行性和准确性.     

估计高可信Markov系统可信性测度的一种新方法

重要抽样和重要性分裂方法经常被用来估计高可信Markov系统从初始状态出发首次回到该状态前发生故障的概率. 提出了一种新的方法估计这个小概率. 通过采用新的估计量来减小计算方差, 提高计算效率. 从描述Markov系统状态转移的积分方程推导出了新的估计量, 并从理论上证明了新的估计量的方差小于直接仿真方法的方差. 用本文方法、RB方法、IGBS方法、SB-RBS方法和直接仿真方法计算了包含延迟维修的系统的可信性测度, 结果表明本文方法具有最小的相对误差.     

基于SVM的旋转机械转子故障预示研究

支持向量机包括支持向量回归机和支持向量分类机.本文提出了一种用于旋转机械转子故障预示的方法,通过支持向量分类机（SVC）对旋转机械转子故障进行分类并建立故障分类器,利用支持向量回归机（SVR）对转子运行状态趋势进行预示,并将预示结果输入到SVC以判断预示结果的属性.对支持向量回归机进行了仿真研究.将支持向量机与神经网络算法从理论和实验研究两个方面进行了对比研究,结果表明,该方法具有较好的故障预示能力.     

基于角度不变的线阵推扫式CCD相机几何畸变在轨检校方法

对航天遥感相机进行在轨检校,是提高卫星产品质量,扩大产品应用效果的重要技术内容.文中研究了一种基于角度不变的线阵推扫式CCD相机几何畸变在轨检校方法.该方法利用相机外方元素对于相机视向量夹角角度影响比较小的原理,根据地面控制点和一级产品图像,求解相机视向量夹角,从中提取相机光学部件的畸变模型参数,从而实现相机内外方元素解耦.相机畸变模型采用一维3阶多项式,对焦距和主点等引起的低阶误差能够很好地吸收.该方法用在HJ-1A/B卫星的宽幅盖CCD相机几何畸变校正上,检校误差残留在2—6个像元,和参考数据精度相似,表明取得了很好的校正效果.     

一种参数化的机载雷达最优处理新方法

雷达目标检测中, 最优处理器能够自适应地调整权值以跟踪环境的变化, 而最优权值的计算则需要依赖大量独立同分布(i.i.d.)的干扰样本. 因此在机载雷达非均匀的杂波背景中, i.i.d.样本数不足常导致最优处理性能的恶化. 文中在考虑杂波内部波动的基础上, 形成了一种修正的多普勒分布式杂波(DDC)模型, 并以此提出了一种参数化的最优处理新方法. 区别于现有方法, 新方法将最优权值计算转换为对DDC模型的参数估计, 即估计角频率中心和扩展. 并采用一种低复杂度的非线性能量算子实现上述参数的估计. 通过理论分析和仿真实验表明新方法对i.i.d.样本数的要求显著下降, 并具有运算量小、易于实现的优点.     

无线传感器网络中一种高效的距离差估计方法

RIPS系统通过测量干涉信号的相位提供了一种精度高、设备简单的无线传感器网络定位方法.但利用相位进行测距和定位的方法不可避免地存在相位模糊问题,RIPS系统采取的方式是在多个频率下对某一距离差进行相位测量,根据各相位测量值来搜索实际距离差.为了避免RIPS系统中这种繁复的搜索过程,文中提出了一种高效的距离差估计方法.该方法基于中国余数定理(CRT)通过闭式一次直接计算得出距离估计值,从而避免了搜索过程,极大地降低了节点运算能耗并且提高了定位系统的实时性.同时,为了克服传统CRT算法对噪声敏感的缺点,利用算法中加权系数具有的一些性质来减小噪声对估计结果的影响,提高了算法的鲁棒性.仿真结果表明该方法鲁棒性好,估计精度高,在无线传感器网络中具有良好的可行性.     

人工蜂群优化算法在复数盲源分离中的应用

针对复值信号的源数估计和有序分离等关键技术,提出一种基于人工蜂群优化的源数未知的复值盲源分离方法,该方法首先利用交叉互验技术来估算复数源信号的个数,然后通过人工蜂群算法优化峰度的绝对值来获得最佳分离向量,并实现了逐次恢复源信号的目的.仿真实验结果表明,该方法不仅能依峰度绝对值的降序实现服从任何分布源信号的盲分离,同时比其他方法具有更优越的估计性能.另外,提出一种基于峰度的欠定复盲源分离算法,该算法根据信号的统计特性构造了用于欠定混合情况下盲抽取向量的代价函数,然后通过人工蜂群算法优化其函数来获得最佳分离向量,通过多次分离来实现欠定复盲源分离的目的.通过对混合分布类型的复值源信号欠定盲分离仿真实验验证了该算法的有效性.     

稀疏均匀非同心电磁矢量阵列的2D-DOA与极化联合估计

本文提出了一种稀疏均匀非同心电磁矢量传感器矩形阵列,针对该阵列提出了一种二维波达方向(2D-DOA)和极化参数的联合估计算法.首先利用稀疏均匀矩形阵列的旋转不变性得到周期性模糊的2D-DOA估计,然后提出一种简易的非同心电磁矢量传感器的2D-DOA估计算法来解模糊,再通过一些三角变换得到高精度无模糊的2D-DOA和极化参数估计,最后推导了该阵列多参量估计的闭式克拉美罗界.本文所提阵列的稀疏配置使得在不增加阵元数和硬件复杂度情况下有效扩展了阵列物理孔径,且由于矢量传感器的使用获得了极化分集,使得2D-DOA的估计精度大大增加.此外本文方法能得到2D-DOA和极化参数之间的自动配对,更为重要的是该阵列使用非同心电磁矢量传感器构成,解决了同心电磁矢量传感器互耦严重、硬件设计困难的问题.仿真结果证明了本文多参量估计算法的有效性.     

十字型阵列的互耦自校正算法

针对十字型阵列的互耦校正问题,提出一种信号源的二维角信息与互耦系数联合估计的互耦自校正算法,该方法对线阵内和线阵间的互耦同时进行校正.利用线阵内互耦矩阵及线阵间互耦矩阵的特性,构造重构矩阵,将耦合的二维角与互耦系数联合估计问题转化为级联估计问题,不需要校正源,避免了高维参数的非线性搜索.理论分析和仿真结果均表明,提出的方法可以很好地解决十字型阵列的互耦校正问题,信号的二维角和互耦系数的估计精度高,且计算量小.     

弹道数据处理的融合算法

在多站定轨理论的基础上,从分析单个信源对定轨精度的影响出发,建立了偶发性系统误差辨识模型,提出了更好地融合多信源的有效信息,避免偶发性系统误差污染的方法原理。结合实际工程任务,将所研究的方法进行了应用,实际与仿真结果表明此方法可靠,有效,成功地诊断出在某些信源下的显著系统误差,大大地提高了飞行器定轨的精度。     

基于传感器融合的海上目标检测综述

目标检测技术是一种基于目标几何和统计特征的图像分割。我国海洋领域广阔、海洋资源丰富,开展海上目标检测研究意义深远。基于传感器融合的海上目标检测方法是监视海运交通、维护海洋权益的一种高效手段。本文首先给出传感器融合检测的研究意义和该领域存在的挑战,然后梳理归纳了三种传感器融合方法,包括:多雷达融合检测方法、多相机融合检测方法和相机雷达融合检测方法;接着给出这几种融合方法在不同场景下的检测效果,并介绍了这几种融合方法存在的局限性;同时展望了传感器融合在海上目标检测的未来发展方向,如检测信息传输在海上抗干扰能力的提升、多目标检测性能的优化,以及将深度学习应用在传感器融合检测等。