排序方式: 共有15条查询结果,搜索用时 62 毫秒
1.
提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。 相似文献
2.
针对基于训练序列的智能天线自适应干扰抑制系统,提出了一种最小二乘(Least squares,LS)-最小均方(Least mean squares,LMS)智能天线自适应干扰抑制方法,该方法首先利用小快拍数LS方法为LMS方法提供初始加权矢量,然后用LMS算法更新加权矢量.对LS、LMS和LS-LMS三种算法复杂度分析比较得知新方法的计算量较小,在快拍数较大或阵元与快拍数均较大时都能有效地提高计算效率.仿真实验表明,新方法性能优于LMS算法,具有较快的收敛速度,且收敛速度与干扰环境无关. 相似文献
3.
航班飞行过程中一些因素会对当前飞行轨迹产生影响,从而导致实时航迹与历史航迹相比有一定的差异,使得仅基于历史航迹数据的航迹预测模型的预测性能变差。为解决该问题,提出了一种基于在线更新长短期记忆(Long Short-Term Memory,LSTM)网络的短期4D航迹预测算法,该算法由基于历史航迹数据的预测模型初始化参数训练和基于实时航迹数据的预测模型参数在线更新两部分构成。首先建立基于LSTM神经网络的航迹预测模型,使用历史航迹数据进行训练并保存训练完成的预测模型参数,然后使用实时航迹数据对航迹预测模型进行在线训练并微调参数,使用在线更新参数后的预测模型实现4D航迹短期预测,以期达到提升预测准确度的目的。利用实际航迹数据对算法的性能进行验证,结果表明新方法能够考虑实时飞行过程中各因素对航迹产生的影响,有效提升经度、纬度、高度和时间的预测准确度,并具有良好的泛化能力。 相似文献
4.
5.
给出了一种散射模型与Wishart分类相结合的极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像非监督分类方法。首先利用去取向三分量散射模型进行粗分类,将像素划分为三种基本散射类型和混合散射类型;然后,在基本散射类型内根据占优散射机制的功率进行细分类,并根据Wishart距离对细分类的结果进行类别合并,合并到指定的类别数;最后对四种散射类型的像素分别重新进行Wishart迭代,从而实现极化SAR数据的非监督分类。利用美国AIRSAR机载系统采集的实测数据进行实验,并且同已有分类方法进行比较,结果表明本文方法改善了分类效果,且降低了体散射过估计。 相似文献
6.
本文分析了以前通信专业信号类课程设置的不足,为此构建了新的信号类课程体系,给出了相应的课程体系结构图.本文还介绍了课群建设的内容和取得的成果,包括结合民航应用背景对课群的理论教学和实践教学内容进行整体改革和优化、学生实践能力培养以及师资队伍建设等. 相似文献
7.
8.
高效精确的航班飞行轨迹预测是未来空中交通管理系统的关键技术之一,其旨在提高空中交通的运行能力和可预测性。针对现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,构建了新的特征维度,分析了经度、纬度和高度三维数据的统计特性,将长短期记忆网络(Long Short-Term Memory,LSTM)对非线性和非平稳时间序列有较强的逼近能力,而差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA)对线性时间序列的处理能力更优的特点相结合,提出了一种以LSTM为主ARIMA为辅的组合短期航迹预测模型,先利用LSTM作为主预测模型对经纬度和高度进行预测,再利用辅模型ARIMA对高度的线性关系进行建模,最后采用CRITIC方法将LSTM和ARIMA预测的高度值融合处理。实验结果表明,这种组合模型利用了两种模型的优势,提高了航迹预测的准确性。 相似文献
9.
本文针对“数字信号处理”课程教学过程中学生对离散傅立叶变换定义、性质以及应用等方面出现的一系列问题,从课堂教学方法改革人手,剖析了常规教学方法中存在的问题,对教学过程进行精心设计,采用了启发式教学、仿真实验等多元化教学方法,达到了启发学生思考、激发学习兴趣、提高学习效果的目的. 相似文献
10.