一种新型鱼雷非线性变结构导引律设计

鱼雷追踪导引性能的优劣主要取决于导引律的设计。采用球坐标系,建立鱼雷和目标的3D相对运动方程,应用变结构控制理论,设计一种新的鱼雷非线性变结构导引律,并对其收敛性进行验证,在目标进行正弦机动的条件下进行计算机仿真,并与H∞导引律导引性能进行比较。结果表明,在变结构导引律下,鱼雷能在较短时间内追踪到目标,并且目标线方位角和高低角始终保持在初始值附近,抖振较小,法向过载也得到很好的控制,不随鱼雷与目标距离的减小而增大,故该导引律可有效提高鱼雷的追踪导引性能,并具有良好的鲁棒性。     

海面目标运动速度的视觉估计方法

为方便快速地实现对平面直角导航坐标系下匀速直航海面目标的速度测量,提出一种立体视觉估计方法。该方法首先基于计算机视觉理论标定得到摄像机参数(包括内参数及外参数),建立立体视觉测量数学模型,然后利用光电成像设备连续获取目标图像序列,结合图像目标特征角点信息测量被测目标相对距离,同时计算得到不同时刻目标方位。在此基础上,根据目标运动几何关系,采用拟线性方法处理目标运动方程,最后实现对目标速度的最小二乘估计。通过大量仿真实验,研究了不同初始条件对目标速度估计性能的影响。结果表明,对于3000m以内航速在10Kn~30Kn的海面目标,估计精度优于0.2m/s。该方法要求简单,便于实现,所得结论可为岸基监控海面目标或水下隐蔽观测站仅利用图像信息快速判断被测目标运动态势及作战决策提供参考。     

分布式天线系统中选择合并的衰落统计分析

对于采用选择合并方案的分布式天线系统,当各分集支路经受独立且不等同分布的复合衰落时,分析了系统合并输出包络的平均电平交叉率和平均衰落持续时间,得到这些二阶统计量的精确表达式. 该方法对于任意分集支路数目下的Rayleigh-lognormal,Ricean-lognormal和Nakagami-lognormal三种复合衰落环境均是有效的. 仿真结果验证了所得表达式的正确性.     

四面体磁梯度张量系统的误差补偿

针对搭载于水下无人航行器(UUV)的磁梯度张量系统的系统误差,提出了一种系统误差补偿方法.该方法利用四面体磁梯度张量系统的差分测量算法,融合系统中单个矢量磁力仪的系统误差和磁力仪之间的安装中心错位误差,建立了四面体磁梯度张量系统误差数学模型;基于此数学模型提出了系统误差补偿算法,并根据磁梯度张量9分量之间的数学关系提出了补偿参数辨识方法;最后,通过仿真实验对该方法进行了验证.实验结果表明:该方法可以有效补偿磁梯度张量系统的系统误差,补偿量达96.2%,且补偿效果优于参考文献提出的系统误差补偿方法.该方法利用补偿参数对磁梯度张量系统的输出值直接进行系统误差补偿,从理论上解决了磁梯度张量系统整体误差的统一补偿问题.     

非线性系统的自组织多模型自适应逆控制

针对离散时间非线性系统,在分析基于自组织映射神经网络的多模型控制方法的基础上,提出了一种自组织多模型直接逆控制方法.并分析了控制误差的有界性.进一步,借鉴参数空间多模型方法的切换一自适应策略,在固定模型的基础上增加一个参数可调节的自适应逆模型.提高了稳态控制性能.仿真实例表明,对于变化较快的信号,自组织多模型直接逆控制器和自组织多模型自适应逆控制器都能进行有界跟踪,对于稳态信号,自组织多模型自适应逆控制器还能进行渐近跟踪.     

混响背景下基于分数阶傅里叶变换的自适应LMS滤波算法

针对强混响背景下经典的最小均方误差(Least Mean Square,LMS)滤波算法难以有效地实现信混分离的问题,提出一种基于分数阶傅里叶变换的自适应LMS算法。首先将混响信号和自适应LMS滤波算法中的参考信号进行分数阶傅里叶变换,寻找最优变换域,并在分数阶域进行带通滤波,然后将得到的信号进行分数阶傅里叶反变换,最后将基于正态分布曲线的变步长LMS算法应用于此混响条件下进行滤波。仿真和海试数据验证结果表明,在信混比为0 dB的情况下,算法仍可以有效地滤除混响,使信混比提高6dB。     

舰船辐射噪声节拍功率增率特征提取

舰船辐射噪声节拍的音色特征是水下目标识别的重要依据,其与节拍能量的变化相关。首先采用短时傅立叶变换对舰船辐射噪声进行时频分析,然后根据时频能量分布图,分别计算节拍能量最强和最弱处累积功率谱,功率增大率反映了节拍的音色特征,是舰船辐射噪声的重要特征。通过实验证明:与以往的功率谱特征相比,节拍功率增率特征和功率谱特征联合识别能有效的提高识别率。     

信标数量不固定的声学定位组合导航方法及仿真

<正>针对水下航行器利用声学定位时可能出现无法收到足够数量信标测距信息的问题,提出一种基于单声信标测距和推算定位的组合导航方法。以航行器航速、航向信息为输入,位置为状态,信标测距信息为输出,建立组合导航滤波模型,采用扩展卡尔曼滤波器进行组合导航信息滤波。通过仿真对本方法应用特性进行验证分析。研究表明,本方法可以有效应对信标数量较少或航行器有效接收信标应答信号数量不固定的情况,具有良好的水下定位效果。水下平台航行或工作常采用水声定位方法获取位置信息。由于水声定位方法其具有可控性好、     

一种针对不平衡数据分类的集成学习算法

针对水声目标识别中常被忽略的数据不平衡问题,提出一种随机子空间AdaBoost算法(RSBoost)。通过随机子空间法在不同水声特征空间上提取子训练样本集,在各个子训练样本集上训练基分类器,将其中少类间隔均值最大的基分类器作为本轮选定的分类器,迭代形成最终集成分类器。在实测数据上进行试验,利用F-measure和G-mean两个准则对RSBoost算法和AdaBoost算法在不同特征集上的性能进行评价。试验结果表明:相对于AdaBoost算法, RSBoost算法在F-measure准则下的平均值由0.07提升到0.22,在G-mean准则下的平均值由0.18提升到0.25,说明在处理水声数据不平衡分类问题上, RSBoost算法优于AdaBoost算法。     

基于M估计的抗野值卡尔曼滤波方法

针对标准卡尔曼滤波方法中野值对其滤波精度的影响,提出了基于M估计的野值处理方法。这种方法不仅可以去除单个野值的影响,而且在野值成片出现时还能很好地保持滤波稳定性。通过仿真验证了该方法的有效性。