基于在线更新LSTM网络的短期4D航迹预测算法

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...     

一种新型非线性卡尔曼滤波方法

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。     

基于LS-LMS的智能天线自适应干扰抑制方法

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.     

ADS-B接收机自动测试系统的设计与实现

为实现广播式自动相关监视（ADS-B）接收机性能参数自动测试,开发设计了ADS-B接收机的自动测试系统。系统由ADS-B射频信号生成和上位机组成,采用了现场可编程门阵列（FPGA）和单片机MSP430实现ADS-B射频信号的生成;采用C#语言编写上位机程序,实现了对接收机灵敏度和接收机带宽等关键技术指标的自动测试。最后,搭建了某款ADS-B接收机的测试系统。测试结果表明,该系统测试效率高,运行稳定且易操作,可满足对ADS-B接收机的性能测试与故障检查需要。     

散射模型与Wishart分类相结合的极化SAR图像分类

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。      

信号类课群建设与实践

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.     

MCA-CMA次分量分析恒模算法

提出了一种次分量分析恒模算法(Minor component analysis-constant modulus algorithm,MCA-CMA).该算法从恒模代价函数出发,推导出一个基于Rayleigh熵形式的代价函数,根据Rayleigh熵的性质,可得出最优权矢量就是协方差矩阵的最小特征值所对应的特征矢量,从而引入次分量分析(MCA)寻找最优权矢量,因此该恒模算法称为MCA-CMA算法.仿真结果充分验证该算法的有效性.     

基于LSTM-ARIMA模型的短期航班飞行轨迹预测

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。      

关于DFT的多元化教学方法改革与实践

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.     

基于DBSCAN-GRU算法的终端区4D航迹预测

终端区空域环境复杂、航班密集,精确的航迹预测能极大地提高空中交通服务水平,保障航班飞行安全。针对终端区的高精度多航班4D航迹预测问题,本文提出了一种基于密度的带噪声空间聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）和门控循环单元（Gated Recurrent Unit, GRU）相结合的航迹预测方法,通过DBSCAN聚类,将终端区中航迹相近的航班聚类到一簇中,对每一簇航班建立基于GRU神经网络的航迹预测模型,对终端区航班进行预测时,先判断该航班属于哪一簇,然后采用与该簇对应的航迹预测模型,进行4D航迹预测。与仅研究单一航班的传统预测方法相比,本算法有效地利用了终端区的航迹数据,所建模型可以针对多架航班进行航迹预测,扩大了模型的适用范围,提高了航迹预测的预测精度。