融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子.首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子.实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹准确率明显提高.     

基于粒子群算法的星敏感器光学误差标定方法

针对星敏感器光学误差两步法标定局部寻优能力强,但标定结果受初值影响大的问题,基于粒子群算法,提出一种改进的星敏感器光学误差参数标定方法。该方法首先利用粒子群算法全局搜索能力强的优点,为光学误差的两步法标定提供一组次优的初值条件,然后将其代入两步法中,得到标定值。仿真结果表明:该方法能够有效解决两步法标定受初值条件影响大的不足,并能够提高标定结果的稳定性。     

基于星三角形外接圆的星图识别算法

三角形外接圆半径能部分描述三角形的结构特征,在三角形两条边长及其外接圆半径已知的情况下,可以确定唯一的三角形,因此提出了一种基于三角形外接圆的星图识别算法。构建了导航星数据库,以特征三角形为匹配模板,减少了导航星三角形的数量,从而减小导航星数据库容量。为了提高搜索效率,以特征半径为搜索量,并对其进行升序排列。通过对特征半径的匹配,缩小了角距匹配的范围,提高了角距匹配的速度,同时采用的多三角形的组合有效地提高了识别率。为了保证星图识别的准确性,引入了验证识别环节。仿真结果表明:当存在2像元的位置噪声时,识别率大于97.42%,平均识别时间为38.41 ms,实时性与鲁棒性均优于传统三角形星图识别算法。     

基于限定样本序贯极端学习机的模拟电路在线故障诊断

为解决故障特征样本分批加入时分类模型的在线更新问题,提出一种限定样本序贯极端学习机(LSSELM)。 LSSELM通过逐步添加新样本,同时剔除与其相似度最高的同类别旧样本来提高模型的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成模型的在线训练。将LSSELM用于模拟电路在线故障诊断,结果表明相比在线序贯极端学习机(OS-ELM)和LSSELM的诊断准确率更高,具有更好的泛化性能。     

基于球面三角剖分与"距离-星等"加权的导航星表构建方法

针对球矩形法剖分所得网格单元面积不均,且局部相邻网格所选导航星距离较近的问题,提出了一种基于球面三角剖分的导航星表构建方法.该方法采用三角网格代替赤经赤纬网格,使得网格单元面积近似相等,通过引入"距离-星等"加权,改善了局部相邻网格间导航星较近的问题.仿真结果表明:采用本方法所构建的导航星表在完备性没有降低的情况下,存储量小,均匀性好,体现了本方法的有效性.     

连续时间多胞线性变参数系统变增益H∞/H2输出反馈控制

针对一类同时具有参数不确定性和外界干扰的非线性系统,提出了一种连续时间多胞线性变参数(LPV)系统变增益H_∞/H_2输出反馈控制方法.首先,对连续时间多胞LPV系统的变增益混合目标(H_∞/H_2指标和区域极点约束)输出反馈控制器综合方法进行了数学描述;其次,引入新的结构化松弛矩阵变量和参数依赖Lyapunov函数,将满足期望性能的混合目标鲁棒动态输出反馈控制问题转化为线性矩阵不等式框架内的有限维凸优化问题,进一步降低了所设计LPV控制器的保守性.最后,以四分之一车辆模型主动悬架系统为研究对象进行仿真,仿真结果验证了本文控制器的有效性.     

一种改进的星图中星提取方法

在矢量法基础上,将改进SUSAN算法和限制条件下扩展像素标记法相结合,提出一种改进的星图中星提取方法。仿真结果表明:该方法的提取精度优于矢量法,有较强的抗噪声干扰和剔除暗星能力。     

星象跟踪的实时性改进

针对弹道导弹星象跟踪实时性问题,提出星象跟踪的实时性改进的一种新方法。该方法根据星象跟踪/预测方法与跟踪模式特点,首先,建立了基于统一存储的星表模式库,并采用k-vector作为检索方法,以提高检索速度;其次,为实时生成局域星象信息集合,提出了并行多维检索的方法,以节省提取星像信息的时间;最后,进行算法性能分析。仿真实验结果表明:该算法能够大大地提高星象跟踪的实时性,提高导弹命中精度。     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法.首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标.实验结果表明:与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快.      

灰色稀疏极端学习机在激光陀螺随机误差系数预测中的应用

为了提高激光陀螺的性能,有效地补偿激光陀螺的随机误差,提出了一种灰色稀疏极端学习机的预测新模型。为了克服极端学习机(ELM)训练样本缺乏稀疏性的不足,根据矩阵求逆引理实现了冗余样本递推剔除,提出了一种稀疏极端学习机;利用灰色预测模型对原始数据进行初步预测,将实测值与预测值生成残差序列,选取适当长度残差序列作为训练样本,剩余数据序列作为测试样本,输入稀疏极端学习机进行残差回归预测,将预测的残差值与灰色预测得到的数据结合生成最终的预测结果。将灰色稀疏极端学习机预测模型应用于某型激光陀螺随机误差系数预测实验中,结果表明:该模型能够取得比其他3种预测模型更加精确的结果。