一种改进型的GPS单频整周模糊度快速解算方法

针对高精度的快速定位中观测矩阵存在病态性问题,研究了单频GPS整周模糊度快速解算方法。依据Tikhonov正则化原理和奇异值分解(SVD)的扰动性质,设计了SVD分解的改进算法,避免了因较小奇异值发生较大抖动而使正则化矩阵出现不稳定的情况;在分析法矩阵病态性特点的基础上,设计了正则化矩阵的构造方法,并从理论上证明了其优越性。实验结果表明,与传统方法和Tikhonov正则化-LAMBDA法相比,新算法能更有效地改善法矩阵的病态性,只利用3～5个历元即能实现模糊度浮点解的快速解算及其固定,且结果可靠,浮点值更加接近真实值。     

函数区间对最佳平方逼近多项式的病态影响

讨论了对函数作最佳平方逼近时,函数区间对正规方程组的病态影响,分析了影响其系数矩阵条件数的相关因素,提出了改善正规方程组病态问题的一些措施。     

大跨度钢结构的抗连续性倒塌设计

为了实现大跨度钢结构的抗连续性倒塌设计目标,从结构体系布置的角度出发,对不同形式的大跨度钢结构,提出抗连续性倒塌设计的实用方法与措施：即对连续多榀平面桁架等平面结构体系,增设横向联系梁;对环向布置的结构体系,增设环形联系梁;对弦支预应力结构,拆分传力路径。关于抗连续性倒塌分析方法,根据不同的体系特点,说明了静力线性法、...     

对运动声源的被动定位跟踪新方法

本文针对无源声纳对运动声源的被动定位跟踪中的病态问题，提出一种基于线性估计、可减轻病态的新方法。理论分析与仿真结果都表明，新方法与已有方法相比，可显著提高定位跟踪精度。     

基于岭最小截平方的传感器稳健配准方法

传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方（Ridge Least Trimmed Squares,RLTS）估计方法.该方法结合了岭回归（Ridge Regression,RR）与最小截平方（Least Trimmed Squares,LTS）估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能.     

病态线性系统的控制模型设计及其迭代算法

建立一种解决病态线性系统的控制模型，得到求解病态线性系统近似解的一种新算法．该算法为病态线性系统利用计算机迭代求解提供了直接的算法依据，同时也适合于常态线性系统近似解的计算．最后将新算法与传统的Gauss—Seidel算法进行比较．     

基于广义特征值的病态混叠盲源分离算法

提出了一种新的病态混叠盲源分离算法.算法首先对观察信号进行预处理,把多余的观察信号剔除,使预处理后的混叠矩阵 A 是行满秩的;然后,通过把恢复信号的部分和的协方差与恢复信号的协方差之比的对数作为代价函数,使优化代价函数转化为求解一个广义特征值问题.在较弱的条件下,证明了该算法能够恢复出所有理论上能被分离出的源信号.数值仿真表明该算法非常有效.     

GPS双频快速定位的数据处理研究

对于仅观测几个历元的GPS快速定位,用LS估计未知数的法方程严重病态,又由于观测噪声不可避免,导致模糊度的浮点解与准确值的差值很大,方差—协方差阵也不能准确反映浮点解的精度信息,这种情况下采用LAMBDA法也难以求出正确的模糊度。本文研究了GPS快速定位方程的病态特点以及采用消除电离层影响的载波相位与测码伪距观测值的组合求解双差模糊度浮点解的方法。计算表明该方法可避免GPS快速定位方程的病态性,提高模糊度浮点解的精度。     

动态载荷识别中的模态确定方法研究

提出了模态选取概念，这一概念比目前所采用的模态截断概念合理；在此基础上提出了反分析中模态选取的准则，并给出了相应的公式。大量算例表明，采用本文提出的准则和公式可以防止因模态选取不当而产生的伪解，避免计算中的数值病态，明显提高了动态载荷识别的成功率和精度。     

多传感器空间配准的病态性及其稳健估计

为提高多传感器空间配准的精度和稳定性,以最小二乘空间配准算法为基础,分析多传感器空间配准病态性产生的原因,指出系统误差估计Fisher信息矩阵的病态性是影响空间配准质量的主要因素。运用条件指标对病态性程度进行评价,并根据信息矩阵的奇异值呈阶梯型分布特点,提出一种混合的奇异值修正稳健估计算法。该算法通过只对较小的条件指标进行修正,实现对系统误差观测方程中不确定成分的有效抑制和确定成分的保留,能较好解决多传感器空间配准系统误差实时估计问题;通过两种不同场景下的系统误差估计结果证明,该算法的使用可显著地提高系统误差参数估计的精度和稳定性。