基于自适应神经网络的UUV航速控制仿真研究

针对无人水下航行器(UUV)在水动力参数变化和外界不确定干扰下的航速控制问题,提出一种基于李雅普诺夫方法的自适应神经网络控制算法。引入RBF神经网络来估计建模误差和海流干扰,并设计自适应学习律来保证神经网络权值的最优估计,保证了系统的航速误差收敛到零。仿真试验结果表明设计的控制器在航速控制过程中可有效抑制UUV载体的模型不确定性及海流干扰,且控制参数易于调节。     

多路直扩信号并行IMPA捕获算法仿真实现

针对长PN序列作扩频地址码的多路直扩信号的快速捕获问题,提出多路直扩信号并行IMPA(迭代信息传递算法)捕获方案,该方案能够根据接收信号的信道信息直接生成与各路接收信号序列粗同步的本地伪码序列,改变了传统捕获方法中本地伪码序列的生成方式,大大缩短了信号的捕获时间。详细说明了该方案的实现原理和实现方法,并对该方案进行了仿真和实际验证。结果表明该方案能够在低信噪比下实现多路直扩信号的快速捕获,而且实现的复杂度较低。