为了在闭环工作条件下监测动力调谐陀螺仪的性能, 研究了动力调谐陀螺仪的闭环辨识方法。首先, 根据动力调谐陀螺仪闭环模型的复杂结构, 对其进行化简和离散化处理, 获取辨识模型集和模型阶数。接着, 将辅助变量法(Ⅳ)应用于动力调谐陀螺仪的闭环辨识, 并根据传统Ⅳ法的不足, 提出了BJIV辨识法。该方法能够应用于BJ模型, 使系统模型与噪声模型不再受辨识模型的限制。然后, 利用仿真分析的方法, 分析BJIV法辨识结果的无偏性与渐进离散特性。最后, 采用提出的方法对某型号动力调谐陀螺仪进行单次和连续闭环辨识实验。仿真结果表明: BJIV法的辨识结果在有噪声存在的条件下是一致无偏的, 渐进方差能够接近最优;闭环辨识实验结果表明: 辨识拟合度优于90%, 连续跟踪2 h, 获得了可靠的辨识结果。

针对一阶总变分盲复原块效应严重的问题, 提出了一种自适应阈值的超变分正则化图像盲复原方法来恢复点扩散函数未知的退化图像。对总变分形式进行了分析, 提出了超变分正则项, 并给出了代价函数的数学模型。用估计的图像噪声确定模型中阈值的大小, 然后引进3个辅助变量等价转化代价函数, 以便简化后续计算并提高复原效果。最后, 利用半二次规整化对模型迭代求解。实验结果表明, 复原后图像细节增加且块效应减少, 相对于目前已有的方法, 信噪比提高了近1 dB。恢复效果表明该方法具有较大的实用价值。

在输入-输出数据中带有噪声时，传统的最小二乘辨识算法给出模型参数的有偏估计。当噪声方差的估计值可获得时，采用偏差补偿算法能够得到模型参数的一致性估计。在辅助变量算法的基础上结合偏差补偿算法进行推广得到偏差补偿辅助变量辨识算法。采用适用于噪声环境的偏差补偿辅助变量辨识算法，可准确地辨识飞机的颤振模态参数，该算法结合传递函数模型，将带噪声系统的辨识问题转化为迭代求解问题，用来解决输入噪声为白噪声，而输出噪声为有色噪声的复杂辨识情况。利用该算法可将噪声的方差值和传递函数中的模型参数迭代地估计出来。最后利用试飞试验数据辨识飞机颤振的系统参数，将算法与经典的辅助变量算法进行比较，验证了该方法的有效性。