基于图像的着陆点评估及探测器运动估计方法

针对深空探测任务特点给出了一种基于导航图像的探测器着陆点选择与探测器运 动估计技术。考虑到在着陆初始阶段(探测器高度＞2 km)导航相机所拍摄到的天体表面 近似为平面。这里通过跟踪至少4个平面内的特征点在导航图像序列 中的位置, 利用最小二乘法计算单应矩阵,由该矩阵得到探测器部分相对运动参数。结合激光测距仪给 出的探测器与天体表面之间的距离信息,可以得到全部6自由度参数。安全着陆点的选择与 评估首先利用图像灰度预选出平整的着陆点,再由着陆点对应的单应矩阵和之前获得的帧间 相对运动验证着陆点坡度。蒙特卡洛仿真结果表明,着陆点评估算法能够有效地选取满足平 整和坡度要求的着陆点,运动估计算法实时地对探测器参数进行估计,平移估计相对误 差小于10％,旋转估计误差小于0.23°。
     

一种最大压缩误差可控的高光谱图像压缩算法

提出了一种可以实时控制压缩误差的高光谱图像有损压缩算法。该算法对高光谱 图像矩阵进行奇异值分解得到奇异值矩阵和奇异向量矩阵;用部分奇异值及其对应的奇异向 量重构图像;根据测量系统精度要求确定量化因子并对重构图像与原始图像间的光谱误差进 行量化;采用预测编码和算术编码对用于图像重构的奇异值及其对应奇异向量进行无损压缩 ;设计了非零值编码算法完成对重构误差的无损压缩。对Luna Lake和Low Altitude图像的 仿真结果为：最大相对误差分别控制在0.44％和0.33％时,压缩比为41.5:1和24.6:1, 信噪比为 50.4 dB 和47.8 dB。
     

月球探测器着陆中基于被动图像的着陆场搜索及斜坡估计

在无人探测器月面软着陆技术研究中,因为月球表面障碍物对探测器着陆 安全构成的威胁,所以首先需要解决的是安全着陆区域确定及其坡度估计的问题。从被 动图像角度出发,研究了基于灰度变化的着陆区域确定和基于两视图几何的候选着陆区域坡 度估计的方法。首先,研究了一种基于多尺度窗口区域内灰度变化标准差的安全着陆候选区 域确定方法;其次,为了计算基础矩阵F和单应矩阵H,本文利用SIFT算法和RANSAC策略 进行特征点检测和跟踪;最后,本文利用平面单应H和基础矩阵F的相容性原理,提出了一种 斜坡坡度估计方法。和同类方法相比,该方法无需探测器位姿转移参数。利用该方法得到的 斜坡估计结果和其他方法的结果比较后可知：本文提出的方法检测出的坡度误差能够满足着 陆过程中斜坡检测的要求。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

基于最大似然准则的L阵2D-DOA配对算法研究

针对L阵两维到达方向(2D-DOA)估计中方位角和俯仰角配对错误导致的模糊问题,对一种基于最大似然准则的配对算法进行了研究。根据建立的L阵信号模型,用超分辨算法获得在非相干源和相干源时的L阵两组线阵的一维DOA估计。由一个线阵接收数据和估计的一维DOA得出信源的最大似然估计,构造第一个信源协方差矩阵,其中目标的排列顺序与该线阵估计的一维DOA顺序对应;再用两个线阵接收数据的互相关矩阵估计第二个信源协方差矩阵。当两个线阵估得的一维DOA对应时两个信源协方差矩阵等价,可由两个矩阵中元素的位置关系实现配对,获得无模糊的方位角和俯仰角。仿真结果表明:所提算法在低信噪比、小快拍数下均具较高的鲁棒性,适用范围广,在无任何先验信息条件下能较准确地实现配对。     

一种行星车视觉导航系统的立体校正算法

针对行星车软着陆过程中,视觉导航系统参数变化后星面再标定难度大的问题,在传统立体校正算法基础上提出了一种适用于行星车视觉导航的弱标定立体校正算法。算法利用地面标定结果和对应匹配点进行优化计算,约束校正矩阵形式,保证了校正结果为以光心为投影点的单应变换,并进一步简化参数,降低计算复杂度。在理论上证明了算法的正确性,实验验证了算法的有效性。实验结果表明,算法校正结果与已知相机内、外参数的欧几里德校正方法性能相当,校正误差和校正畸变均较小,满足行星车视觉导航系统要求。     

基于纹理特征多分辨双Markov-GAR模型的SAR图像分割

为了提高SAR图像分割精度,提出在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,同时考虑SAR图像像素间空间分布特征和局部灰度均值和方差等统计量给出多分辨双Markov框架下的GAR模型,采用多分辨MPM的参数估计方法及对应的无监督分割算法,对SAR图像进行纹理分割。实验结果表明该方法用于一些高分辨SAR图像,与基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,在分割精度上能降低分割时的错分率。     

基于SoftPOSIT算法的单目视觉非合作目标相对位姿估计

针对模型尺寸已知的非合作目标,在目标三维特征点和图像二维特征点坐标已知但匹配关系未知的条件下,对基于SoftPOSIT算法的非合作目标航天器间相对位姿估计方法进行了研究。SoftPOSIT算法将解决匹配的Softassign和解决位姿的POSIT两种迭代方法融入一个迭代循环,建立全局目标函数,最小化目标函数就可在获得服务航天器与目标航天器相对位姿的同时确定三维点与二维点间的匹配关系。仿真结果表明由SoftPOSIT算法所得位态精度很高,算法正确有效。在不同条件下用该算法对某卫星位姿进行估计,发现算法的相对位置估计精度随目标与服务航天器相对距离增大而提高,而相对姿态角对估计精度的影响较小。     

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

基于单应视差的月面着陆区离面测量及平坦性分析

文章针对月球探测器的软着陆,提出了基于由平面诱导的单应视差的月面着陆区离面距离测量及平坦性分析方法.对于特征点分布不均匀情况,采用邻近特征点内插方法在全图强制性近似均匀选择点云作为兴趣点,用基于极线约束和单应约束融合的方法匹配纹理不丰富的兴趣点.使用由平面诱导的单应视差计算兴趣点的离面距离,以离面距离的最大值、绝对值的...     

基于视线角四元数序列的视线角速率样条滤波

依据坐标系转换四元数与坐标系旋转角速度之间的关系，提出了基于视线角四元数序列的视线角速率自适应样条滤波算法。该算法利用样条函数表示视线角四元数，结合四元数与角度之间的对应关系，建立了系统状态方程；在只给出视线角序列信息的情况下，对观测误差进行了补偿，实现了自适应样条滤波算法，获得了有效的视线角速率信息。     

可重复使用运载器的再入制导(英文)

提出了一种针对可重复使用运载器的再入制导算法。算法可分为轨迹规划算法和轨迹跟踪算法。较之经典的规划阻力的航天飞机制导方法,此算法最显著的特点在于轨迹规划与轨迹跟踪都直接在高度-速度空间里进行。在规划算法中,所有的轨道不等约束都可用高度-速度空间里的上下边界来表示,之后基于此边界采用线性化插值的方法来产生标称轨迹族,最后根据末端约束(末端能量管理)和航程约束来选择所需的标称轨迹。跟踪算法则采用反馈线性化来跟踪此标称轨迹进而满足所有的约束条件。此算法另一有别于传统方法的特点在于算法可使用一个航迹角控制器来增加航程,以满足大航程需要。适当地结合规划-跟踪算法和航迹角控制器可给再入制导带来极大的灵活性和适应性。另外,算法对各种建模误差与噪声的鲁棒性经验证也是符合要求的。     

低(负)仰角跟踪的综合平滑算法

分析多径测角误差的形成机理，阐明在多信息源的跟踪系统中，对跟踪数据作综合平滑算法的原理、计算方法及实现，以及由这种软件控制的跟踪系统的外场实验结果。     

单通道红外防空导弹图像解耦方法研究

针对单通道防空导弹导引头图像的弹旋解耦问题，提出采用图像解析算法进行弹旋软解耦的方法，可以使弹旋解耦不依赖于通常采用的陀螺等硬件装置。通过建立导弹与目标相对运动空间模型和成像模型，得出了耦合和解耦构成可逆过程的结论，图像解析算法建立在互逆结论的基础上，将导弹旋转角速度的估计分为近似估计和精确补偿两个过程，并设计了角速度实时跟踪的解耦流程。仿真实验表明，图像解析算法进行弹旋解耦具有速度快，精度高等优点，其时延小于0．02s，误差小于0．005r／s，并有效的节约了解耦成本。     

转台高精度模拟卫星三轴角速度解耦算法研究

针对传统法解决转台解耦问题存在的不足,将欧拉角速度转为陀螺角速度,地球自转作为转动激励,提出了一种新的转台解耦方法。对框角解耦算法以及卫星三轴与转台三轴不同关系条件下的转台改进算法进行了仿真。结果表明:用转台模拟卫星欧拉姿态角时,应尽量避免中内框夹角过小;卫星稳态运行时,转台的内外框分别模拟卫星的俯仰、偏航轴。转台不会产生接近奇异的现象。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

自适应预测补偿的迭代制导方法及其应用研究

针对迭代制导完成后入轨参数或终端程序角修正问题,研究一种基于模型参考的自适应预测补偿迭代制导算法在运载火箭上的应用。该算法在经典迭代制导算法的基础上,根据预测的迭代终端程序角和飞行视加速度的参考模型,对关机点参数进行补偿,依据补偿后的终端指标重新规划飞行轨迹,进而得出满足入轨参数或终端程序角偏差修正的制导指令,提升迭代制导对入轨参数偏差或终端程序角的修正能力。此外,阐述了经典迭代制导的基本算法,概括了自适应预测补偿迭代制导算法的基本原理,并以大推力直接入轨、终端程序角大偏差以及满足终端程序角约束为例,给出相应工况的自适应预测补偿的迭代制导算法。仿真结果表明：该算法对入轨参数和终端程序角偏差具有一定的修正能力。     

考虑自动驾驶仪动态特性的含攻击角约束的反演递推制导律

针对制导武器需要攻击角度控制的要求及自动驾驶仪动态特性对制导效果的不利影响,提出了考虑自动驾驶仪动态特性补偿、具有末端攻击角约束的反演递推制导律。首先结合反馈线性化技术,利用本文推广的积分反演定理设计了二阶子系统的虚拟控制律;然后进一步应用反演递推方法推导了考虑自动驾驶仪动态特性的含攻击角约束的制导律,并通过李雅普诺夫稳定性理论详细地证明了该制导律对于视线角和视线角速率的指数收敛特性。在实例应用仿真中,给出了该制导律的具体实现方法,比较了该制导律与其他制导律的制导性能,检验了该制导律对不同作战任务的制导效果。仿真结果表明,该制导律具有良好的性能和工程应用推广价值。     

跟瞄激光雷达扫描图像的实时滤波算法

为实现跟瞄激光雷达的高精度实时跟瞄,对雷达三维信息实时滤波算法进行了研究。对方位信息,用卡尔曼滤波算法滤波,在保证实时性的同时获得了较好的滤波效果;对距离信息,用去边缘点3×3小窗口中值滤波算法,实现了对距离信息的准实时性滤波。研究表明:该信息处理滤波算法既有优良的滤波性能,又能保证实时性,可提高测角和测距精度,改善整机的实时跟踪性能。