重力梯度稳定小卫星的最优主动磁控和动量轮控制

为了提高小卫星定点精度,姿态控制系统采用俯仰轴动量轮控制和三轴磁力矩控制。用四元数方法建立起卫星动力学方程和运动学方程。以响应时间和响应时间内欧拉角误差和角速率误差的平方和这两个单目标作为目标函数,以三轴的位置增益、速率增益和卸载增益为设计变量,以三轴欧极子矩不超过要求值,俯仰轴的轮动量矩不超过要求值,以及末尾响应时间内应保证欧拉角和角速率逼近控制值为约束条件,建立起卫星最优控制模型。最后,作为例子应用到小卫星姿态控制中,结果证实最优控制算法是可行有效的。与传统PD控制相比,优化后的姿态控制性能也大大提高。     

一种卫星姿态确定的非线性算法

在稳态卡尔曼滤波算法中引入非线性项 ,改进了算法的性能。思路是在姿态确定误差较大时 ,使得非线性滤波算法等价于具有较大滤波增益的稳态卡尔曼滤波器。理论分析和仿真结果表明在保证同样稳态估计精度的情况下 ,与稳态卡尔曼滤波算法相比较 ,非线性滤波算法具有更快的收敛速度     

基于航迹关联的抗角闪烁跟踪算法研究

角闪烁背景下，高分辨雷达在近距离跟踪阶段存在不能精确跟踪的问题。针对此问题，分析了基于距离高分辨的单脉冲测角方法，并在此基础上，结合距离向强散射点的幅度特征，提出了一种基于航迹关联的抗角闪烁跟踪算法。算法首先对和通道、方位差通道、俯仰差通道的回波信号分别进行脉压和相参积累；然后在和通道的高分辨一维距离向上实现目标强散射点的检测，依据幅度进行排序并输出各点的距离信息和角度信息；最后利用联合集成概率数据互联算法作为目标跟踪滤波算法进行跟踪。本文通过对ku波段实测数据中入射余角为60°~69°的近距离跟踪部分进行分析，将所提算法与卡尔曼滤波跟踪算法进行了对比，仿真结果表明，本文算法使多目标跟踪的精度得到了提高，具有更好的角闪烁抑制性能。     

带侧窗动能杀伤器直接力姿态控制

设计了带侧窗导引头的动能杀伤器直接力姿态控制方法。根据侧窗坐标系下视线高低角和视线方位角的约束,结合直接力控制特点,设计了高空滚动通道控制策略,用准滑模控制方法设计了俯仰和偏航通道的控制方案,并通过数学仿真验证方法的正确性和可行性。该方法算法简单,自适应性强,具有较高的工程应用价值。     

船摇速度补偿算法在两轴天线伺服系统中的应用研究

在海洋环境下进行遥测任务时,船摇对天线的指向精度及跟踪精度影响很大。针对方位俯仰型两轴天线伺服系统,通过在伺服环路中引入船摇速度补偿,降低船摇对伺服系统控制精度的影响。首先对速度补偿算法进行简要的理论分析,明确其抗船摇扰动的机理。然后对惯导采集的船摇速度进行坐标变换,把三轴的船摇速度信息变换到天线方位俯仰轴上,进而得出船摇在天线方位俯仰轴上的速度扰动量。最后设计了两组试验,对速度补偿算法的正确性及其抗船摇的效果进行验证。结果表明,在天线伺服系统中添加速度补偿后,天线的指向精度明显提高,方案简单有效。     

一种改进的无迹Kalman滤波在SINS/GPS组合导航中的应用

传统的无迹Kalman滤波根据估计量测方程和量测量的协方差矩阵来确定最佳增益,但在导航过程中会因为外界因素的干扰,无法得到准确的量测信息算法,使增益有所偏差,导致最后的滤波精度降低。基于此,提出了一种改进的无迹Kalman滤波。首先根据新息,判断是否有异常的观测量,并通过引入抗差因子进行修正。通过仿真实验,比较扩展Kalman滤波、无迹Kalman滤波和改进的无迹Kalman滤波的误差特性,证明提出算法的有效性。     

MGEKF可修正增益矩阵的研究

MGEKF就是基于EKF衍生出的一种修正算法。MGEKF算法是基于非线性函数是可修正的特性,详细介绍非线性函数的可修正增益矩阵的定义和推导方法,通过实例对方位角的可修正增益矩阵进行推导,并归纳出工程上计算修正增益函数的方法和步骤,最后利用Maltab仿真了MGEKF和EKF的滤波过程,证实了MGEKF算法的优越性。     

新型伪加速度修正自适应滤波算法研究

提出了一种新型自适应滤波算法,该算法采用球坐标系,同时根据当前目标的运动状态实时调整增益.仿真结果表明该算法易于工程实现,可实现机动目标的快速自适应跟踪.     

对日观测卫星无陀螺姿态确定算法研究

研究了两种无陀螺姿态确定算法:Kalman滤波算法和二阶差分算法。基于某对日观测卫星,将“陀螺 太阳导行镜”组合Kalman滤波算法与以上两种无陀螺定姿算法进行了仿真比较。结果表明,Kalman滤波算法和二阶差分算法均能较好地实现对日观测卫星三轴姿态角和姿态角速度的估计。     

基于伺服机构饱和抑制的模糊滑模控制方法

以高超声速飞行器为研究对象,设计了一种模糊变增益滑模姿态控制器。在控制器的设计中,应用动态逆方法对控制对象的俯仰、偏航和滚转通道进行解耦处理。通过滑模变结构控制方法保证被控系统的鲁棒特性。为了抑制伺服机构饱和,基于专家控制经验设计了滑模控制器增益模糊控制规则。通过仿真验证,证明了本文设计的控制方法在高超声速飞行器姿态控制和伺服机构饱和抑制两方面的有效性。     

基于预测滤波的卫星交会对接相对位姿确定方法

基于视频制导系统提供的视线测量,引入一种高精度、高鲁棒性的、实时的预测滤波算法,建立系统的误差模型,对角速度和位移速度进行一步预测,从而精确地估计卫星的相对位置和相对姿态。此外提出修正方案,通过卡尔曼增益对相对姿态和相对位移进行修正和更新,估计性能得到改进优化。通过卫星交会对接仿真实验验证算法的有效性,结果表明,预测滤波算法高精确估计相对姿态和相对位置,修正后算法得到了更高的精度结果,满足卫星交会对接要求,对在轨实验有重要参考价值。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

基于多相滤波的跨信道宽带信号处理技术

首先介绍了实信号的多相滤波信道化体制,讨论了该体制下宽带信号跨信道接收时的信号检测技术以及邻信道虚假信号消除技术。然后详细讨论了各种跨信道宽带信号恢复算法,考虑到可行性和FPGA的硬件可实现性,选用综合滤波器算法进行宽带接收。最后通过MATLAB仿真验证算法的有效性。     

基于卡尔曼增益的Duffing系统状态预测算法

传统的Duffing系统检测算法主要基于相图的变化,通常需要大量的循环采样点数来激励系统从混沌态转移到大尺度周期态,极大地限制了Duffing振子的应用。本文提出一种新型的基于卡尔曼增益的预测算法,通过建立Duffing系统状态方程并设定量测方程的控制条件,得到Duffing系统的卡尔曼增益改进形式,根据增益的变化可以实现Duffing系统状态的预判,从而降低了系统的输入采样。谐波信号检测实验表明,相比传统算法,预测方法不仅可以减少至少50%的循环采样点数,而且检测的精度也得到了显著的提高。     

基于移位算法的环外滤波器的设计

环外滤波是提高测速精度的重要手段。用移位算法设计的环外滤波器 ,能够使定点 DSP节省大量的时间开销 ,以实时完成多通道数据处理任务。文中介绍基于移位算法的环外滤波器的设计过程 ,算法简单 ,性能优越。仿真结果表明 ,该环外滤波器完全符合设计要求     

多尺度小波变换在野值剔除中的应用

常见的野值剔除方法即卡尔曼滤波算法条件苛刻,不易实现。在分析了系统方程之后,利用小波变换的基本原理,将系统信号分解到各个尺度上,在各尺度上分别进行卡尔曼滤波,之后进行小波重构从而得到各尺度下的滤波估值。此算法将小波去噪与卡尔曼滤波算法结合起来,能够更有效地剔除野值。针对卡尔曼滤波算法的复杂性,还提出了一种有效的滤波算法,利用该算法进行小波多尺度分解和滤波和重构,信号野值也可以得到很好的剔除。经仿真实验验证,这两种多尺度小波变换算法都能够很好地剔除野值,效果明显。     

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。     

压制干扰下组网雷达目标检测与跟踪技术

针对压制干扰下组网雷达目标检测与跟踪,提出了一种基于压制干扰下雷达量测模型的跟踪技术。该跟踪技术包括压制干扰下量测模型和组网雷达序贯滤波跟踪两部分。压制干扰下量测模型根据雷达采取抗干扰措施前后接收机输入端的信干比分别计算检测概率,进而模拟传感器在压制干扰下对目标的检测情况。组网雷达序贯滤波中,首先对压制干扰下各雷达的量测数据进行串行合并和点迹合成,而后采用基于交互多模型(IMM)的序贯滤波方法对压缩后的数据进行跟踪。该检测与跟踪技术可模拟出雷达在压制干扰下由于检测概率下降造成的目标暂消现象,提高组网雷达跟踪航迹的连续性和稳定性。仿真结果表明了该技术的可行性和有效性。