基于奇异值分解的接收机自主完好性监测算法

基于最小二乘法残差的接收机自主完好性监测（receiver autonomous integrity monitoring，RAIM）算法本质是一种基于伪距残差矢量的一致性监测算法，但由于残差矢量中各分量具有一定的关联性，掩饰了某些重要的不一致性信息。为了消除这种关联性，提出了一种基于奇异值分解的接收机自主完好性监测方法。在方法中利用奇异值分解对伪距观测矩阵中的观测系数矩阵进行分解，获得奇异值空间矢量和奇异值空间矩阵。基于奇异值空间矢量构造能够直接反映故障卫星偏差信息的检验统计量，从而可以简便地进行粗差监测，更好地满足完好性监测需求。鉴于实际中完好性故障包含运控系统故障、导航系统故障、信号传播异常以及地面接收处理故障等多类因素，以脉冲型和阶跃型两种故障方式进行基于奇异值分解的RAIM故障检测与识别，并开展仿真分析研究。结果表明，提出的方法能够正确检测、识别故障卫星，在特定参数下能够达到很好的故障识别率，即当误警概率设置为1×10-5/h、引入阶跃故障误差为25 m时，算法能够实现98.8%的故障识别率。     

珠海一号高光谱卫星辐射精度真实性检验研究

“珠海一号（OHS）”高光谱商业遥感卫星数据在国民经济建设中发挥着越来越重要的作用。当前，针对商业遥感卫星数据质量精度的验证和评价研究成果较少。本文基于地面实测数据，对OHS卫星高光谱数据的辐射精度进行了真实性检验和定量分析。结果表明：OHS卫星表观辐亮度与实测结果具有较好的线性相关关系，相关系数R²大于0.7。与实测结果相比，OHS卫星各通道表观辐亮度值整体偏低，但两者光谱曲线形态基本一致。随着时间的推移，OHS传感器性能可能存在衰减，不同通道的衰减程度不一；在31个通道中，与实测值之间的相对差异在20%以内的通道数为9个；在20%~30%之间为14个，30%~40%为8个。     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。     

一种补偿t-OPT噪声的冗余捷联惯组故障检测方法

为提高基于等价空间原理的故障检测方法在冗余捷联惯组故障检测中的适用性和鲁棒性，提出了一种补偿噪声的t检验最优奇偶向量法(t-OPT)。该方法在最优奇偶向量法(OPT)的基础上引入t检验构造了新的故障检测函数，使用卡尔曼滤波算法补偿了t-OPT方法中故障检测函数的随机噪声，使检测方法在奇偶残差统计特性未知、存在噪声干扰和故障幅值较小的情况下，仍可以实现对故障器件的准确定位。仿真结果表明：该方法可以检测到冗余捷联惯组中低故障幅值的常值漂移，有效降低了常值漂移故障检测的虚警率以及线性漂移故障的检测时延。