基于加速度测量的智能桁架结构振动主动控制

加速度传感器具有频带宽、结构简单、重量轻等优点而获得了广泛使用，因此研究基于加速度测量的结构控制系统具有较大的实用价值。文中的只能获得加速度时，采用模态滤波器技术实现从物理加速度响应解耦得到单模态加速度的响应。然后改变Ｌｕｅｎｂｅｒｇｅｒ观测器的结构形式，从模态加速度响应观测得到模态们移和模态速度响应。基于模态滤波器和最优控制理论，采用独立模态空间控制策略，实现了具有密集模态的三维柔性智能桁架结构     

NONLINEAR FILTERING ALGORITHM FOR INS INITIAL ALIGNMENT

The initial alignment error equation of an INS (Inertial Navigation System) with large initial azimuth error has been derived and nonlinear characteristics are included. When azimuth error is fairly small, the nonlinear equation can be reduced to a linear one. Extended Kalman filter, iterated filter and second order filter formulas are derived for the nonlinear state equation with linear measurement equation. Simulations results show that the accuracy of azimuth error estimation using extended Kalman filter is better than that of using standard Kalman filter while the iterated filter and second order filter can give even better estimation accuracy.     

利用航天器分舱段振动试验数据获取整器响应的方法

未来大型组合体航天器振动试验可能难以在现有设备上进行,需要进行分舱考核。文章针对此问题开展了利用分舱段振动试验获取整器响应的方法研究。提出的方法为:根据不同界面下模态的映射关系,利用单舱段的振动试验数据辨识出舱段的两端固支模态;采用模态综合技术计算出整器组合体模态参数,拟合出结构的加速度响应传递函数;结合整器的加速度试验条件可以给出整器的试验响应曲线。仿真验证结果表明该方法合理可行,具有工程应用价值。     

脉冲星方位误差估计的TSKF算法

为提高脉冲星方位误差估计对方位自行速度及卫星位置误差的鲁棒性和整体运算的高效性，设计了两级卡尔曼滤波（TSKF）算法。首先，分析了方位自行速度及卫星位置误差对方位误差估计的影响，并分别结合相关算法进行了仿真验证。然后，结合方位误差估计的CV模型和两级卡尔量滤波的相关原理，写出了TSKF算法的更新方程，并分析了实现并行计算的基本流程。仿真实验的数据显示:在方位自行速度及卫星位置误差均存在的情况下，TSKF算法的方位估计精度约为0.1 mas，方位自行速度估计精度约为1.1 mas/a；与基于CV模型的估计算法相比，TSKF算法的浮点运算仅增加了0.048%。      

简化DDF算法及其在单星对星无源定轨跟踪中的应用

单星对星无源定轨跟踪是典型的非线性滤波问题,其中非线性滤波算法至关重要.DDF.算法具有良好的精度与稳定性且适用范同更广,不过计算量较大.单星对星无源定轨中系统噪声通常是加性高斯的,根据这一特点对标准DDF算法进行简化.简化后加性噪声可以进行单独处理,基于此,提出一种计算复杂度更低的SD-DF算法,并运用于仅测角条件下的单星对星无源定轨跟踪.SDDF算法具有比EKF更高的精度和更好的稳定性,其性能与标准DDF相同但是计算耗时更少,特别适合于单星对星无源定轨跟踪实时处理.     

有色观测噪声下的目标跟踪问题

本文讨论了有色观测噪声下的目标跟踪问题，把观测色噪声的成形滤波器假设为ＡＲ模型，给出了估计ＡＲ模型参数的方法。本文又提出将ＡＲ模型参数估计和交互式多模型（ＩＭＭ）滤波相结合，可以很好地跟踪目标。     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法，敏感器数据融合前必须先修正低频误差。首先，介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次，针对传统算法的不足，提出了基于纵向滤波的低频误差在线估计算法，该算法将传统低频误差估计问题转化为若干个常值误差估计问题，提高了估计精度。最后，给出了该算法具体实施方式，说明相关参数物理意义及选取原则。通过理论分析及仿真，算法误差可忽略不计。通过在轨数据仿真，星敏感器轨道周期低频误差可被消除。     

单目标跟踪技术发展研究

随着机动目标定位与跟踪技术广泛应用于军事和民用领域，研究更为快速、准确的跟踪算法具有十分重要的意义。目标运动模型、跟踪算法和跟踪模型结构是机动目标跟踪技术的三项主要研究内容，文章介绍了这三项技术的研究进展及发展方向。目前，对各种经典模型的组合和改进是目标运动模型的主要研究方向，通过分析并比较工程中常用的卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波的优缺点，探究了它们的不同适用场合及进一步研究方向。详细分析了三代多模型跟踪算法的原理和适用场合，这对研究更为先进的单目标跟踪技术，进一步提高跟踪精度和整体性能，具有一定的参考价值。此外，文章还提出了机动目标跟踪算法的几个发展趋势：将变结构多模型算法与目标实际运动场景结合起来，广泛应用于工程实践中；探索无需依赖于基础模型集合的模型机自适应变化方法；考虑将智能控制理论与变结构多模型跟踪算法互相结合。     

一种重力测量卫星质心在轨标定改进算法

针对重力测量卫星质心在轨标定算法中存在的陀螺精度不高且易失效的问题,提出了一种应用星敏感器和静电加速度计的质心标定改进算法。在该算法中,将一个明显大于干扰力矩的周期性磁力矩,作用于卫星上;将星敏感器观测量代入预测滤波器中,估计卫星的角速度及角加速度;利用静电加速度计信息设计扩展卡尔曼滤波,从而实现卫星质心的标定。数学仿真结果表明:此算法能够对卫星的角速度及质心位置进行实时估计,卫星质心三轴最佳标定精度均优于0.05mm,可实现陀螺失效情况下卫星质心较为精确的标定。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。