太阳矢量在行星际探测器姿态估计中的应用研究

在基于矢量观测的行星际探测器姿态确定中,参考矢量的几何关系是影响姿态估计精度的一个重要因素。针对这一问题,本文提出了一种利用太阳矢量来提高探测器姿态估计精度的最优算法。该方法在引入太阳矢量的基础上,将星敏感器测得的姿态四元数转化为两个互相垂直的参考矢量,并根据敏感器的测量精度计算相应的规范化权值系数;结合姿态四元数估计算法,给出最小二乘意义下的探测器最优姿态估计。最后,以深度撞击任务的实际飞行数据对本文所提算法进行验证。仿真结果表明,引入太阳矢量后的三轴姿态角估计误差小于150μrad,完全满足深度撞击任务的要求。     

工质温度对二次喷射推力矢量性能的影响

为了研究二次流温度对推力矢量的影响规律,本文基于二次喷射的基本原理,利用计算流体力学(CFD)软件,对不同温度的二次流进行了模拟仿真分析。结果表明,在相同喷射压强和喷射流量下,二次流温度越高,在扩张段影响的范围就越大,但产生的侧向力和温度并不是简单的正变关系。在此分析的基础上,提出了一种合理利用二次流温度的工程方案。
     

基于矢量测量和UKBF的飞越小天体自主导航方法研究

以估计航天器和小天体在日心惯性系中的位置和速度为目的,提出了基于视线矢量测量的飞越小天体自主导航方法。该方法利用导航相机和激光高度计构建航天器到目标天体的视线矢量,同时为避免系统方程线性化和离散化所带来的模型误差,采用UKBF (Unscented Kalman\|Bucy Filter)算法对相应位置和速度进行估计。分析了导航系统的能观性,并以坦普尔一号为目标天体进行仿真验证,理论分析和仿真结果皆表明了方法的有效性和可行性。
     

一种基于信息融合的深空巡航段自主导航算法

针对自主光学导航在深空巡航段应用中的问题,提出了一种基于信息融合的自主导航算法。由太阳敏感器测量获得太阳相对探测器的视线矢量,由分光计测量获得探测器相对太阳的径向速度,构建自主导航系统的两种信息观测方程;由基于状态估计误差协方差阵奇异值动态确定信息分配因子,用信息融合技术和扩展卡尔曼滤波算法实时估计探测器的位置与速度。对深度撞击任务的实际飞行数据的数值仿真结果表明:自主导航算法的轨道确定精度满足深空巡航段要求。     

捷联惯性导航系统姿态算法研究

用四元数和旋转矢量在捷联惯导系统中表示姿态矩阵,在圆锥运动的条件下,对旋转矢量算法进行了优化。对四元数、旋转矢量优化算法进行了仿真比较。仿真结果表明:等效旋转矢量算法明显优于四元数算法。     

一种新的红外烟幕遮蔽效果时域特性评估方法

提出了基于分形特征和Aitkin插值技术的烟幕遮蔽效果时域特性评价的方法,计算了目标热像区域的分数维和分形拟合误差,采用了Aitkin插值技术来获得烟幕场遮蔽效果的时域特性。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。     

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。