神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。     

液体火箭发动机环境因子的Bayes估计

基于液体火箭发动机的寿命服从威布尔分布的条件,假定天地试验环境下威布尔分布的形状参数不变,运用Bayes方法对weibull分布天地实验条件下的环境因子进行分析,给出了环境因子在平方损失下的Bayes估计,并与极大似然估计法进行比较,通过仿真实例验证了该方法的有效性。     

自由转子陀螺仪的伺服测试技术研究

自由转子陀螺仪是目前精度最高的一种陀螺仪,没有精密的力矩器,因此,只能采用双轴伺服法来辨识其漂移误差模型。介绍了双轴伺服测试法的基本原理,给出了双轴伺服转台的运动轨迹及重力矢量的变化规律。根据转台的运动特性,建立了自由转子陀螺仪的漂移误差模型,导出双轴伺服转台转角数据估计漂移误差模型系数的算法。从测试结果可以看出自由转子陀螺仪的长时间精度高,表明采用伺服测试法能够获得极高的测试精度,伺服转台可以作为测试自由转子陀螺仪精度的装置。     

基于预警卫星观测数据的弹道重构算法研究

地球静止轨道顶警卫星弹道重构是弹道导弹防御的一个重要环节，利用基于Stirting插值逼近的非线性KALMAN滤波方法，对凝视型弹道重构算法进行了研究。在对导弹动力学模型分析的基础上，建立了弹道状态方程组和观测方程组，并对滤波计算中的初值选取，参数变换进行了讨论。滤波计算中的初值选取所用的多项式拟合方法，可以进行扫描型弹道重构的实现，但精度不高。通过仿真计算，对算法的可行性进行了验证。     

噪声调幅干扰信号波达方向估计研究

利用噪声调幅干扰信号频谱结构的特殊性,提出基于阵列接收信号载频处频域数据的波达方向估计算法,通过仿真分析表明该算法的角度估计性能明显高于目前广泛采用的比幅比相单脉冲测角法,并且计算量也大大低于传统的波达方向估计算法.     

轨道机动过程中推力加速度的实时最小方差估计

飞行器轨道机动过程中，为跟踪、定位机动目标和干预机动控制过程，需要统计处理离散的雷达观测量实时估计推进发动机的推力，进而确定飞行器的瞬时轨道参数。本文所述算法是该工程问题的探讨和解决方案。文章建立了轨道机动过程中连续变质量运动模型和离散雷达量测模型，推进发动机的质量秒耗量作为表征推力加速度的一个近似常量，应用扩展卡尔曼滤波对离散的雷达测量数据进行顺序统计处理给出秒耗量的最小方差估计；文章详细地推导了线性化量模型的变分方程和观测矩阵；仿真结果表明该算法能快速、准确地估计推进发动机的质量秒耗量和向机动目标施加的实际推力。     

遥测系统的多普勒频偏盲估计

提出一种适应于在加性高斯白噪声信道(AWGN)下遥测系统的多普勒频偏盲估计算法。针对不同调制方式和波特率的遥测信号在较大频偏范围内对多普勒频偏进行估计,对算法具体实现时参数的选择及影响频偏估计精度的因素进行分析。     

基于星间测量的异构星座自主导航方法研究

随着星座逐渐向多功能、大型化方向发展，异构星座成为研究的热点。为了解决卫星数目较多，地面设备进行定位和测控难度较大的问题，研究了基于星间测量的异构星座的自主导航方法，该方法充分利用星座中卫星的相对运动规律构成的约束条件，利用有条件的参数加权平差方法，解决星间测距网的基准秩亏问题，并针对异构星座中卫星的位置分布和初始精度的不同，进行分组观测，采用分组平差方法进行定位解算。仿真结果表明：该方法能够有效的降低定位解算的时间，并通过合理的约束，提高定位的精度。     

基于磁强计测量的一种姿态估计方法研究

运行在低轨道上的三轴对地稳定小卫星在安全保持模式下的姿态确定要求测量部件的可靠性高,功耗低。本文选用三轴磁强计作为测量部件,给出在安全保持模式下的增广型Kalman滤波器(EKF)的设计。仿真结果表明在安全保持模式下,对卫星姿态能够进行很好的估计或校正。     

卫星成本预测的蒙特卡洛优化模型研究

传统的卫星成本预测模型预测结果单一，未考虑相应的不确定性因素。对此，提出了基于蒙特卡洛方法的卫星成本预测模型。该模型综合考虑了卫星成本技术的不确定性并给出了预测值的区间范围和概率分布。为了降低应用该模型所产生的误差，提出了最优分层抽样的方法，并通过划分分层区间提高了抽样的效率。最后，将收集到的相关数据代人该模型，其结果精度大约提高了10％左右。可见，使用优化的蒙特卡洛方法进行卫星成本预测具有较好的精确度。