捷联惯导系统大方位失准角下的非线性对准

采用欧拉角描述平台坐标系与导航坐标系间的失准角,推导了适用于捷联惯导系统的非线性误差方程,证明了该方法仅适用于方位误差角为大角度,而水平误差角为小量的情况。数学仿真表明:在方位误差角为大角度情况下,采用所推导的误差方程和非线性滤波技术能获得更高的估计精度。     

基于系统误差诊断的多测元融合算法

在多测元目标跟踪定位中,结合测元的匹配特性,提出"三选二"原则诊断并估计少数测元上的系统误差,以多测元最小二乘多项式滤波抑制随机误差,从而提高目标定位精确度的数据融合新方法。以三测元为例给出了具体在微分域和积分域进行匹配诊断的步骤。在估计并扣除系统误差之后,进行三通道最小二乘多项式滤波以更有效地抑制随机误差。仿真计算结果表明该方法能够有效地发现和估计系统误差,同时指出在积分域进行匹配诊断和估计的精度要优于微分域匹配诊断。     

纹波电流对消电路

纹波电流对消技术将等于或相反的正常变换器纹波电流的AC电流注入变换器输出电压母线。理想的输出纹波电流为零，结果能产生超低噪声变换器输出电压。电路几乎不需要其他元件，也不需要有源电路。只需附加一个滤波感应绕组、一个辅助电感器和一个小电容器。电路把改进型滤波电感器的泄漏电感用作全部或一部分所要求的辅助电感。纹波对消与转换频率、占空比和其他变换器参数无关。电路消除了连续传导模式和断续传导模式时的纹波电流。试验结果表明，纹波电流值降低了80X以上。     

微小卫星磁测自主导航方法

本文提出了使用磁测方法实现近地微小卫星自主导航的方法，利用实时地磁场测量数据与根据ＩＧＲＦ计算出的地磁声数据之差作为新息量，使用推广Ｋａｌｍａｎ滤波算法确定卫星的位置和速度。给出了三种导航滤波算法。并使用模拟数据和ＭＡＧＳＴＡ卫星实测数据进行了仿真研究，证明了方法的有效性和实用性。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

一种新的非线性干涉SAR噪声抑制方法

现有的常用于干涉SAR相位图噪声抑制的非线性滤波法主要有模糊中值滤波和模数滤波，这两种方法都会引起比较大的图像边缘模糊，从而降低后续处理的精度。邻域平均法是一种非常经典的图像降噪方法，它具有较好的边缘保持特性。论文结合干涉SAR相位图的特性，改进了邻域平均法的邻域甲均值计算公式，有选择地利用邻域平均值代替当前像素点的值，提出了一种适用于干涉SAR相位图降噪的新的非线性滤波方法一条件邻域平均法，它具有更好的边缘保持特性。在理论分析和比较条件邻域平均法与模糊中值滤波和模数滤波方法的基础上，采用ERS1／2干涉SAR数据对论文提出的方法和所作的分析进行了验证。     

微波滤波技术在通信系统中的应用

微波应用于卫星通信和陆地移动通信系统日前普遍，本文简要叙述了微波滤波技术在卫星通信和无线通信系统中的应用。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

基于FPGA实现的SAR成像中的方位预滤波

针对SAR成像中的方位预滤波,讨论两种方位预滤波的算法。经比较,“拉格朗日乘子法”滤波器更适合应用到SAR成像中,因为该方法在保证相位特性的同时使成像带宽内信号能量最大、非成像带宽内的信号能量尽可能小,最大限度地保证了成像质量。最后还给出方位预滤波基于FPGA的硬件实现及实测数据成像结果。     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。