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。     

多传感器数据融合与弹道落点的预报

为了更精确地对弹道落点进行预报，对多传感器数据融合技术进行了,分批人出了雷达、红外系统和光测系统与传感器融合子系统连用的实例，并得出结论：单传感器的精度是难以满足现代战争需要的，寻求一种较好的融合方法来提高落点预报精度虽是一个难题，但仍是可行的。     

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。     

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。     

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。     

基于及时修正策略的成败型产品可靠性增长分析

针对及时修正试验策略，根据Fries可靠性增长模型和Duane学习曲线特性，基于不同的失败类型对模型进行了扩展。用进化算法对似然函数求极值，获得了参数极大似然估计，以及最终研制阶段可靠性点估计。对某固体火箭发动机可靠性增长实例的分析结果表明，与经典评估方法相比，本文模型更具优越性。     

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Contourlet区域对比度的遥感图像融合算法

为综合利用多传感器遥感图像之间的信息，提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具，比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换，在contourlet域完成图像信息的融合，最后通过逆变换得到融合结果。根据分解系数特性，首次提出了contourlet域的区域对比度作为高频子带的融合规则，系数选择更符合人类视觉系统的要求，使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则，在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法，且能够有效增强源图像的对比度和细节信息。     

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。     

连续波雷达目标回波信号参数估计的克拉美-罗界

现代雷达、导航和通信系统几乎无一例外地采用了先进的信号处理技术 [1～ 3 ] 。目前 ,最大似然估计 (ML E)方法是获得雷达目标回波信号参数估计的常用方法。它给出信号参数的无偏渐近有效估计。克拉美 -罗 (CR)界是由样本数据的联合概率密度函数导出的无偏估计量的性能界 ,它可以作为所有参数估计方法的比较标准。任何雷达关于信号参数的测量精度都不可能优于 CR界。文中给出了雷达目标回波信号参数的 CR界的详细而严格的推导过程 ,得出的 CR界公式非常简洁 ,易于计算。实验结果证明了该理论公式正确