GNSS接收机在探月三期中的应用研究

探月工程对飞行器导航系统的性能提出了更高要求,因而有必要研究GNSS(Global Navigation Satellite System,全球导航卫星系统)接收机在探月任务中的应用。以探月工程三期为应用需求,开展地-月-地转移过程中的GNSS接收机可用性分析、GNSS信号特性分析;并针对低信噪比环境下的高灵敏度接收机系统应用进行设计,采用弱信号捕获算法和弱信号跟踪算法实现-175dBW的灵敏度;最终采用基于轨道动力学模型的卡尔曼滤波方法实现了GNSS自主定轨算法。仿真表明:GNSS接收机在60 000km以下的地-月转移和月-地转移弧段能够为探月飞行器提供100m以内位置精度的导航服务。     

水下重力辅助惯性导航关键技术研究及实现

重力辅助惯性导航已渐成水下导航领域的研究热点,其实现是一项复杂的工程,涉及多项的关键技术.文章首先介绍了重力辅助导航的基本原理;之后详细阐述了在真实海洋环境下,重力辅助导航所需解决的若干关键技术问题,并给出了相应的研究成果;最后总结了我国水下重力辅助导航的发展趋势及研究的若干建议.     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

捷联惯性/大视场星光组合导航方法研究

近年来,使用星敏感器的导弹、火箭惯性组合导航成为国内外研究的热点.本文对捷联惯性/大视场星光组合导航方法进行了研究,建立了卡尔曼滤波方程,并利用SINS误差转移矩阵方法估计主动段导航误差.数学仿真表明:捷联惯性/大视场星光组合导航方法不仅可以修正姿态角偏差和陀螺常值漂移,还可以对主动段的速度、位置误差有很好的估计效果.     

基于模糊自适应卡尔曼滤波算法的多传感器信息融合

联合滤波器各子系统量测噪声统计特性发生变化时,标准卡尔曼滤波算法由于无法实时检测和调整,使得估计误差增大,最终导致融合后估计误差随之增大.本文针对该问题提出使用模糊自适应滤波代替标准卡尔曼滤波,形成模糊自适应联合卡尔曼滤波信息融合算法.新算法应用模糊推理系统不断的在线调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼...     

基于相对导航的多平台INS误差联合修正方法

在机群协同编队飞行中,编队成员仅装载惯性导航系统(INS)的方式具有隐蔽、抗干扰等明显的优势,但随着航时的增加,INS误差将不断累积.使导航系统失效,为此,提出基于相对导航的多平台INS误差联合修正方法.首先,建立了编队成员相对导航运动模型及非线性观测模型,采用量测重构技术构造了伪线性观测模型并推导了观测噪声协方差矩阵...     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离，在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题，利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势，提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络，输入歌曲的时频谱图到网络，得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构，得到伴奏和歌声的时域信号。实验表明，在公开数据集MIR-1K上，所提算法的SNR、SIR、SAR指标均优于当前代表性算法，提高了分离后伴奏和歌声的质量。