航天应用FPGA配置可靠性研究

航天应用系统必须保证每一单元的安全性及可靠性. 现场可编程门阵列(Field Programmable Gate Array, FPGA), 以其I/O管脚丰富、设计灵活等优势, 逐渐被广泛应用于航天领域. 其设计与工艺不断完善, 以适应太空中电子辐射等复杂的工作环境. 由于基于SRAM的FPGA芯片断电后程序丢失, 因此每次上电后都需要先从PROM等外部存储器中加载程序才能正常工作. 然而, 并不是每一个芯片的每一次加载配置都能成功完成, FPGA的上电配置结果将直接关系到卫星任务的成败. 研究发现, 诸如环境温度、信号完整性、供电电压、配置时钟速率等因素会影响FPGA的配置过程, 致使出现偶尔的配置失败, 这在航天应用中是绝对不允许的. 针对实际应用的Xilinx公司FPGA芯片, 为提高上电配置可靠性, 提出了一系列设计保障措施, 在FPGA航天应用领域具有一定的参考价值.      

基于目标特征模型配置的面向对象检测方法研究

针对目前遥感图像目标检测过程中过度提取特征容易导致样本特征维数过高,造成维数灾难的问题,提出一种基于目标特征模型配置的面向对象检测方法,该方法以特征的可分性为原则判断特征的真实有效性,针对不同的侦查目标,将真正有用的特征配置于该待检测的目标,达到快速、准确自动检测的目的.试验结果表明,该方法能在降低算法复杂度的同时提高目标检测的正确率,能节省样本训练所需的时间.     

基于OWRR-PF的机载图像中导弹跟踪方法

针对利用图像信息实现飞行器的导弹预警跟踪中导弹运动2D建模、运动模型非线性和目标干扰非高斯等问题,研究了比例导引下导弹在三维空间中的运动在成像面上的运动模式,建立了比例制导导弹的2D投影运动状态模型.由于模型中速度和加速度等主要物理量的非线性,并考虑导弹运动过程中受到的风向、风力、气旋和气流等随机干扰的非高斯性,采用粒子滤波方法实现导弹跟踪;并针对粒子滤波在跟踪过程中存在的粒子退化问题,提出有序权值残差重采样粒子滤波(OWRR-PF,Ordered Weight Residual Resampling Particle Filter)方法,该方法缓解了粒子退化问题,提高了跟踪的准确度.利用所建立的导弹运动模型进行连续视频试验,与标准粒子滤波相比跟踪精度提高了70%左右,与残差重采样粒子滤波方法相比跟踪精度提高了15%左右.     

FPGA可配置资源测试方法研究

FPGA是广泛应用于集成电路设计等多种领域的关键器件之一,随着FPGA的迅速发展,对FPGA的测试得到了广泛重视和研究,其测试技术也越来越复杂。本文以XILINX公司的Virtex XCV300E器件为基础,研究了基于93000集成电路测试系统的FPGA器件测试技术,为FPGA的应用级测试提供了一种有效的方法。     

深空环境下卫星编队飞行队形重构实时重规划

针对深空环境中卫星编队自主队形重构的机动问题,设计了队形重构过程中的实时重规划方案。在每次重规划过程中首先用Legendre伪谱法将当前时刻到终端时刻的重构问题离散化为非线性规划问题;其次,根据卫星编队飞行队形重构的特点,使用协同进化粒子群(CPSO)方法对每次重规划进行求解,该方法既避免了传统优化方法对复杂问题梯度的求解,又能在整个优化过程中保证约束条件的满足,并且能够事先为粒子群的进化提供大致方向,极大地提高了每次重规划的计算速度;最后,提出了重构过程中具体的重规划策略,以保证队形重构的顺利进行。仿真结果表明,与传统的控制方法相比,在重构过程中,该方法能够在初始给定轨迹的基础上进一步优化,可以有效降低重构过程的能量消耗,并能够避免重构过程中碰撞的发生。     

基于协同学的航天型号项目组合配置战略贴近度研究

文章将协同学和系统理论引进航天型号项目组合配置战略贴近度研究,运用熵的思想度量了航天企业战略和项目组合配置方案之适配序参量的配置合理性,在定义适配序参量、适配熵、适配度和贴近度等概念的基础上,构建了航天型号项目组合配置战略贴近度的优化度量模型,并通过航天企业实践验证了该度量模型的科学有效性,为航天企业进行多项目管理提出了可供参考的分析方法和决策依据。     

资源约束突变的航天器观测快速重调度优化算法

针对航天器对地观测调度中资源约束发生突变的情况,提出了一种基于蚁群算法的启发式重调度算法。首先对重调度过程中的资源约束进行分析,给出了资源约束发生变化的重调度模型。然后,结合原调度优化结果,给出重调度任务集合更新方法,对任务集合进行剪裁。最终,基于最大限度利用原调度方案信息的思想,结合任务集合更新及优先级等启发式信息,给出了一种改进的重调度优化算法。数值计算结果表明,所设计的算法可以快速有效的提高重调度过程的收益。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。     

交互式多模型粒子滤波优化重采样算法

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。     

基于神经网络的飞机着陆垂直载荷大诊断技术研究

针对目前基于神经网络的民用飞机重着陆诊断技术研究方面存在的不足,分析了重着陆与着陆垂直载荷大事件的区别,并对着陆垂直载荷大事件进行了详细分析,利用QAR记录的飞行参数,采用BP神经网络建立了着陆垂直载荷大事件的诊断模型;以航空公司真实的B737-800飞机数据为样本对模型进行训练和验证,找到触发该事件的真正原因,为纠正飞行员飞行技术提供了真实可靠而有效的依据。