SST-LL重力测量卫星轨道分析

论述了SST-LL重力测量卫星科学任务对轨道寿命、地面覆盖性能、轨道高度单圈波动、星间距离变化范围的需求。根据需求,计算了轨道的自然衰减情况,得出轨道初始高度为500km;综合考虑地面覆盖要求及运载火箭能力,得出了最佳轨道倾角为89°;得出了0.002 0偏心率下轨道高度波动范围不超过50km;分析得出星间距离的长周期变化主要受大气阻力影响,初步确定了轨道控制方案,即定期对受大气阻力较大的卫星进行轨道机动。     

DORIS星载实时定轨算法仿真及DSP实现

针对我国高分辨率空间对地观测专项的发展需求,文章在星载多普勒无线电定轨定位（Doppler Orbitography and Radio-positioning Intergrated by Satellite,DORIS）系统的实时定轨算法和流程验证基础上,进行了应用背景限制下的模型简化研究,用数字信号处理器（DSP）实现并验证了其星载实现的可行性和有效性。首先介绍法国星载实时定轨软件（DORIS Immediate Orbit Determination by Embarked,DIODE）及定轨原理,给出星载实时定轨算法的流程。通过网站下载的DORIS接收机搭载星数据,对星载多普勒实时定轨算法的观测量修正部分和卡尔曼滤波定轨算法进行验证。针对星载实现的计算简化要求,对算法中计算量较大的地球非球形引力摄动和章动模型进行研究,对比不同模型复杂度对定轨结果的影响,为定轨算法模型的选取提供依据。最后将移植到DSP的程序运行结果与个人计算机下的仿真结果进行了对比,验证其星载实现满足精度要求,同时运行时间满足实时性要求。对如何提高实时定轨算法的性能,文章给出了后续应用的改进方向。     

无人机光电载荷地理跟踪控制研究

无人机定点侦察过程中,将地理目标点或图像目标快速锁定在视场内,是十分重要的。在实时定点航迹规划与跟随控制的基础上,提出了光电任务载荷地理跟踪算法,并通过仿真和飞行试验,证明算法可以满足机载平台对地面目标快速锁定的要求。     

数据链航迹与ESM间断航迹融合跟踪精度研究

数据链和ESM数据融合是机载综合信息处理的一项重要内容,涉及多种因素,这些因素对数据链航迹和ESM航迹融合精度影响如何是实际应用中面临的一个问题。本文针对数据链航迹和间断ESM航迹关联融合的情况,通过仿真研究了不同精度、不同数据率和不同平台运动特性对融合精度的影响,得到了一些有益的结论。     

一站式现场测量解决方案

白光测量技术:毫秒之间获得海量数据Cognitens白光测量系统,致力于为制造业提供一流的非接触式三维光学测量解决方案。其独有的专利技术,能够在苛刻的工业环境中,利用二维光学成像重建工件的三维数学模型。这种革命性的测量系统,具有独特的高速数据获取能力,可完成工业设计、产品开发和质量评估、现场测量、过程检测、模具的设计与试制和现场根源分析等各种测量与检测任务。     

多测速系统中系统误差实时估计与校准算法

在实际目标跟踪系统中,测量设备都存在系统误差,会导致跟踪滤波精度显著下降。针对多测速系统,对其测速系统误差进行了简化数学建模;然后将其增广为状态变量,应用扩维无迹卡尔曼滤波对目标运动状态和系统误差进行联合估计,以实时校准系统误差、提高状态估计精度。在存在主副站2类系统误差的条件下,设定恒定和线性时变2类系统误差场景,对算法进行仿真分析。仿真结果表明,算法在2类系统误差情形下都能有效校准系统误差,位置、速度滤波精度可提高80%以上;尤其是当系统误差恒定时,算法可完全消除系统误差的影响。     

高码率导航电文引起的跟踪环路失锁及其解决方法

卫星信号的多普勒频移会引起导航数据跳变点在1ms中频采样数据中的相对位置发生滑动,当跳变点处于采样数据段的中间位置时,相关器输出接近于零,造成环路失锁。本文在详细分析这一问题的基础上,针对“北斗II”信号提出了一种改进的环路跟踪方法。新方法通过在连续的两段1ms数据中找出不包含数据位跳变点的数据段,将该段数据的鉴相结果用于2ms环路更新。仿真和GNSS模拟器的实验验证了该方法的有效性。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

面向再入目标跟踪的估计与辨识联合优化算法

准确的弹道系数辨识和精确的目标状态估计是再入目标高精度跟踪与高可靠识别的关键。一方面,状态估计的误差会造成模型参数(弹道系数)的辨识风险;另一方面,模型参数的辨识偏差又会导致模型失配从而降低目标状态的估计精度。因此,需要实现再入目标的状态估计和参数辨识的联合优化。针对再入目标弹道系数未知情形,提出了一种基于期望最大化(EM)框架并采用粒子滤波(PF)平滑器实现的PF-EM联合优化算法。在E步基于粒子平滑器得到目标状态的后验平滑估计,M步采用数值优化算法更新上一次迭代的弹道系数,通过E步和M步的不断迭代,以保证状态估计和弹道系数辨识的一致性。算法仿真对比表明:所提算法的状态估计和参数辨识精度均优于传统的状态增广算法。     

动力翼伞系统空投风场的辨识与应用

风场对动力翼伞系统的运动状态有着重要的影响,获得风场中风的速度和方向可以使动力翼伞系统利用或者消除风场的影响。针对风场辨识问题,通过分析动力翼伞系统在风场作用下的飞行特性,提出了一种基于动力翼伞系统在风中的飞行状态进行风场辨识的方法。该方法仅使用动力翼伞系统配备的全球定位系统（GPS）模块采集定位数据,计算获得动力翼伞系统飞行的速度和方向,根据风场与动力翼伞系统的动态关系,利用最小二乘法对风场进行在线辨识。为了保证辨识精度,由GPS获得的动力翼伞系统运动信息经卡尔曼滤波器进行滤波处理。仿真结果表明：该方法对风场有较高的辨识效果,并能辅助实现雀降。