一种卫星导航模拟器置信度评估方案及应用

置信度评估能够为卫星导航模拟器的研制与改进提供依据。提出了一种基于对数最小二乘的模糊层次分析法和相似度法相结合的置信度评估方案。该方案利用基于对数最小二乘的模糊层次分析法将卫星导航模拟器系统分解为若干子系统或模型,并利用相似度法计算各个子系统或模型的置信度,同时使用模糊层次分析法计算各子系统或模型的权重向量,而后再逐级综合得到模拟器系统的总置信度。该方案能够将复杂系统逐层细化,且求解的子系统或模型的权重向量与置信度较为客观真实,具有重要的工程参考价值。     

轨道预测辅助GPS载波跟踪技术用于低轨道卫星定位研究

针对低轨道卫星及其特定的运动环境,研究了星载GPS接收机载波跟踪问题。基于卫星轨道可模化、可预测的特性,提出了利用预测卫星轨道计算多普勒频移,并用于辅助载波环路跟踪的新方法。该方法有效地降低了低轨道卫星GPS信号跟踪中的动态,从而在跟踪过程中可以采取降低环路阶数、减小环路带宽、增加预检测积分时间这几种措施来提高环路跟踪弱信号的能力,有助于提高低轨道卫星的定位性能。     

一种基于外推信息的惯导/陆基单站导航修正方案

提出了一种基于外推信息的陆基单站测距信息惯导修正方案,该方案一方面利用陆基测距系统融合捷联惯导系统（SINS）的导航信息进行惯导误差修正,充分发挥惯导系统和陆基导航系统各自的优点,进行系统间的取长补短,有效地减小导航误差;另一方面将陆基/SINS修正结果送入状态估计器求解法向速度,解算实时载体轨迹的待修正量,进而执行载体速度和方向修正,进一步提高了导弹命中精度。     

基于深度神经网络的空中目标作战意图识别

传统基于空中目标特征状态推理作战意图的方法,需要大量的领域专家知识对特征状态的权重、先验概率等进行量化,明确特征状态与意图之间的对应关系,而神经网络可以在领域专家知识不足条件下,通过自身训练得到特征状态与意图之间的规则。针对反向传播（BP）算法在更新网络节点权值时收敛速度慢、容易陷入局部最优的问题,通过引入ReLU（Rectified Linear Unit）激活函数和自适应矩估计（Adam）优化算法,设计了基于深度神经网络的作战意图识别模型,提高了模型收敛速度,有效地防止陷入局部最优。仿真结果表明,所提方法能够有效识别空中目标作战意图,获得更高的识别率。     

一种基于卡尔曼滤波的定位解算性能评估新方法

对基于卡尔曼滤波的定位解算性能进行评估是提高卫星导航系统性能的有效途径。而传统的评估方法受人为主观性因素影响较大,提出了一种对数最小二乘模糊层次分析(FAHP)方法和模糊综合评价(FCE)方法相结合的性能评估方法。推导了模糊权重向量的唯一性确定条件,并将对数最小二乘FAHP方法确定的模糊权重向量去模糊化,使得权重向量可直接利用FCE方法进行加权综合,形成优势互补。以基于卡尔曼滤波的定位解算性能评估为实例,通过比较分析表明,所提出的对数最小二乘FAHP-FCE评估方法计算得到的权重向量优于基于程度分析的FAHP方法和基于先验规则挖掘的FAHP方法,使其更适合于对基于卡尔曼滤波的定位解算算法进行性能评估。