基于强跟踪UPF的重力梯度辅助定位方法

针对重力梯度辅助定位中,存在重力梯度的强非线性分布及系统模型偏差等问题,将STUPF引入匹配定位过程。该方法根据残差信息实时调节系统状态跟踪能力,有效应对模型偏差对定位的影响。基于真实INS数据的仿真实验结果表明,STUPF可达到较好的定位效果,且与标准PF、GPF算法相比,其在定位的精度、稳定性及运算量上具有一定优势。     

月面特征稀疏环境下的视觉惯性SLAM方法

月球车在执行科学探测任务过程中,其自身的高精度定位是一项亟需解决的关键问题。针对在特征稀疏的月面环境下的定位问题,提出一种视觉惯性融合的SLAM方法,将视觉测量与惯性传感器的信息利用位姿图优化方法融合,实现高精度的联合定位。针对特征稀疏环境下的前端视觉数据关联误差较大的问题,提出了一种基于四元树的光流跟踪算法,能够有效地跟踪鲁棒的特征点,提升了关键帧之间相对位姿估计的准确性。并且针对月面环境特有的恒星无穷远点干扰问题,提出一种高效的恒星点剔除算法,能够有效改善无穷远点导致的定位精度下降的问题。搭建了一套模拟月面环境的计算机仿真系统,并构建了多个月面环境视觉惯性SLAM仿真数据集,在不同的模拟月面场景下进行定位性能仿真验证,仿真测试结果表明本文算法的鲁棒性更强,具有更高的定位准确度。     

一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中,无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解,当减少一个观测站时,这些闭式算法往往无法提供可靠解。针对这一问题,提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间,建立了一组新的等式,并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值;第2步利用泰勒级数展开算法将中间变量线性化,对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外,计算机仿真表明仅使用4个观测站时,该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB;并且还表明使用5个观测站估计时,该算法比TSWLS及其改进算法能更好地适应大的测量噪声。     

基于预估-反馈联合处理的射频噪声干扰抑制算法

针对强射频（RF）噪声干扰下脉压雷达目标检测概率较低的问题,提出了一种基于预估-反馈联合处理的射频噪声干扰抑制算法。首先,对回波信号进行盲源分离预处理,并利用分数阶傅里叶变换（FRFT）的特性对目标回波信号进行参数估计以及窄带滤波处理,滤除大部分干扰和噪声的能量;然后,在数据层运用M/N逻辑法进行点迹处理,并结合径向速度方向判决,实现对目标航迹的预估检测;最后,利用数据层对航迹状态的反馈实时修正滤波器参数,从而在信号层更好地滤除干扰能量,并对中断航迹进行剔除,完成射频噪声干扰的抑制。仿真结果表明：与现有射频噪声干扰抑制技术相比,所提算法具有更优的干扰抑制效果。     

复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法

针对微小型飞行器在巡检、探测和地图构建等应用中关键的自主导航技术,提出了一种基于惯性辅助的激光雷达Robust-SLAM方法用于微小型飞行器自主导航。相对于传统的激光雷达SLAM方法,该方法在SLAM框架中引入了感知环境突变检测方法,并且加强了惯性与SLAM的组合程度,有效地解决了高程方向感知环境发生突变时激光雷达SLAM定位误差大的问题。室内车库实际飞行实验结果表明,该方法能够实现微小型飞行器在三维空间中实时可靠的自主导航,具有较好的工程应用价值。     

基于3D Zernike矩的巡检器与空间站的相对导航算法

针对航天器相对导航问题,以空间站表面为"特殊地形",提出一种基于大型航天器表面巡检的相对导航算法。首先,运用巡检飞行器上的TOF （Time of Flight）相机测量空间站表面局部点云数据,以该点云数据为实时图,以空间站表面先验点云数据为基准图。然后,利用3D Zernike矩与三维地形间的一一对应关系,将三维地形匹配转化为基于3D Zernike矩的特征向量匹配。在此基础上求解实时图与匹配上的基准图间的相对位置、相对姿态,从而确定两航天器间的相对导航参数,并通过实验分析了匹配精度及速度的主要影响因素。最后,将该相对导航参数与惯性系统推算的相对导航参数在扩展卡尔曼滤波器的框架下实现信息融合,估计了巡检飞行器与空间站间的相对位置、相对姿态,实验结果表明,相对位置精度优于0.002 m,相对姿态精度优于0.1°。     

基于TOPSIS算法的数据中继任务动态优先级设置方法

针对中继卫星系统资源分配中的数据中继任务优先级设置问题开展研究,提出动态优先级评价方法,打破现有基于预设固化时段完成冲突消解的任务规划模式.综合考虑用户、需求,以及任务重要性等因素,建立任务优先级两级评价指标体系.其中,刚性优先级用于度量资源申请的必要性,柔性优先级用于维护资源分配的公平性,同时促进资源使用的合理性.详细列举了各项指标的量化模型,给出了柔性指标综合计算算法.在实验分析中,通过大量数据统计,测试了所提方法的可行性和有效性.