基于边缘计算和VPRS的火箭设备单机双层判读与实时诊断

为提高参数自动判读的效率，增强设备单机状态诊断的时效性和准确性，提出一种基于边缘计算和变精度粗糙集(VPRS)的运载火箭设备单机双层判读与实时诊断方法。首先构建了边缘层-判读服务器层的双层判读架构。然后，基于边缘计算技术设计了边缘层判读方法，对参数原始数据进行阈值判断与数据筛选。随后，在判读服务器层，定义AIPL(AutoIP Language)判据描述语言设计高阶判据并进行高阶判读；基于VPRS建立了实时诊断模型，对设备单机的历史数据进行约简，挖掘出了简化后的状态诊断规则。最后，以XX火箭设备单机遥测数据自动判读系统升级改造为例，验证了所提方法的可行性与有效性。     

基于回收测试数据特点的判读方案设计与实现

为解决载人航天器综合测试回收着陆分系统测试数据复杂、人工判读量大的问题,设计并实现了一种回收测试数据自动判读方法。该方法针对回收参数和测试数据的特点,在自动化测试软件中编写判读判据,测试计算机依据编写好的判据规则,实时监视和分析测试数据,自动进行数据的判读并给出判读结果,对异常数据进行提示和报警,实现对回收着陆分系统参数和测试数据的自动判读。通过回放测试历史数据和编写测试用例两种方式验证以及实际工程应用表明,该判读方法不仅能够减轻人工判读负担,而且在捕捉参数跳变和异常抖动等问题上具有很好效果,为进一步提高载人航天器回收着陆分系统测试准确性和有效性提供经验和借鉴。     

运载火箭遥测数据智能判读算法应用

在运载火箭高发射密度、高判读需求、高数据量的背景下，现有自动化判读的判据覆盖率不全、判据编写门槛高、耗时多的问题日益凸显，缺少较通用的算法对传统判读算法未覆盖的判读任务进行判读补充，进而影响运载火箭效果评估与系统性能评定。为充分挖掘海量遥测数据中隐含的参数变化规律，设计智能判读算法作为传统算法的有益补充，提升传统判读的判读覆盖率和判读效率。以液体运载火箭长期加电试验产生的遥测数据为研究对象，设计集成神经网络智能判读算法，在给出的判读指标下研究得出，集成神经网络在频率异常、丢帧等五种现有判据难以描述的判读场景下，判读性能提升30%，提高了现有判据的覆盖率，后续可为判读体系完善和智能判读落地提供研究参考。     

遥测缓变量参数自动判读的实现方法研究

介绍了采用曲线匹配法对战术导弹遥测缓变量参数进行自动判断的实现方法。给出了用VisualC 集成开发环境实现此方法的步骤，实现了战术导弹遥测缓变量参数的计算机自动判断。     

航天器电源智能判读规则框架构建与应用

规则判读是航天器地面测试与在轨异常检测的重要手段,具有机理清晰、结论明确、易于工程实施的优点。目前,判读规则制定缺乏指导性框架与模板,不利于规则的有效推开。针对该问题,文章基于航天器电源设计机理与判读方法论,从工作模式分析、冗余遥测一致性、遥测参数功能关联、能源趋势分析4个方面出发,设计了航天器电源智能判读规则框架,并在航天器测试与在轨监测中进行了实例化应用。应用结果表明：智能判读规则框架能提升航天器电源系统异常的实时检测能力,可作为国内航天器电源健康状态监测的技术参考。     

遥测实时与延时数据结果弥补拼合方法

针对航天发射中实时和延时数据结果多元现象,提出基于双路时标检择算法的实时与延时数据结果弥补拼合方法,解决遥测参数实时、延时数据结果唯一性问题。经多次应用的结果表明,与传统优选数据段替换法相比,方法无需人工干预,执行效率较高,达到了利用延时数据提升实时数据质量的设计目的,满足数据处理要求。     

卫星多通道异构遥测数据融合分析与比对方法

遥测数据是航天器研制阶段最重要的产品成果之一，是检测航天器功能及性能指标、验证航天器各系统研制成果，以及分析在轨测试数据的重要基线。航天器各通道的遥测数据的正确性和有效性显得尤为重要，本文提出一种卫星多通道异构遥测数据融合分析与比对方法，实现多通道异构遥测数据的预处理、融合分析、融合比对等，解决了直接人工判读效率低和准确性差的历史问题，有效提升卫星综合测试和在轨监视的数据分析效率。     

一种基于Kalman滤波的卫星遥测数据判读系统

分析了卫星遥测数据的变化规律,提出了一种基于卡尔曼(Kalman)滤波的遥测数据判读系统框架,并定义了系统中各模块的功能及接口关系,应用卫星实际遥测数据对判读系统的数据预测效果进行了验证。结果表明,此系统对数据异常反应迅速,能够很好地满足卫星测试的实时性要求。     

基于实时数据库的小卫星数据监视工具设计

提出了一种基于实时数据库的小卫星数据监视工具设计方法,根据实时数据库的技术特点,采用模块化设计方式,将多种数据监视功能进行组合。该数据监视工具主要功能包括遥测参数、遥测帧包数据、遥控指令、遥控指令判读数据、默认监视数据、自定义监视数据、遥测衍生数据、遥测基础信息数据、测试过程事件等的实时监视。在数据处理方面采用共享内存和哈希算法,可保证数据读写的可靠性和数据刷新效率,便于测试人员快速了解卫星当前的工作状态和健康状态。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题.算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信...     

基于贝叶斯估计的特征事件判别方法研究

针对利用遥测指令参数进行特征事件自动判别时,现有方法忽略了数据源之间相互印证的条件,仅依据测量值相同来判别特征事件的发生时间,存在一定的误判概率,提出了一种基于贝叶斯估计的特征事件判别方法。方法不仅利用了当前数据源的测量值,同时还兼顾特征事件固有的先验分布信息,能够有效提高自动判别的准确率。首先,通过对特征事件数据源的内涵进行分析,得出了不同数据源相互印证的条件;其次,通过对历史数据进行统计分析,建立了特征事件发生时间的正态分布概率模型,并以此为基础提出了基于贝叶斯最大后验估计算法,设计了完整的特征事件判别方法;最后,通过工程数据的仿真计算和结果分析,验证了方法在特征事件判别中的实用性和有效性。     

卫星遥测数据实时压缩算法设计与实现

为了满足多星并行遥测数据处理和海量数据高并发分析的性能需求，便于后续进行数据挖掘、智能预警，本文提出并实现了一种卫星遥测数据实时压缩算法。针对遥测数据的特点，提出了遥测自适应分类方法，采用改进型RLE（Run Length Encoding，行程编码）压缩和增量压缩结合的算法，结合数据库技术，实现了遥测数据的压缩。在某型号卫星研制项目中，采用了该算法进行数据压缩，统计分析表明：该算法起到了很好的压缩效果。     

基于广义互相关算法的遥测时延提取方法研究

在常规靶场导弹试验中,遥测需解算GNSS弹道数据,但数据解算存在一定时延,导致测量弹道滞后现象,如何提取时延并对弹道进行修正是亟需解决的问题。提出一种基于广义互相关算法的时延提取及弹道修正方法,利用相关函数峰值提取时延,进而对遥测弹道进行修正。通过仿真和试验数据验证算法的正确性,弹道误差值由修正前最大约80m修正到小于10m。     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

多尺度搜索补偿的临近空间高超声速目标相参积累算法

针对临近空间高超声速目标回波信号相参积累时存在的跨距离门和多普勒扩展问题,提出一种基于多尺度搜索补偿的相参积累算法。算法在距离走动补偿的基础上,根据目标加速度和加加速度的变化区间,同时对目标加速度和加加速度估计值进行搜索,并利用多尺度搜索的方法,解决搜索尺度和搜索计算量之间的矛盾,完成相参积累。仿真结果表明,算法能够有效解决目标长时间积累过程中存在的跨距离门和多普勒扩展问题,抑制噪声并提高增益,积累效果明显优于传统积累方法。     

小波变换在弹箭遥测数据处理中的应用

由于遥测参数的时变性和各种干扰的影响，传统的Ｆｏｕｒｉｅｒ分析往往不能给出令人满意的处理结果。小波变换是一种同时在时间（或空间）域和频率域内进行局部化分析的新方法；利用小波变换及其自适应性，可以在不同的分辨率下分析和处理数据，尤其是处理非平稳信号。本文介绍小波分析的基本原理，说明利用小波变换将遥测信号在时频平面上表示的方法。在此基础上，将小波变换应用于实测遥测数据的分析和处理，从被噪声淹没的数据中成功地恢复出冲击信号，提高了箭遥数据的信噪比。     

基于意图推断的高超声速滑翔目标贝叶斯轨迹预测

为解决高超声速滑翔目标机动给探测防御造成的困难,研究基于意图推断的贝叶斯轨迹预测方法。首先对目标进行动力学建模,利用气动参数设计机动模式集。假定高超声速滑翔目标必定攻击某目标,结合飞行意图合理构造意图代价函数,借鉴贝叶斯理论迭代推导机动模式和运动状态递推公式。通过蒙特卡洛采样实现轨迹预测算法。仿真结果表明,算法能有效提高目标机动不确定条件下轨迹预测的精度,当多目标可能被打击时,通过对预测轨迹进行在线重新规划,降低目标误判给轨迹预测造成的不利影响。     

基于全脉冲的周期信号样本提取技术

现代电子战中,传统的辐射源分选识别方法无法在密集的信号环境中快速有效地对复杂体制雷达进行分选识别,造成系统漏警。基于上述情况,提出了一种基于脉冲样本序列自提取的分选算法。这种算法利用雷达信号脉冲序列的周期性和相关性,实现对模板序列的自动提取,从而可实现全脉冲序列中小样本数或脉间规律复杂的雷达信号的分选。仿真实验表明,在全脉冲数据量级适中的情况下,该算法可以有效提取目标模板序列。