基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。     

导航卫星时频系统发展综述

全球各大卫星导航系统近年来发展迅速,性能持续提升,其中卫星时频系统的高性能、稳定可靠和保持星间时频同步是系统实现高精度测量的基础.介绍了目前应用于各卫星导航系统的铷钟、氢钟、铯钟等星载原子钟和时频生成与保持技术的特点、发展概况及在轨应用情况.面向精度提升和自主运行能力提升的需求,分析了可能应用于下一代导航卫星的星载原子钟技术、星上时频生成与保持单元性能提升方法以及星间高精度激光时频同步技术,以支撑未来时频基准的天基化和我国综合PNT体系的建设.     

GNSS拒止下面向目标监视的多无人机定位与控制方法

针对GNSS拒止环境下缺乏全局位置信息的静止目标持续监视问题，提出了一种仅基于方位角测量的多无人机分布式定位与控制方法。首先，设计一个无人机和目标之间的相对位置估计器，用来确定目标在每架无人机局部坐标系中的位置；其次，基于所估计的相对位置设计一个分布式控制算法，使无人机能够以规定的半径、圆周速度和无人机间的角度间隔围绕目标飞行，对目标持续进行全方位监视；最后，通过收敛性和稳定性分析理论证明了所提方法能够确保多无人系统收敛到期望的运动。通过仿真验证了所提方法能够实现GNSS拒止环境下多无人机对目标的持续监视。     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。