小行星猎手升空

2月25日,印度用"极卫星发射器"成功地实现一箭七星发射,这批小卫星被成功地送上400多千米的近地轨道上,其中最引人瞩目的是号称"小行星猎手"的加拿大"近地天体监视卫星"(NEOSSat)。它将执行定位那些对地球有潜在威胁的小行星任务。同时升空的其它6颗小卫星,分别是法国的印度洋研究卫星、加拿大军事卫星、两颗加拿大/奥地利纳米卫星和微小望远镜、英国的由智能手机提供动能的小型卫星,以及丹麦学生建造的一颗立方体卫星。     

印度染指导航卫星

经过多次推迟,2013年7月1日,印度空间研究组织用极轨卫星运载火箭-C22(P S LV-C22)成功发射了其印度区域导航卫星系统(IRNSS)的首颗导航卫星——印度区域导航卫星系统-1A,成为继美国、苏联/俄罗斯、中国、欧洲、日本之后,世界第六个拥有自制导航卫星的国家。发展计划多年来,印度一直很重视应用卫星的研制和运营,以期更快提高国防军事     

“北斗”卫星导航系统在公务车监管中的应用

2011年,广州市启动了公务用车使用管理信息系统建设服务项目,公务用车使用管理信息系统通过为车辆安装"北斗"卫星定位车载终端设备和身份识别装置,搭建监控中心管理平台,建立"北斗"车辆监控系统,为加强公务车辆使用管理提供强有力的信息化保障手段。     

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。      

星载GPS几何法实时定轨有关问题的研究

首先讨论了星载GPS几何法实时定轨的绝对定位方法和各种差分技术。由于伪距差技术能克服GPS卫星的星历误差、卫星钟误差，特别是SA误差的影响，而且实现难度不大，所以应用它来实时定轨。实测数据的处理表明，它能明显提高定轨的精度。然后分析了星载GPS所受扰动影响的情况，对应用抗差估计削弱GPS卫星信号扰动的影响进行了试验，试验的结果说明抗差估计能进一步提高星载GPS几何法定轨的精度。     

Walsh变换对冲击信号序列特征提取的研究

提出使用Walsh变换和小波包相结合的方法,对滚动轴承故障产生的冲击信号序列提取故障特征, 并给出了计算的有效算法. 对滚动轴承故障特征分析和计算表明,用改进小波包分解、重构公式能有效地剔除冲击信号序列中高频共振信号和噪声, 使用快速Walsh变换(FWT)求取其功率谱,优于Fourier变换,可很好地提取故障特征,仿真和实际数据计算的结果,证实了上述方法的有效性.      

星敏感器中星图图像的星体细分定位方法研究

介绍了星敏感器的基本工作原理和星图图像的预处理的主要方法,将传统质心法、带阈值的质心法、平方加权质心法和高斯曲面拟合法应用于星敏感器中星图图像的星体细分定位,并进行了较为系统的仿真研究.仿真结果表明,带阈值的质心法是一种较为理想的星体细分定位方法.就噪声水平、阈值选择及低通滤波对细分定位精度的影响进行了仿真研究.最后,利用仿真结果对模拟星图图像的星体进行了细分定位实验,取得了较为满意的结果.      

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.      

基于光电探测系统的地面车精确定位定向技术

针对地/地导弹发射车、指挥车、侦察车等陆地战车对车载定位/定向系统越来越高的要求,提出了一种利用光电探测系统测量3个已知标志点与地面车辆之间的角度信息来精确确定地面车辆的位置和航向的方法.仿真结果表明:只需依次对3个已知标志点进行1次光电测角,就可以精确确定地面车辆的位置和航向,并且东向和北向定位误差小于0.5m,方位误差小于20″(1σ).这种方法简单、快速,定位定向精度高,且能同时服务于同一场地的多辆地面车,具有重要的实用价值.      

基于增量式路标表观学习的移动机器人定位

在全景图像中,机器人参考定位的路标表观受到畸变、观察视角、路标尺度变化以及环境亮度的影响,致使基于全景视觉的机器人自主定位存在着许多难点有待解决.提出增量式的路标表观学习方法,准确估计路标的表观变化,并为基于粒子滤波的机器人定位过程提供准确的观测信息.增量式路标学习过程利用增量式概率主元分析为理论工具,将不同视角的路标表观的主元特征表示成不断自主更新的特征基底,为计算观测量与路标真实表观的相似度提供了实现途径和理论依据.该学习算法能够被集成到带有重采样的贯序权值采样粒子滤波算法过程中,实现了全景视觉机器人的精确自主定位.实验结果表明:该算法的定位误差小,计算量小,执行效率高,对全景图像中的各类干扰均不敏感.