认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题,提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建,利用神经网络对目标特征参数进行离线学习并存储,指导机动模型参数实时调整,使模型对运动状态的描述更加合理。为进一步提高跟踪性能,基于人类认知“感知-行动”循环理论,将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端,以最小感知信息熵为代价函数,从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明,该算法对环境及目标的感知更加准确,融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。     

新技术试验卫星C星、D星姿轨控分系统设计和在轨验证

介绍了新技术试验卫星C星、D星姿轨控分系统设计和在轨验证情况。姿轨控分系统具备任意目标凝视跟踪、条带拼接成像、主动推扫成像等姿态控制功能。通过基于操作系统的姿轨控应用软件架构设计和基于动态链接库的在轨编程设计,首次实现基于操作系统的星载应用软件并行开发。通过一个软件配置项实现双星功能,解决了双星研制周期短、工作模式复杂等问题。给出了卫星在轨运行的部分曲线和数据,可为遥感卫星姿轨控系统设计提供参考。     

基于公共点转换原理的综合精度检测方法研究

随着小卫星技术的快速发展,高分辨率光学遥感类小卫星及安装有特殊载荷的科学试验类小卫星对总装精度检测的要求不断提高。传统的经纬仪测量系统受测量原理所限,只能实现方位角测量;激光跟踪仪测量系统只能实现点位及形面测量。为了适应后续型号任务的综合精度检测需求,本文提供了一种基于公共点转换原理的综合精度检测方法。通过该方法,实现经纬仪测量系统与激光跟踪仪测量系统的坐标系转换和统一,完成点位坐标系和立方镜坐标系之间关系的检测任务。     

基于信噪比优化的中段传感器预指派模型

结合中低轨中段弹道目标连续跟踪这一特殊应用背景,从跟踪相机交接的再捕获确认到稳定跟踪的全程角度出发,提出了一种基于信噪比和跟踪精度联合优化的新的传感器预指派模型。并采用通过对粒子降维处理和位置矢量更新的实值粒子群优化算法,对所提模型的性能进行分析和比较。仿真实验表明,该模型的调度性能较之前的优化目标函数及二进制粒子群优化算法,更贴近导弹中段飞行情况的实际且性能有所改进,因而是一种更高效的调度模型。     

复杂电磁环境下组网雷达对隐身目标的跟踪研究

在复杂电磁环境背景下,研究了组网雷达基于粒子滤波算法对隐身目标的跟踪滤波问题,建立了雷达观测方程和隐身目标的多基地雷达截面积模型,分析了基于U PF的组网雷达目标跟踪滤波算法。利用计算机仿真验证了复杂电磁环境下组网雷达利用粒子滤波技术跟踪隐身目标的有效性,并对几种跟踪算法的效率进行了比较。     

子空间跟踪算法在热模态问题中的应用研究

总结子空间跟踪算法识别模态参数的一般步骤。对一个有理论参考解的时变两自由度系统进行仿真,利用添加不同量级噪声的响应数据对系统进行辨识。辨识结果表明:基于新信息准则的子空间跟踪算法拥有较好的抗噪能力。对飞行器舵面结构进行受控快速加热,辨识快速升温过程中的模态参数。辨识结果表明:子空间跟踪算法可用于热模态辨识,有一定的工程应用价值。     

机械臂辅助舱段转位轨迹跟踪控制与精度分析

舱段转位是空间站机械臂的核心任务之一,舱段转位过程中的高精度控制是保证实验舱与核心舱径向对接的重要前提。通过建立转位过程的高保真度仿真模型,分析了不同的整臂控制策略及关节控制策略对转位过程中机械臂轨迹跟踪精度的影响;指出了提高整臂控制精度需要整臂控制和关节控制协调设计,提高关节伺服控制带宽和降低关节目标速度频率都是提高机械臂末端跟踪精度的有效方法。     

国际空间站测控通信系统研究

测控通信系统是国际空间站的重要组成部分,可靠的测控通信系统是确保空间站长期稳定在轨运行的基础。对国际空间站测控通信系统进行了较为深入的研究,介绍了国际空间站测控通信系统的组成,梳理了国际空间站中继S系统、中继Ku系统、空空通信系统的链路特性与工作方式,并总结归纳了国际空间站测控通信系统多手段备份、采用高性能编码等特点,以及对我国的启示,能够为我国测控通信系统的发展提供借鉴与参考。     

改进的MMPHD机动目标跟踪方法

基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。     

一种基于颜色和边缘特征的Mean Shift目标跟踪算法

针对基于颜色特征的Mean Shift算法对动态变化环境适应能力差,容易丢失跟踪目标的问题,提出了一种颜色和边缘特征相结合的Mean Shift目标跟踪算法。该算法使用核直方图概率模型描述目标,通过权值的自适应变化来评估每个特征在跟踪场景中的可靠性,并依据权值提出一种选择性模板更新方法。实验结果表明,提出的算法不仅可以克服目标在跟踪过程中发生的模板变形,而且对目标的平移旋转以及光照变化都具有较好的鲁棒性。