天基雷达高速微弱目标的积累检测

本文研究天基雷达高速微弱目标的相干积累检测问题。首先根据回波高阶相位影响包络补偿效果的程度对数据进行分段处理;然后对每个数据段采用速度滤波器组进行划分和Keystone变换补偿包络走动并结合分数阶傅立叶变换估计回波相位历程;最后利用最小二乘方法拟合出目标的运动参数并对目标回波进行长时间相干积累。仿真结果表明本文方法具有良好的高速微弱目标积累检测性能。     

非等间隔滤波及其在导航系统中的应用综述

滤波的目的是从序贯量测中在线、实时地估计和预测出动态系统的状态和误差的统计量.现存的大多数滤波方法要求传感器信息同时测量并同时到达,但是传感器获得的信息往往不满足此条件,即信息是非等间隔的.信息的不等间隔特性影响到导航精度,非等间隔滤波的提出为该问题提供了一类解决方案.针对国内外非等间隔滤波及其在导航系统中的应用现状,...     

基于mean—shift的多目标粒子滤波跟踪算法设计

针对视频序列中多目标的跟踪问题,提出一种基于mean-shift和粒子滤波的多目标混合跟踪算法,采用目标之间的距离门限和相似度门限作为转换条件,有效地结合Mean-shift 算法的简单快速和粒子滤波跟踪算法的抗遮挡的优点.实验结果表明,该算法在对多目标跟踪时能在保证跟踪效果的同时减少跟踪的时间花费,有效提高了设计的跟踪系统的实时性.     

基于QR分解的自适应差分滤波在SINS大方位失准角初始对准中的应用

针对差分滤波算法存在数值稳定性差及系统噪声统计特性不准确导致滤波性能下降 的问题,提出一种改进的差分滤波算法。新算法将矩阵QR分解及Cholesky分解因数更新技术 引入,并结合一种新的噪声估计方法及选择更新策略,有效地改善了系统噪声统计特性不准 确带来的滤波性能下降问题,增强了传统差分滤波算法的数值稳定性。通过在捷联惯导系统 大方位失准角初始对准中的应用,仿真结果表明了新算法的有效性和鲁 棒性 。
     

扩展卡尔曼粒子滤波在编队卫星相对轨道确定中的应用

考虑两星编队飞行情况,建立了惯性坐标系内卫星绝对运动方程,以激光和无线电测量获得相对观测量,利用扩展卡尔曼粒子滤波实现相对轨道高精度确定。结合实例进行了分析和仿真,结果表明EPF算法能够有效提高相对位置确定精度,并给出相对速度的高精度估计。     

基于DVB标准的RS码编译码器的实现

论文介绍了DVB标准的RS码的编译码的设计和实现,针对有限域乘法的代数特点,提出了一种新的有限域乘法器结构,大大降低了编译码电路的复杂度。在传统的译码器基础上,设计了新的译码器结构,并用Verilog语言实现了编译码器的各个模块功能,在现场可编程门阵列（FPGA）芯片上实现和验证了该设计结构。     

基于修正Rodrigues参数和UKF的姿态估计算法

以修正Rodrigues参数作为姿态参数,利用无味Kalman滤波（UKF）设计了一种全姿 态估 计算法。修正Rodrigues参数在姿态估计中具有简洁高效的优点,然而,因其奇异性不能用 于全姿态运动情况。利用修正Rodrigues参数与其影子参数相互切换的方法可以避免奇异现 象的发生。UKF直接利用非线性模型而不需要线性化,适用于高精度的姿态估计。本文针对 “陀螺+矢量观测”这种典型的姿态确定模式,以修正Rodrigues参数与其影子参数相互切换 的方法描述姿态,利用UKF设计了姿态估计器。状态协方差阵在姿态参数切换时发生突变, 引起姿态估计器的滤波波动。为此,提出了在姿态参数切换时对姿态估计器进行修正的方法 。最后通过仿真验证了算法的有效性     

基于磁强计与太阳敏感器的卫星自主定轨算法

针对低轨微小卫星,为了实现低成本自主定轨,并达到一定的定轨精度,提出了一种基于三轴磁强计和太阳敏感器数据,利用扩展Kalman滤波进行自主轨道确定的方法.分析了国际地磁参考场(IGRF)模型,建立了简化的太阳轨道模型,在此基础上,建立了以轨道位置和速度作为状态量,以地磁矢量的模值和地磁矢量与太阳矢量的夹角信息作为观测量的滤波算法.数字仿真结果表明,该算法是收敛的、有效的,同时通过比较表明引入太阳敏感器数据后,大大提高了定轨精度.     

基于分数阶傅里叶域均衡的无线测控系统研究

在航天等具有较大相对运动的通信系统中,信道常具有时频双扩展特性。在此环境下,由于信道的时变性,传统的正交频分复用系统及单载波傅里叶域均衡系统的性能都大为下降。针对航天无线测控系统的高速传输,提出了一种基于分数阶傅里叶域均衡的单载波系统。该系统通过最优阶次的选择,能获得比传统方法更好的性能,而且接收机与发射机之间不需要建立反馈链路,使得应用更加灵活。仿真结果表明,与单载波傅里叶域均衡系统相比,该系统性能更好。     

多星座组合导航自适应信息融合滤波算法

针对多星座卫星组合导航,提出了一种双重自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,首先建立一种基于载体加速度方差自适应的动态定位卡尔曼滤波模型,并分别对GPS,GLONASS和GALILEO系统设计相应的自适应子滤波器,然后采用有重置的联合自适应滤波器对各个子滤波器进行数据融合处理,各子滤波器的信息分配系数根据各卫星导航系统输出的几何精度因子(GDOP)进行自适应调节.通过对GPS/GLONASS/GALILEO多星座组合导航系统的仿真,分析对比了加权平均滤波、常规联合滤波和本文提出的双重自适应滤波.结果表明:该双重自适应算法有效提高了组合导航系统的精度和可靠性,能更好地适应于量测噪声不断变化的卫星组合导航系统.