ESM对2D雷达引导性能分析

 对于由 ESM和雷达组成的多传感器系统,分析和推导了用 ESM对 2 D雷达成功引导的概率解析表示式,为求解成功引导概率提供了依据;研究了 ESM对 2 D雷达成功引导概率随一些特征参数的变化规律,并得出了 4个特性;在多种情况下进行了成功引导概率的数值计算,验证了成功引导概率的一些变化规律,并得出了一些有意义的结论,从而对研究和设计同地配置的 ESM对雷达引导系统具有一定的参考价值。     

星网融合天地一体面向农村

20 0 0年 ,以蜂窝通信巨人克雷格·麦考 (Crag Mc Caw)为主要投资者的Teledesic公司 ,收购濒临破产的中圆轨道卫星 (ICO)公司后 ,对原先经营全球卫星移动电话的 ICO公司及其业务曾进行了战略重组。该公司首先投巨资重新设计和改进ICO卫星系统 ,将其市场定位从传输窄带话音 (移动电话 )业务为主转变为传输比较高速的数据业务为主。铱星公司和老 ICO公司均将它们的卫星业务定位在为全球大众消费者和商务旅行者提供窄带移动电话业务上。错误的市场定位和市场预测导致重大的决策失误 ,造成在错误的时间、错误的市场向错误的消费对象推出…     

国产平台下机载矢量地图设计

国产平台相较国外商用平台性能较低,在国产平台下实现矢量地图面临诸多问题。通过矢量数据压缩、复杂多边形的三角剖分、瓦片金字塔等方法对地图数据进行预处理,生成适合机载环境使用的数据,方便数据加载、检索和渲染。采用合理数据调度策略减少数据读取,优化要素渲染实现,可以在国产平台下平稳运行机载矢量地图。测试表明：采用合理的设计,在国产平台下可运行机载矢量地图。     

面向结构静力试验监测的高精度数字孪生方法

试验验证和数值仿真是评估结构强度的两种典型方法,然而基于离散传感器的试验验证方法难以保证结构应力监测覆盖度,数值仿真方法又因为对物理实体的简化和理想化处理而导致应力结果精度不足,如何综合利用两种强度评估方法的优势并进行数据融合以实现结构应力场监测是一个具有挑战性的问题。提出一种面向结构静力试验监测的数字孪生（DT-SSTM）方法,可获得高精度的结构静力试验数字孪生模型,以实现结构应力场的实时监测与强度评估。DT-SSTM方法包括离线、在线2个阶段。离线阶段,采用梯度提升树（GBDT）算法对仿真数据进行训练,建立预训练模型。在线阶段,基于集成学习理论,采用Stacking算法对试验数据响应值与预训练模型响应值之间的残差进行训练并建立残差模型。通过叠加预训练模型与残差模型实现多源数据融合,建立高精度的数字孪生模型。最后,开展了开口矩形壁板轴向拉伸试验来验证DT-SSTM方法的有效性。结果表明,DT-SSTM方法能够建立高精度的结构静力试验数字孪生模型,且相比同类数据融合方法具有更高的全局、局部预测精度以及融合效率,为结构应力场实时监测提供了一种新颖的解决方案。     

全球电离层地图TEC数据的插值算法

由IGS工作组提供的全球电离层地图(GIM)是电离层重要的应用数据.卫星高度计能够提供全球实时的电离层延迟误差校正.利用GIM数据,以Jason-3时空分辨率进行电离层总电子含量(TEC)的时间维度插值和空间维度插值,其中空间维度插值采用了Kriging插值和双线性插值两种方法.针对两种插值方法得到的总电子含量,与平滑...     

基于SURF特征匹配的优化RatSLAM类脑导航方法

RatSLAM是模拟鼠类感知环境机制提出的一种定位与构图的导航算法。针对复杂环境如光线影响导致RatSLAM产生误差的问题,提出了基于SURF特征匹配与位置细胞校正算法的优化RatSLAM类脑导航模型。本方法通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息,头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿,利用上述细胞所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置,最后构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测与检测预先设置好的位置细胞节点,对当前运动轨迹进行修正。实验结果表明,在有光线影响的情况下,本文所提出的方法将绝对定位误差大大降低。     

多无人系统协同视觉SLAM算法

针对传统同时定位与地图构建(SLAM)方法受计算能力、存储能力的限制无法在大范围场景下作业,无法建立大范围场景的全局一致性地图等问题,基于ORB-SLAM2系统框架建立了一种中心式的多无人系统协同视觉SLAM算法。设计了地图大小限制策略,以保证无人系统不受机载设备算力和存储能力的影响,基于字典机制和Sim3转换构建了地图融合优化算法,以完成全局地图构建与优化。最后进行了数据集测试,结果表明：所提出算法能够完成多无人系统协同SLAM,相对传统SLAM算法具有明显优势。     

面向智能驾驶的高精度多源融合定位综述

随着信息时代各行各业效率的提升,传统的人工驾驶交通系统已逐渐无法满足人们对高效率、低风险交通服务的需求,而智能驾驶技术的出现为这一领域带来了机遇。如今,以自动驾驶为代表的智能驾驶已经成为一种实用的深度交叉技术,其核心模块包括高精度定位、场景感知、决策规划与控制等。定位模块作为智能驾驶系统中最基本、最核心的功能模块,需具备高精度、高可用、低时延的性能特点。当前,结合高精度卫星导航、惯性导航以及环境感知的多源融合技术已成为实现泛在智能驾驶所公认的核心手段,通过充分利用车载传感器的量测信息可以实现精确、可靠的定位服务。从导航定位中常用的传感器技术出发,对当前智能驾驶领域涉及的高精度定位技术进行了全面的回顾,给出了主流的基于滤波和因子图优化的多源融合框架,并对代表性算法进行了整理。最后,总结了现阶段智能驾驶中高精度定位技术的发展现状,并对未来的发展趋势进行了展望。     

基于视觉SLAM的飞机模拟座舱三维地图构建

针对飞机座舱副驾驶的研究需要,为使得机械臂能够在飞机座舱完成导航任务,旨在构建一个可用于机械臂导航的飞机模拟座舱三维地图。针对特征点分布情况对即时定位与地图构建(simultaneous localization and mapping,简称SLAM)的建图精度的影响,通过实验对比,验证了ORB-SLAM改进的ORB(oriented FAST and rotated BRIEF)特征检测算法相对于OpenCV库中SIFT,SURF和ORB算法检测提取的特征点分布更加均匀,更适用于SLAM。采用Kinect V2.0作为深度信息图像和彩色图像的数据采集设备,在飞机模拟座舱真实的环境下,结合ROS系统和ORBSLAM2系统框架,构建了飞机座舱内的三维稠密点云地图。针对点云地图存在数据大和难以实现导航等问题,采用了OctoMap数据模型,该数据模型能够压缩点云,调节分辨率和判断空间是否被占据,将点云地图转化为八叉树地图,最终获得数据小和适用于导航的三维八叉树地图。