发展我国的星基定位通信系统

本文阐述了发展我国星基定位通信系统的必要性、可行性和系统的组成,并给出了部分的工作结果,同时指出了需要进一步研究的问题。     

基于循环神经网络的惯导重标期预测

现阶段,由于惯导标定技术研究主要集中在误差参数估计方法、惯导标定精度分析方面,较少涉猎惯导的标定周期,导致业内简单地将惯导的标定可靠性作为重新标定的周期.本文以循环神经网络技术为基础,对惯导关键数据进行分析,预测激光捷联惯导重标需求的方法.通过对多台惯导历史数据的回归验证发现,通过使用基于循环神经网络技术等人工智能手段...     

面向高轨空间的北斗导航性能增强星座选型研究

由于高轨空间超出北斗卫星导航系统的正常服务区域,导航信号微弱、可见性差,难以实现高轨飞行器全程稳定可靠的导航定位服务。提出了以空间卫星为时空基准传递平台,向高轨空间区域发射导航信号,从而提高高轨飞行器导航性能的方法,并展开面向高轨空间的北斗导航性能增强星座选型研究。基于卫星可见性、精度衰减因子（DOP）、信号接收门限和所需增强卫星数目等评估指标,仿真分析了基于LEO星座、MEO星座和HEO星座的北斗导航增强性能。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

无人机GNSS/IMU组合导航系统完好性监测方法

针对民用无人机组合导航系统中,全球导航卫星系统（GNSS）和惯性测量单元（IMU）均存在故障风险的情况,提出一种兼顾GNSS和IMU故障风险的组合导航系统完好性监测方法。该方法根据故障检测结果建立完好性风险模型,设计完好性风险需求分配方案并建立各故障模式的保护级反演模型,利用滤波新息表达过去历元故障偏差对定位误差的影响,解决故障起始历元和故障偏差取值未知的前提下保护级反演难题。典型无人机低空飞行作业场景下的仿真结果表明：该方法设计的保护级反演模型计算所得保护级可跟踪定位误差的变化趋势,对定位误差形成包络,从而保障组合导航系统的完好性。     

用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

火星探测器捕获段自适应卡尔曼滤波方法

天文导航是一种广泛应用于深空探测任务中的节能、高效的导航方式。基于轨道动力学模型和星光角距的卡尔曼滤波方法已经被成功应用在天文导航系统中。在捕获段由于探测器所处动力学环境复杂,未建模的加速度误差,星历误差等都会造成过程噪声统计特性不完全。针对以上问题,提出一种根据新息和残差序列的变化趋势来调节过程噪声协方差阵的自适应平方根容积卡尔曼的方法（AQSCKF）。该方法先分别利用新息和残差计算调节因子,然后判断新息和残差的变化趋势,当新息和残差的变化趋势一致时,取二者调节因子的均值作为过程噪声方差阵的调节因子,对其进行调节。此外,本文还将该方法与传统的只利用新息或残差在线调节协方差阵的平方根容积卡尔曼滤波（SCKF）方法进行对比,仿真结果表明,在解决由于过程噪声统计特性不能完全已知的问题上,AQSCKF算法不仅能显著提高导航精度,并且具有很好的稳定性。     

基于可观测性的序列图像自主导航观测时序规划方法

针对行星着陆自主导航中图像处理计算负担重的问题,分析了序列图像自主导航的可观测性,并提出了一种观测时序规划方法。通过可观测性分析得到了在未知环境中使状态可观测的最少观测次数,这是切换观测陆标的边界条件。在此基础上,通过优化所构建的深度估计误差模型获得最佳观测间隔时间,从而自适应地规划观测时序,减少图像处理次数。仿真结果验证了可观测性分析的正确性,以及提出的观测时序规划方法的有效性,相比每个采样时刻均观测陆标,在不明显影响导航精度的条件下减少陆标观测次数45.9%,有效降低序列图像在线处理的计算负担,大幅提升未知环境中行星着陆器基于序列图像的自主导航能力。     

混沌直扩信号的抗盲估计传输方法

混沌直接序列扩频(DSSS)由于具有大容量、低截获率和物理层上的优良保密性,成为通信领域的研究重点,尤其可以为卫星导航系统提供安全、可靠的地址码.虽然混沌序列的随机特点增强了混沌直扩信号的保密性,但是随着系列盲解扩及混沌预测等技术的发展,传统的混沌直扩系统已经不能克服非授权用户对混沌模型的重构和非线性预测,因此抗盲估计...