基于阵列天线的一种GPS多径抑制方法

为了抑制多径效应对GPS的严重影响,在分析了多径效应对伪码跟踪环路影响的基础上,提出了一种基于空间平滑的改进稳健波束形成算法来抑制GPS多径效应。以直线阵为基础,采用前后向空间平滑算法对阵列接收信号进行预处理,针对各种失配,采用改进的稳健波束形成算法进行处理。该方法既可以有效地抑制GPS多径效应,又可以有效地改善伪码跟踪环路的跟踪精度。仿真实验结果验证了所提方法的正确性和有效性,具有较高的工程实践价值。     

基于微分平滑的欠驱动刚性航天器时间最优轨迹规划研究(英文)

针对非轴对称欠驱动航天器提出了一种新的基于微分平滑特性的时间最优轨迹规划算法。首先,在控制输入受限的约束条件下,对给定的初末姿态,选取航天器机动时间最短为待优化的性能指标。其次,在欠驱动航天器的非受控轴上引入虚拟控制输入,扩展系统的平滑特性,从而使得系统的姿态和控制输入变量均可由平滑输出函数及其各阶导数代数表征;同时为保证优化问题的等价性,引入虚拟控制输入始终为零的附加等式约束。进一步,利用伪谱法离散系统的平滑输出函数,将优化问题最终转化为一个低维的,仅含有代数约束的非线性规划问题,且无需积分求解系统的动态力学方程。仿真结果表明该算法不仅能够有效地减少优化所需的时间,而且运算精度较高。     

雷达截面测量数据处理方法的改进

在进行雷达截面（RCS）测量原始数据的处理时,传统方法是对这些数据直接进行简化和统计处理,得到能概括目标散射特征的数据。本文应用格拉布斯检验方法和卡尔曼滤波方法,分别对静态和动态测试数据的异常值进行预先判别、剔除处理,然后再对原始数据进行平滑处理和统计分析,从而提高了处理结果的置信度,更准确地表征目标的RCS特性。     

线性极化敏感阵列的极化平滑算法及相干源参数估计

 研究了基于极化敏感阵列的相干信号参数估计问题。首先,提出一种利用均匀线性极化敏感阵列的新型极化平滑算法(ULAPSA),其能够处理更多相干信号的参数估计,且具有更小的计算量。然后,基于ULAPSA给出了波达方向（DOA）和极化参数估计的两种方法：第1种方法利用角度搜索得到信号的DOA估计,适应任何多分量的电磁矢量传感器阵列;第2种方法结合传播算子算法,无需奇异值分解和角度搜索,能够同时估计信号的DOA和极化参数。该方法适应完备的电磁矢量传感器、三偶极子或三磁环构成的矢量传感器。最后,通过仿真实验比较和分析了所提算法的性能。     

估计理论在飞行数据相容性检验中的应用

飞行数据相容性检验在飞行试验数据分析中是很重要的。由于飞行试验测量数据中存在着各种过程噪声(如大气紊流)和测量噪声(如尺度因子偏差、常值系统偏差等),这些误差将会导致飞行数据各通道之间不相容。利用估计理论进行飞行状态估计,同时估计出未知的尺度因子,系统偏差,即进行飞行轨迹重构被认为是飞行数据相容性(一致性)检验的强有力的工具。本文利用推广卡尔曼滤波和信息平方根滤波及平滑进行高速飞机飞行数据的相容性检验,提出了飞机纵向运动和全面运动的新模型,通过仿真和实际计算得出满意的结果。     

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。     

地形跟随航迹规划

运用综合航迹平滑算法对地形跟随航迹进行规划,规划的航迹满足飞机机动能力和安全高度限制要求,并分析了飞行速度、飞机机动能力及飞行姿态对规划航迹的影响。     

基于最优节点样条逼近的观测数据平滑方法

提供了一种基于最优节点样条逼近的观测数据平滑方法。它利用节点自由分布 B样条描述目标运动 ,在最小二乘准则下 ,采用非线性最优化方法 ,搜寻样条的最优节点分布 ,使逼近过程能够实时自适应目标的运动规律 ,提高逼近精度。这种方法即使在目标运动变化剧烈的情况下仍有较好的平滑和微分平滑效果     

Weighted marginal fisher analysis with spatially smooth for aircraft recognition

Due to limitations to extract invariant features for recognition when the aircraft presents various poses and lacks enough samples for training, a novel algorithm called Weighted Marginal Fisher Analysis with Spatially Smooth （WMFA-SS） for extracting invariant features in aircraft rec- ognition is proposed. According to the Graph Embedding （GE） framework, Heat Kernel function is firstly introduced to characterize the interclass separability when choosing the weights of penalty graph. Furthermore, Laplacian penalty is applied to constraining the coefficients to be spatially smooth in this algorithm. Laplacian penalty is able to incorporate the prior information that neigh- boring pixels are correlated. Besides, using a Laplacian penalty can also avoid the singularity of Laplacian matrix of intrinsic graph. Once compact representations of the images are obtained, it can be considered as invariant features and then be performed in classification to recognize different patterns of aircraft. Real aircraft recognition experiments show the superiority of our proposed WMFA-SS in comparison to other GE algorithms and the current aircraft recognition algorithm; the accuracy rate of our proposed method is 90.00% for dataset BH-AIR1.0 and 99.25% for dataset BH-AIR2.0.