一种数字式动目标跟踪技术

介绍一种在某型号雷达中成功应用的全数字式动目标跟踪系统。和差三路Ｉ和Ｑ正交信号经模数（Ａ／Ｄ）转换后在数字信号处理器中进行动目标显示（ＭＴＩ）滤波、距离跟踪，同时提取角误差信号作为天线角伺服系统的输入，以实现对目标的角度跟踪。该跟踪系统可以有效地抑制对中低空目标回波影响较大的地杂波及海杂波等干扰信号，从而极大地改善了跟踪雷达的中低空性能。     

GPS/INS组合导航系统的鲁棒滤波研究

卫星定位／惯性导航(GPS／INS)系统可形成优势互补而使短期和长期精度都有保证。GPS／INS组合导航系统通常使用Kalman滤波进行信息融合来削弱或消除系统噪声和测量误差,然而使用Kalman滤波要求系统动态模型精确和噪声的统计参数已知。但实际中构造精确的系统动态模型是十分困难的,并且噪声的统计参数也很难事先精确预知。对H∞问题进行了理论上的分析,构造了H∞滤波来提高系统对参数不确定的鲁棒性。仿真结果表明H∞滤波对模型的不确定性的鲁棒性比应用Kalman滤波的方法有较大的提高。     

基于滤波反投影算法的TDLAS温度测量研究-流场诊断特别专栏

为提高二维重建温度场的抗噪声、抗干扰能力,本文研究了基于滤波反投影算法的可调谐激光吸收光谱二维层析成像系统。首先,通过数值模拟研究了滤波反投影算法的重建质量与影响因素,结果表明,随机噪声达到10%时,重建图像仍能较好地反映原温度场特征;滤波函数能明显改善重建质量;三次样条曲线插值的重建质量最高。然后通过基于滤波反投影算法的二维层析成像系统对弱旋流燃烧室出口温度场进行重建,将重建结果与热电偶测量结果进行对比,相对误差范围为1.4%-8.9%,较好地反映出温度场的特征,验证了滤波反投影算法的层析成像系统的可行性。     

基于滤波反投影算法的TDLAS温度测量研究

为提高二维重建温度场的抗噪声、抗干扰能力,研究了基于滤波反投影算法的可调节半导体激光吸收光谱（TDLAS）系统。通过数值模拟研究了滤波反投影算法的重建质量与影响因素,结果表明,随机噪声达到10%时,重建图像仍能较好地反映原温度场特征;滤波函数能明显改善重建质量;三次样条曲线插值的重建质量最高。通过基于滤波反投影算法的 TDLAS系统对弱旋流燃烧室出口温度场进行重建,将重建结果与热电偶测量结果进行对比,相对误差范围为1.4%～8.9%,较好地反映出温度场的特征,验证了滤波反投影算法的层析成像系统的可行性。     

地磁定位方法综述

地磁导航具有可用区域广泛、无累积误差、无源和隐蔽性强等优势,是未来定位导航与授时（PNT）体系中潜在的重要导航定位手段之一。地磁导航技术包括磁场信息的测量、地磁基准图的建立和地磁定位方法的设计3个重要内容。本文主要围绕地磁定位方法,调研总结了当前主流的地磁滤波、地磁匹配和磁场同时定位与构图(SLAM)三类方法的原理及技术发展路线,重点分析了不同方法的优缺点、适用场景、时效性、对磁图和传感器的需求,并对地磁定位方法的发展方向进行了展望。     

基于脉冲同步的混沌雷达信号延迟方法

提出一种基于脉冲同步技术的混沌雷达信号延迟方法。该方法首先对混沌信号进行滤波；然后对滤波输出进行采样量化，采用数字技术延迟实现量化的信号；最后通过脉冲同步系统来恢复原信号，实现混沌信号的延迟。文章给出了方法的系统实现结构，并发展了一个新的脉冲同步方法。通过计算最大条件Lyapunov指数，研究了滤波器带宽和最小采样频率之间的关系并讨论了采样和量化对系统性能的影响。仿真结果表明本文方法的有效性。     

基于激光实时跟踪测量的航天器编队相对位置测量方法

为了解决编队航天器间相对位置的高精度测量，实现航天器编队自主飞行，提出基于激光实时跟踪测量航天器间相对位置的测量定位方法，建立了航天器间相对位置测量的数学模型。该测量方法在直角坐标系下用Hill方程建立编队航天器相对运动模型，得出航天器相对运动轨迹的解析解，在极坐标系下建立航天器间相对位置的激光跟踪测量模型，将激光跟踪测量系统的测量值转换到直角坐标系，对转换误差进行去偏差补偿，利用卡尔曼滤波方法进行数据处理，以提高航天器间的相对位置测量精度。仿真结果表明，若对于测距精度为5厘米，测角精度为0．1度的激光跟踪测量系统，采用去偏差转换测量卡尔曼滤波方法，航天器空间相对位置精度可达到厘米量级。     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法.传统的弹道导弹跟踪方法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高.在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化.对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较.仿真结果表明新算法的模型更准确,跟踪性能更好.     

自学习自适应INS／Doppler组合导航系统

本文通过引入文［１］提出的自学习适应Ｋａｌｍａｎ滤波，而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上，由于此时的ＬＡＫＦ在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性，从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器，对ＩＮＳ／Ｄｏｐｐｌｅｒ组合导航系统进行了仿真研究，所得结果十分满意。