基于频率补偿的时延估计方法

无源时差定位中,当目标处于运动状态时,多普勒频率的存在将导致时延差估计精度变差。自相关法和互相关法相结合的多普勒频差估计方法可以获得可靠性较高、估计精度较好的频差估计结果。对该结果进行频差补偿后,采用基于相位谱的时延估计方法获得两信号间的时延差。经过仿真验证,这种基于频差补偿的时延估计方法可以有效降低多普勒频差对时延差估计精度的影响。     

FX型相关处理方案及野值剔除算法

分析了甚长基线干涉测量等干涉测量技术中FX型相关处理方案存在的问题,提出了一种新的FX相关处理方案。该方案经过两次整数比特时延补偿将两站接收信号相对时延缩小到1 bit内,从而避免了相位卷绕现象的出现,同时省去了原方案中的小数比特时延补偿,接着对新方案的计算量和相关长度做了深入的分析;改进了一种野值剔除算法,使剔除过程不受相位随频率变化趋势的影响。蒙特卡洛仿真和“嫦娥二号”实测数据处理结果验证了改进的准确性和有效性。     

基于星敏感器的卫星角速度估计精度分析

重点研究星敏感器自身特性对角速度估计精度的影响,分析了星敏感器动态情况下恒星矢量测量精度,推导出恒星矢量测量误差与星像目标中心提取误差之间的关系;进而研究了最小二乘角速度估计算法的精度,得出其精度影响因素:星像目标中心提取误差、曝光时间、恒星矢量数目及相互夹角;最后以给定的星敏感器参数和实际恒星分布进行数学仿真,验证了采用星敏感器估计角速度的可行性.     

基于MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.     

一种利用泛函网络进行导航卫星钟差预报的方法研究

为提高导航卫星钟差预报的精度和实时性,提出一种基于多项式和泛函网络相结合的钟差预报方法。该方法首先根据卫星钟的物理特性用多项式进行拟合,并用泛函网络对多项式拟合残差进行建模,其中泛函网络的结构是通过小波降噪及相空间重构的方法确定。最后以GPS卫星为例,进行四组短期预报实验。结果表明,所提方法能够实时有效地对导航卫星钟差进行拟合和预报,且精度优于IGUP星历。     

一种多标校源的高轨伴星时差频差定位算法

针对高轨伴星时差频差无源定位系统中卫星位置、速度、时差和频差等参数的测量系统误差严重影响定位精度的问题,提出了一种基于四个或四个以上已知位置的地面标校源的高斯-牛顿定位算法。该算法首先利用差分法消除星间时差、频差测量的系统误差,再利用标校源的时差频差测量方程组估计出主星和伴星的相对位置和相对速度误差,最后结合时差、频差、地球球面以确定非合作辐射源位置。理论和数字仿真均表明在时差和频差测量的随机误差较小时,本文算法的均方根误差（MSE）接近克拉美-罗下限(CRLB)。
     

2011年全球主要固定卫星业务运营商排名

2011年全球固定卫星业务市场的亮点是东亚重新取得增长和拉美的需求依然强劲,助推该市场以美元计取得了4％～5％的增长.占2011年可用在轨转发器总数60％的四大运营商继续开展其卫星补网和扩充计划,但这些公司的资本开支2013年或2014年将会急剧减少,具体要看卫星发射进度是否能得到保证.     

卫星与测站钟差支持条件下的GEO卫星精密定轨

在基于伪距的GEO卫星精密定轨中, GEO卫星的静地特性导致定轨解算无法对星地组合钟差进行有效估计, 需要独立的时间同步支持. 本文讨论了卫星和测站钟差支持条件下的GEO卫星定轨原理, 利用仿真数据系统地分析了中国区域网跟踪条件下GEO卫星的定轨精度, 从定性和定量角度分析了钟差二次项、星地时间同步精度、站间时间同步精度及系统差等因素对定轨精度的影响.      

面向时间应用的可驯服铷钟

研制一种面向时间应用的GPS可驯服铷钟。当铷钟被GPS驯服后,它输出的秒信号实时同步于GPS接收机的秒信号。同时,铷钟和GPS接收机之间的时间差的数据通过一个比例积分控制器去校正铷钟的频率准确度。驯服后,两台GPS驯服铷钟之间的时间差小于20ns、频率差小于1E-12/d。使用一台专用的GPS信号处理板和特定的GPS接收机,时间差可小于5ns。     

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。