基于星载毫米波顺轨-交轨InISAR的空间运动目标三维成像技术研究

研究了低信噪比情况下的星载毫米波顺轨/交轨In\|ISAR空间目标三维成像问题。由于传统的RD成像算法在目标尺寸较大和分辨率要求较高时不能取得较好的成像效果,故将波数域成像算法引入运动目标成像处理以获得高分辨率的二维图像,继而将顺轨/交轨三天线ISAR图像分别进行干涉处理,获得了目标上各散射点的三维位置。作为二维成像、图像配准等重要环节的基础参数,对低信噪比下的目标检测和三维运动参数估计进行了研究,分析了速度估计精度要求。最后,仿真结果表明了顺轨/交轨In-ISAR系统的有效性。     

基于积分多普勒平滑伪距的导航算法研究

载体处于高动态机动、障碍遮挡、信号干扰和多路径等复杂环境时,GNSS接收机跟踪环路易发生信号失锁和相位失调,导致载波相位观测值发生较大变化,采用载波相位平滑伪距将严重影响导航精度。为改善GNSS接收机导航性能,对电离层效应及延时校正模型进行了研究,基于α-β滤波算法提出了基于积分多普勒平滑伪距的导航算法。实验结果表明:采用该算法在静态、动态条件下定位精度优于5m,测速精度优于0.05m/s,可显著提高GNSS接收机的导航精度。     

基于新型滑模控制方法的再入飞行器姿态控制律设计

设计了一种新型滑模控制方法,该方法不但能对已有的控制律进行鲁棒性改进,而且能有效抑制抖振现象。在该方法的设计过程中,首先基于已有的控制律和标称系统,设计了一种新型的动态滑模面,然后对超扭曲算法进行改进,得出了一种快速、连续且有限时间收敛的算法,并首次将其作为新型趋近律,该趋近律与滑模面相结合能够大大增强现有控制律的鲁棒性,而且滑模的切换律是连续的,因此大大降低了系统的抖振。将以上方法应用于再入飞行器的姿态跟踪控制中,有效增强了已有控制律的鲁棒性,实现了大干扰情况下对姿态系统的稳定控制。通过仿真,验证了该方法在提高系统鲁棒性和降低抖振方面的有效性。     

星上系统时间算法研究

针对星上缺乏系统时间会出现钟差整体漂移的问题,本文提出两种新的钟速初值预报方法建立集中处理模式下星上系统时间算法：用每颗星第1天的前两历元的钟差预测钟速初值和用每颗星每天的前两历元钟差预测钟速初值。仿真结果表明,算法合理,两种方法得到的自主系统时间与国际全球导航卫星系统服务时间(IGST)相比,60天的偏移程度均在100 ns以内,用每颗星第1天的前两历元的钟差预测钟速初值建立的系统时间稳定性更好。     

SAR高速实时信号处理系统设计

合成孔径雷达回波数据速率一般高达3GSPS,如何采集、存储、压缩、传输如此高速率的数据成为一个难点。文章在分析了SAR回波数据特点的基础上,设计并实现了一个SAR高速实时信号处理系统。该系统以FP-GA为核心处理器、ADC08D1500为高性能的AD采集芯片、DDR_SDRAM为数据存储器、TLK2711为数据传输芯片。实验结果表明：本文设计的高速实时信号处理系统性能良好,能够很好地实时处理高速率的SAR回波数据。同时该系统易于实现,具有较强的实用性。     

基于粒子群聚类算法的雷达信号分选

在电子对抗领域,雷达信号分选的研究是一个重要课题。电子战的信号环境日趋复杂,雷达信号的处理面临高密度信号环境,雷达脉冲相互交错。对粒子群聚类算法进行了研究分析,把粒子群聚类算法应用到雷达分选中,仿真实验证明该方法能够得到很好的雷达信号分选效果,为雷达信号分选提供了新思路。     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

基于视觉的飞行器运动参数串行式递归估计

针对利用视觉方法进行飞行器运动参数估计中旋转与平移参数耦合及计算量大的问题 ,设计了一种适用于递归方法的串行式运动参数估计模型。证明了旋转运动参数的估计不依 赖于平移参数,据此建立了基于特征线的旋转运动参数估计模型,进而设计了串行式运动参 数估计模型。给出并证明了利用该模型进行运动参数估计时解的唯一性结论。仿真实验和实 测试验表明：相对于集中式模型,使用串行式递归模型进行飞行器运动参数估计时计算耗时 减小、姿态精度更高、鲁棒性更强。
     

基于遗传退火算法的数字阵列稀疏布阵

应用遗传退火算法对32个数字阵列天线单元在64个位置进行了稀疏布阵,将单元间距和激励作为优化变量,在控制主瓣形状的同时,改善了阵列的副瓣电平,提供了更多的自由度来控制稀疏阵列的性能。结果表明,全局优化峰值旁瓣可低至-26dB,遗传退火算法能够避开遗传算法在搜索过程中的早熟收敛。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。