频偏条件下基于DMF伪码捕获性能分析

基于数字匹配滤波器（DMF）的PN码捕获电路具有较快的捕获速度,但其输出主相关峰值对频偏较为敏感,在频偏条件下,通过推导PN码同步时的检测概率和虚警概率,进而计算出平均捕获时间,并且作出了仿真和分析,为改善频偏条件下捕获性能提供了解决思路和理论依据。     

无人机TDRSS／SINS组合导航定位技术研究

文章利用TDRSS的单向多普勒自主定轨功能,从理论上推导了非轨道远距离无人机通过接收有TDRS的多普勒信息组成的观测方程,再加上自身的捷联式惯导系统（SINS）得到无人机的状态方程,利用Kalman滤波进行组合导航定位的定位方法,并对其精度进行了简略分析。     

UPF滤波参数对航天器天文导航性能的影响

对航天器天文导航这种模型非线性、噪声非高斯的系统,离散粒子滤波(UPF)具有比扩展卡尔曼滤波(EKF)、离散卡尔曼滤波(UKF)更高的精度。在基于UPF的航天器天文导航系统中,UPF滤波参数τ,Q和R以及粒子个数和重采样方法是影响系统导航精度的主要因素。文章通过计算机仿真系统研究了上述UPF滤波影响因素对航天器自主天文导航系统性能的影响,并对结果进行了分析。该文可为基于UPF的航天器自主天文导航系统的参数设置提供参考和依据。     

多排切向通道敞口型离心喷嘴的动态特性研究

从理论上对具有多排切向通道的敞口型离心喷嘴的动态特性进行了分析,推导出具有多排切向通道的敞口型离心喷嘴动态特性的计算公式。选取了具有两排、三排切向通道的敞口型离心喷嘴和普通敞口型喷嘴为算例,分别计算了若干种不同切向通道间距离的敞口型离心喷嘴和普通敞口型离心喷嘴的动态特性,算例计算结果表明,调整切向通道之间的轴向距离,可以使喷嘴滤除一定频率的扰动波。     

基于模型混合的多分辨率多模型跟踪算法

在原有的多分辨率多模型算法的基础上引入了滤波器混合的方法,提出了一种新的机动目标跟踪算法.原多分辨率算法在多分辨率框架下应用硬切换多模型算法,改善了多模型算法在非机动段的跟踪性能,但是保留了硬切换算法的固有缺点.交互式多模型算法由于采用模型混合,避免了硬切换算法存在的问题,但是非机动段的跟踪性能不如多分辨率多模型算法.所提出的新算法综合了两者的优点,不仅解决了多分辨率多模型算法中存在的问题,而且其综合滤波性能优于交互式多模型算法.      

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

一种基于联邦滤波的SINS/GNSS/RA弹载多源组合导航算法

针对传统的惯性/卫星(SINS/GNSS)弹载组合导航系统导航信息源单一、易受干扰且鲁棒性差等问题,引入了雷达高度表(RA)作为新的信息源参与导航信息融合,并在发射惯性系下设计了一种基于联邦滤波的SINS/GNSS/RA弹载多源组合导航算法。仿真结果表明:本算法构建的组合导航系统具有良好的导航性能,在GNSS受干扰失效后,相较于传统SINS/GNSS组合导航系统,SINS/GNSS/RA组合导航系统依靠SINS/RA子滤波器,依旧能够在一定的时间范围内为导弹提供有效的定位信息,其表现出了更高的鲁棒性和可靠性。     

导弹飞行数据的相容性检验研究

本文针对导弹飞行试验的特点,采用导弹六自由度动力学方程建立了飞行数据相容性检验的数学模型。在有舵偏激励同时考虑偏差间相关性的条件下,应用广义Kalman滤波方法进行常值及比例因子偏差的估计。仿真及实际应用表明所建数学模型及估计方法正确有效,所得结果与由高速可重复模拟匹配技术结果极为接近。     

一种新的鲁棒PM滤波及其在组合导航中的应用

针对传统M估计滤波在处理系统尖锐野值时会出现不稳定或发散的特点,提出了一种新的基于映射统计野值检测的M估计(PM)滤波算法。该算法借鉴电力系统中GM估计野值检测与抑制方法,通过增加系统结构空间信息来提高鲁棒性,该算法不仅对受污染的高斯噪声具有鲁棒性,还能够抑制尖锐状态野值、结构野值等对系统的不利影响。将这种新的滤波算法应用于CNS/SAR/SINS组合导航系统中,仿真结果表明,与常规Kalman、M估计滤波相比,鲁棒PM滤波具有更强的结构抗差能力。     

GPS选择可用性(SA)信号采集与建模

 分析了ＧＰＳ测量伪距的各组成部分,设计了一个ＧＰＳ数据实时采集系统,通过定位计算和时钟偏移滤波的方法分离ＳＡ误差信号,经检验指出ＳＡ误差信号基本是零均值的平稳随机过程,对一段时期定点观测到的ＳＡ误差信号进行ＡＲ（１３）的模型辨识,获得大量的模型数据,从时域和频域对模型参数进行分析得到一些有益的结论。