The adaptive Gaussian mixtures unscented Kalman filter for attitude determination using light curves

The Adaptive Gaussian Mixtures Unscented Kalman Filter (AGMUKF) is introduced to estimate the attitude of a Resident Space Object using light curves. This filter models the state probability density function as a Gaussian Mixture. This enables to capture the non-linearities of the light-curve measurement model. A non-linearity index is used to refine the mixture when necessary, and individual Gaussian kernels are merged back together when their relative distance is below a certain threshold. A conventional attitude Unscented Kalman Filter (UKF) is used to propagate and update each kernel. The AGMUKF efficiently maintains the mixture population as low as possible, while still being able to represent non-symmetric, multimodal, arbitrarily complex distributions. Therefore, it is presented as a promising alternative to Particle-Filter-based implementations, the current state of the art used in sequential attitude estimation from light curves. The non-linearity index has been used to show that the measurement model is the main contributor to the system non-linearity. Results have demonstrated the superiority of the AGMUKF w.r.t. the UKF for attitude determination, and that it can converge for high initial state uncertainty cases, successfully capturing the non-Gaussian probability distribution of the state.     

基于多层多级天际线选择方法的威胁评估

传统的威胁评估均采用加权求和方法,最终得到的单一威胁度序列缺少各目标特征,且权值设定过程复杂。在天际线选择理论的基础上,提出了多级天际线选择方法,结合多层次威胁评估建模思想,建立了基于多层多级天际线选择方法的威胁评估模型,有效消除了权值设定过程中个人喜好等因素的干扰,并将每个目标在各评价维度上的属性特征呈现出来。仿真实验结果表明,获得的威胁评估结果全面直观,为指挥员依据不同情况进行后续决策提供了重要依据。     

基于强跟踪滤波的全自主机器人目标预测

全自主机器人在目标跟踪过程中,为了克服视觉系统造成的决策延时,需要对目标进行预测。目前全自主机器人目标预测方法对目标模型有强依赖性,并对突变状态的预测滞后。本文提出将强跟踪滤波理论应用于全自主机器人目标预测,通过引入渐消因子,克服了其它目标预测方法的缺点。仿真结果说明强跟踪滤波对目标的预测比较精确,并对突变状态反应灵敏,说明该方法的有效性。     

成像卫星在轨智能处理技术研究进展

从成像卫星在轨智能处理技术的重要性出发,分析了现阶段国内外研究现状,并总结了星上计算资源受限、实时性要求高、缺少大规模数据集、空间环境特殊性等在轨智能面临的主要挑战.针对问题,系统总结了智能算法、硬件平台和优化技术三个方面的相关技术,其中对于遥感目标智能检测算法,详细描述了数据集、模型架构、实时性等多个方面.最后,对成...     

深空自主光学导航小行星筛选与规划方法研究

 深空探测器的自主光学导航是深空探测器自主的关键技术之一,而导航路标——小行星的选择与拍照序列的规划是深空探测自主导航的重要内容。基于探测Ivar小行星的设计方案,在导航小行星筛选方面,提出了基于小行星可见星等、距离、相对速度以及视线夹角的筛选准则,并利用综合评估的方式进行导航小行星的筛选;拍照序列规划方面,提出差额筛选的策略优化导航性价比,并利用改进的遗传算法进行规划。数学仿真结果表明,该方法能够有效地进行小行星的选择与拍照序列的规划。     

Research on the Algorithm of Avionic Device Fault Diagnosis Based on Fuzzy Expert System

Based on the fuzzy expert system fault diagnosis theory, the knowledge base architecture and inference engine algorithm are put forward for avionic device fault diagnosis. The knowledge base is constructed by fault query network, of which the basic element is the test-diagnosis fault unit. Every underlying fault cause’s membership degree is calculated using fuzzy product inference algorithm, and the fault answer best selection algorithm is developed, to which the deep knowledge is applied. Using some examples, the proposed algorithm is analyzed for its capability of synthesis diagnosis and its improvement compared to greater membership degree first principle.     

一种多分辨率图像目标检测算法

为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,以分析图像中目标的分布和尺度信息。将算法在DOTA（Dataset for Object deTection in Aerial Images）数据集上进行了实验验证,在U-Net（一种基于卷积神经网络的语义分割算法）和ResNet-34（一种深度残差网络）两种不同的主干网络设置下,召回率和检测速度均超过了RPN（Region Proposal Network,区域提议网络）算法。提出的多分辨率图像目标检测算法能有效地提高检测精度,降低计算复杂度。     

基于XML自定义的通用表单对象管理平台研究与实现

航空企业部门众多,各部门拥有大量表单类管理需求,业务逻辑简单、形式变化快,为每类需求开发一个系统会耗费大量的人力、物力和财力。本文研究利用SSH框架及XML技术,建立一个可扩展的、可自定义的通用表单对象管理平台。     

基于贪婪算法的空间编目观测任务调度方法

针对空间监视任务过程中涉及的测站级编目观测任务调度问题,提出了一种基于贪婪算法的观测任务调度算法,并给出了算法可行的理论证明。在程序的功能设计上,考虑了实际中心任务对时间要求不同和测站工作等特点,并以提高设备时间利用率和中心任务完成率作为程序设计的主要目标。通过软件仿真,该算法可以给出可行的测站观测任务计划,计划中设备实际时间利用率提高到80%以上,中心任务当日完成率达到50%以上,基本满足测站日常观测需要。     

应用MUSIC算法对抗多源的目标选择方法

为对抗多源干扰情况,可采用MUSIC空间谱测向技术来提高装备对多源的测向能力,但如何从多个信号源中正确选择出目标,仍是一个难题。为此,提出了一种通过获取多个信号源的能量来选择目标的方法。