一种基于协方差矩阵加权的阵元误差补偿STAP处理

机载多通道阵列雷达天线在工程实践中不可避免地存在各类阵元误差,所产生的通道失配问题会对空时二维自适应处理的性能造成大的影响。对存在阵元误差时的阵列信号模型进行了分析,提出了一种基于协方差矩阵加权（CMT）的阵元误差补偿空时自适应处理（STAP）方法,在工程应用中该加权矩阵可通过地面天线定标及校飞过程确定,通过对总干扰协方差矩阵估计的加权预处理,可将实际阵元误差对STAP性能的影响控制在测量误差的影响范围,最后通过仿真验证了算法的有效性。     

短波段内多重信号分类算法的窄带假设分析

经典空间谱估计算法的两个适用假设是远场平面波和窄带信号。文章利用7单元均匀线列阵仿真分析了短波波段内多重信号分类（MUSIC）算法的窄带假设上限带宽。可以发现：对于短波信号,50kHz的带宽所带来的测向误差不超过O．08°。这就意味着,对于短波通信信号的侦察测向完全可以采用经典空间谱估计算法,比如MUSIC算法,而不需要为窄带假设来付出代价,这便为设计高精度的短波通信实时测向系统提供了条件。     

大气层内拦截弹微分对策制导律对策空间分布研究

 摘〓要〖HTSS〗: 为提高机动性和操作性,大气层内拦截弹多采用气动力/喷流反作用力（RCS）复合控制系统。在RCS工作时间有限的条件下,建立线性化对策模型,并利用微分对策理论研究了复合控制系统对3种可能对策空间的分布影响。RCS的使用时机不同,其对微分对策空间分布的影响也不同。基于对策空间的分布确定了RCS的使用时机,并给出了适合实际应用的制导策略。仿真研究表明本文提出的应用时机与制导策略能够实现气动力与RCS之间的有机结合,使制导指令达到最优分配,显著地提高了制导精度。     

雷达威胁环境下的无人机三维航迹规划

提出了一种雷达威胁环境下应用A*算法进行低空突防三维航迹规划的方法。首先对地形高程数据进行综合平滑处理,建立满足无人机机动性能要求的安全飞行曲面,并结合雷达威胁量化模型,计算出地形遮蔽雷达盲区的范围,最后在满足地形遮蔽雷达盲区的安全飞行曲面上运用A*算法规划出三维飞行航迹。仿真结果显示,该算法能简单、快速地获得三维最优航迹,易于工程实现。     

过渡领域三维绕流直接统计模拟位置元法的一种新方案

本文发展了ＤＳＭＣ方法计算三维绕流位置元方法的新方案，其总体方案和实施细节都是在分析和探索的基础上由我们自己提出的，特别还解决了除气动力、矩总体量以外的气动加热和压力分布等局部分布量的计算所提出的新问题。对于表面位置元的标识、分子的进入及与表面碰撞的判断、网格初始划分与调整、分布量计算对模拟过程及信息存贮所提的特殊要求等进行了分析和讨论，并通过与准确结果的比较证明了采用的方案和技术的有效性。     

21世纪AMSS／GNSS空间段发展方向兼论卫星资源国际共享问题

航空移动卫星系统（ＡＭＳＳ）空间段采用单一的ＧＥＯ轨道卫星，未来将有ＭＥＯ和ＬＥＯ轨道卫星加入运行，仍然不排斥ＧＥＯ轨道卫星的使用。全球导航卫星系统（ＧＮＳＳ）空间段采用ＭＥＯ轨道卫星，未来将仍然以ＭＥＯ为主，可能有ＨＥＯ轨道卫星加入运行。２１世纪的空间段将为不同轨道卫星的多星座组合，采用一星多用、星座共用，形成多功能卫星和多功能星座。和平时期卫星资源的国际民间共建共营共享将更为普遍，要有全球观点，国内各行各业要有全局观点，对监测和增强系统统一筹建共用系统，防止分散投资、重复建设     

N4SID辨识方法在航空发动机中的应用

针对在现代航空发动机的自适应控制和故障监控领域建立系统动态模型的需要 ,本文研究了基于状态空间模型的数字子空间状态空间系统辨识 (N4SID)方法 ,并在某型双转子涡喷发动机非线性气动热力学模型的“小偏离”状态上进行了仿真实验 ,结论表明 :该方法可以较准确地辨识发动机“小偏离”状态时的系统模型     

参数不确定空间机械臂系统的增广自适应控制

讨论了载体位置与姿态均不受控制的漂浮基两杆空间机械臂系统的控制问题,为此对系统的运动学、动力学作了分析。结果表明 :结合系统动量守恒及动量矩守恒关系得到的系统广义Jacobi关系、以及系统的动力学方程将为系统惯性参数的非线性函数。证明了借助于增广变量法可以将增广广义Jacobi矩阵以及系统动力学方程表示为一组适当选择的惯性参数的线性函数。在此基础上,给出了系统参数未知时,空间机械臂末端抓手跟踪惯性空间期望轨迹的增广自适应控制方案。通过仿真运算,证实了方法的有效性。     

双星编队对空间非合作目标的仅测角跟踪方法

针对单星仅测角对目标跟踪误差较大和不良测量条件下跟踪精度下降的问题,提出利用编队卫星对非合作目标进行联合跟踪的方法。采用考虑地球非球形J2引力摄动的轨道动力学模型,建立多视线测量模型,融合编队卫星对目标的观测数据。然后,基于新息设计增益调节矩阵提高滤波器在测量故障条件下的鲁棒性。最后,建立仿真模型进行验证。仿真结果表明,相比单星跟踪,该方法的位置误差和速度误差分别减少了27.06%和26.96%。在系统存在异常量测时,相比常规滤波,该方法也具有更高的精确性和更好的鲁棒性。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。