一种全息滤波用于粒子场层析的方法

本文介绍用4F傅里叶透镜系统和全息滤波器对粒子场分布作全息记录的原理和方法。理论和实验结果表明,这种记录方法能同时准确记录位于输入平面和在其前、后相同距离平面上的粒子分布,并能根据清晰的粒子像直接判读出粒子尺寸和空间位置。若应用不同的全息滤波器,就能在输出平面上记录与滤波器相匹配的三个层次平面上的粒子分布。这种用4F系统的全息滤波记录方法,实质上是用全息术测量粒子场分布的层析法。文中还介绍了制作这种全息滤波器的原理和方法。     

考虑驾驶仪动态性能的指令滤波反演制导律

针对攻击机动目标的制导问题,设计了一种考虑自动驾驶仪性能、输入项约束的指令滤波反演制导律。首先,基于三维空间内弹目相对运动模型,采用反演递推方式设计制导律。针对传统反演控制存在的"微分膨胀"问题,引入指令滤波器对虚拟量进行过滤计算。考虑硬件计算能力的约束,引入自动驾驶仪二阶动力学模型减少控制过程延迟,并利用饱和函数和低通滤波器对输入项进行约束。此外,针对机动目标设计了一种扩张状态观测器来获取其加速度。通过Lyapunov理论证明了所设计闭环制导系统的稳定性。通过仿真实验验证了该制导律相有效性及优越性。     

最优故障检测滤波器设计

针对执行机构故障研究检测滤波器对噪声的鲁棒性问题。首先利用特征结构配置方法研究多故障情况下检测滤波器的设计问题,并给出其增益矩阵的基本结构,然后针对过程噪声和测量噪声研究最优故障检测滤波器的设计问题,提出求解最优增益矩阵的一种算法,最后采用某型号飞机方程进行仿真验证。仿真结果表明,最优故障检测滤波器可以有效的抑制噪声对系统的影响。     

A New Optimal Hatch Filter to Minimize the Effects of Ionosphere Gradients for GBAS

At present, the main problem faced by ground-based augment system （GBAS） is that though carder smoothing filter and local differential global positioning system （LDGPS） improve the accuracy of the pseudorange by reducing the noise in it and eliminating almost all the common errors between the user and the reference station, they also cause extra errors on account of the effects of the ionosphere temporal and spatial gradients. Based on the analysis of these errors as well as the smoothing noise, this article suggests a new algorithm to design the optimal Hatch filter, whose smoothing window width varies real-time with the satellite elevation, ionosphere variation, and distance from the user to the reference station. By conducting the positioning process in the GBAS emulation platform for several hours and after its comparison with the performances of traditional Hatch filters, it is found that the errors in the differential correction become smaller and the positioning accuracy gets heightened with this new method.     

基于非线性模型预测滤波的微纳卫星定位方法

针对采用星载GPS(Global Position System)定位的LEO(Low Earth Orbiter)微纳卫星获得的位置速度数据不连续,而使用轨道动力学获得的连续的位置速度信息误差快速发散的问题,提出了一种基于非线性MPF(Model Predict Filter)的LEO微纳卫星定位方法,它采用非线性MPF预测的模型误差作为一步状态估计,同时使用GPS信息作为观测量,并与改进的扩展卡尔曼滤波组合,既可获得连续的卫星位置速度信息,又可获得相当于GPS单点定位的精度.仿真结果表明,此种方法可以有效地获得连续的微纳卫星位置速度信息,并且精度优于EKF(Extended Kalman Filter).      

基于多传感器的卫星自主导航信息融合算法

通常卫星上装有较多的自主导航传感器,如何将其信息有效的组织并充分利用,是卫星自主导航的关键问题。采用信息融合技术把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,有利于充分运用各导航系统的信息进行信息互补和信息合作,已逐渐成为了导航定位技术的发展方向。文章针对星敏感器、红外地平仪、雷达高度计、紫外敏感器组成的卫星自主导航系统的特点,提出了一种基于联邦卡尔曼滤波技术进行轨道确定的信息融合算法。仿真结果表明,该方案能够获得较高的定轨精度,有效抑制滤波发散,整个系统的运算速度和收敛速度也有所提高。     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

Rao-Blackwellized粒子概率假设密度滤波算法

针对多目标跟踪（MTT）,提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法（RBP-PHDF）。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗（SMC）方法预测与估计概率假设密度（PHD）迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器（KF）对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。     

MIMO雷达的信号处理方法研究

在对多输入多输出（MIMO）雷达原理分析的基础上,研究了MIMO雷达的信号处理方法,并给出了两种信号处理实现方法。理论分析和公式推导表明,这两种信号处理实现方法具有相同的输出结果,计算机仿真结果也表明了结论的正确性。另外还对这两种实现方法的运算量进行了分析和比较。