一种新的导航星选取算法研究

在导航星表的建立过程中，由于恒星的数量太多，往往要进行筛选，通常这种选择复杂费时，而结果往往并不是最优的。本文引入了动态星等阈值分布函数，将传统星等阈值过滤算法中的静态阈值用动态星等阈值代替，建立了一种新的动态星等阈值过滤选择模式。而基于统计学习理论的支持向量机方法为求解高维非线性动态星等阈值分布函数提供了新的途径。本文讨论了这种基于支持向量机的导航星自动选择算法——回归选取算法。实验表明，用该算法所选取的导航星表，导航星数量少、分布均匀性好。同时它还能适应多种任务的导航星选取要求，具有很强的通用性。     

单站多普勒跟踪定轨的优化算法

由于低轨道小卫星应用的日益广泛，在轨卫星数目的迅速膨胀，对传统的多个地面站相互协调管理卫星领域模式提出了挑战。小卫星的低成本特性必然要求存在与之相应的地面站设施降低复杂性、降低成本。本文针对当前已提出的单站多普勒定轨方案，进一步研究了多普勒定轨的有关方法，提出和建立了多普勒定轨的优化算法与模型，最后进行了仿真分析与模型的有效性验证。     

基于遗传算法的制导控制系统耦合回路优化设计

为减小天线罩瞄准线误差斜率对导弹制导控制系统的影响，将导引控制器的设计作为参数优化问题．建立了优化模型。采用遗传算法对导引控制器参数进行优化，并给出了遗传算法的操作和优化流程。数字仿真结果表明，所设计的制导控制系统耦合回路对天线罩瞄准线误差斜率的摄动具有较好的鲁棒性。     

几乎最佳自相关序列偶搜索算法的研究

几乎最佳自相关序列偶是一种新的最佳信号,但其一般的搜索方法——穷举法,搜索量太大。根据几乎最佳自相关序列偶的必要条件,提出一种新的搜索方法,给出算法流程图,并进行了实验验证。实验结果表明,算法可大大减小搜索量,比穷举法效果好且耗时短。     

基于Boosting的模糊分类规则集成学习及应用

由于难于获得先验知识,样本可分性差,辐射源识别很难达到很高的识别率。结合AdaBoost算法和遗传算法,提出了一种模糊分类规则的迭代学习方法。在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类和拒识的样本。在规则学习的适应度函数中考虑训练实例的分布,使模糊分类规则在产生阶段就考虑相互之间的协作,改善了模糊分类规则的整体识别能力。辐射源识别实验结果表明,该方法具有良好的分类识别性能。     

基于重力梯度杆和磁铁的小卫星三轴姿态控制

运用卫星低轨道两个主要环境力矩（重力梯度矩和地磁力矩）对圆轨道卫星三轴姿态进行被动控制。利用重力梯度矩实现卫星对地指向：卫星上的永久磁铁获取所需的地磁力矩,稳定偏航姿态。给出卫星的姿态分析,并给出仿真结果。从分析和仿真结果可以看出,此卫星具有结构简单、时刻对地定向、低轨道倾角时卫星姿态稳定精度较高的优点。     

翼伞精确定点着陆归航方法研究

文章介绍一种翼伞精确定点着陆归航的方案 ,按高度将归航过程划分为 6个阶段 ,给出了每个阶段的制导算法 ,讨论了系统的稳定性并给出结论。     

基于分数傅立叶变换的SAR成像算法研究

当距离徙动较小时,合成孔径雷达(SAR)回波信号在方位向和距离向都可以转化为调频信号,据此提出一种基于分数傅立叶变换(FRFT)的SAR成像算法,通过距离向和方位向的特定阶次的FRFT,在两个方向上把回波信号同时近似地压缩为脉冲函数。理论分析和仿真数据结果表明,该算法计算简单快速,只需两次FRFT即在分数傅立叶域可以有效成像,并且成像精度优于传统的Chirp Scaling算法。     

可重复使用运载器机翼外形优化

研究了有翼可重复使用运载器机翼平面外形参数优化设计问题。在高超声速配平和低速水平着陆性能等约束条件下，利用混合遗传算法和粒子群优化算法来选择最优机翼外形参数，使机翼重量最小化。在已知的不同质心位置下求得相应的最小重量机翼外形。亚声速气动力采用面源法计算，高超声速气动力采用修正的牛顿流理论计算。为了降低计算耗费，使用均匀设计和逐步回归方法建立了低速气动力回归模型。整个优化过程在Matlab集成环境下完成。     

旋转倒立摆的神经网络控制

本文针对一种新型的倒立摆系统,设计了一个四输入单输出三层BP网络,并对一级旋转倒立摆控制器进行逼近。仿真结果表明,BP神经网络有很广阔的应用领域。