基于相关滤波器的嵌入式动态目标跟踪系统设计

针对空间非合作运动目标监控,提出了一种基于嵌入式技术的动态目标实时检测与跟踪方法,并完成了跟踪系统的研制设计和测试。该视觉目标跟踪系统以嵌入式处理器为控制器,通过相机模组获取实时视频图像,图像经过视觉检测与跟踪算法程序分析,得到目标的位置信息后,控制伺服运动系统调整相机姿态实现对动态目标跟踪。提出了基于相关滤波原理的跟踪算法,搭建了树莓派嵌入式测试系统,完成实时检测与跟踪的实验评估。实验结果表明,嵌入式处理器中检测与跟踪程序的平均运行帧率达到25FPS,伺服机构在水平360°和俯仰±60°范围内实现了对移动速度90°/s的目标的实时、稳定监控与跟踪。     

非最小相位系统输出跟踪的最优预测控制方法

讨论了一类非最小相位系统的输出跟踪问题。非最小相位系统广泛存在于机器人柔性结构控制、飞机的飞机控制和航天器发射等实际问题中。由于非最小相位系统内部动态的不稳定性,传统的一些输出跟踪方法将导致系统的某些变量发散。文中通过讨论系统的有界理想状态轨迹,将期望跟踪的输出进行了扩充,利用预测控制方法研究了一类非最小相位系统的输出跟踪问题,从理论上证明了利用预测控制可以使非最小相位系统稳定地渐近跟踪期望输出。     

借助TADT技术对中继卫星实现高准确的非相干多普勒跟踪

用非相干多普勒跟踪系统取代相干多普勒跟踪系统是可能的,只需消除其振荡器频率漂移对测速的有害 影响即可。TADT技术能使之达到相干系统的准确度。文中介绍TADT方法的数学原理及其在TDKSS网中的应用。结 论认为,TADT方法是解决非相干多普勒跟踪系统高精度和高可靠性这一矛盾的有效方法,从而使航天器的多普勒跟踪 技术取得突破性进展。     

低(负)仰角跟踪的综合平滑算法

分析多径测角误差的形成机理，阐明在多信息源的跟踪系统中，对跟踪数据作综合平滑算法的原理、计算方法及实现，以及由这种软件控制的跟踪系统的外场实验结果。     

一种数字式动目标跟踪技术

介绍一种在某型号雷达中成功应用的全数字式动目标跟踪系统。和差三路Ｉ和Ｑ正交信号经模数（Ａ／Ｄ）转换后在数字信号处理器中进行动目标显示（ＭＴＩ）滤波、距离跟踪，同时提取角误差信号作为天线角伺服系统的输入，以实现对目标的角度跟踪。该跟踪系统可以有效地抑制对中低空目标回波影响较大的地杂波及海杂波等干扰信号，从而极大地改善了跟踪雷达的中低空性能。     

空间非合作目标快速姿态跟踪导航方法研究

提出了一种空间非合作目标快速姿态跟踪导航方法。在非合作目标相对测量过程中,激光测距仪测距数据具有不连续的特点。当不具备测距数据时,采用基于位置-速度方差修正的姿态跟瞄导航滤波算法,引导追踪航天器完成对目标的粗捕获和保持;当具备测距信息时,通过引入间接量测矩阵和Wonham能控规范型极点配置方法,采用基于全维状态观测器的姿态跟瞄导航滤波算法,完成对目标的连续精确指向跟踪,并通过配置观测器极点调整滤波收敛速度。本文提出的姿态指向跟瞄导航算法克服了非合作目标跟瞄过程中测距信息不连续的问题,与传统扩展卡曼滤波算法相比,能够避免量测方程近似线性化过程中的大量矩阵求导运算,因而提高了跟踪导航滤波的收敛速度,增强了追踪航天器对非合作目标的快速姿态指向与跟瞄能力。     

一种GNSS双频信号跟踪的新方法

在双频接收机双频L1辅助L2跟踪方法基础上提出一种GNSS双频信号载波和差联合跟踪新方法。该算法能够克服传统的L1辅助L2跟踪方法L2信号能得到L1信号辅助信息、而L1信号得不到L2信号任何辅助信息的固有缺点。仿真结果表明：该和差联合跟踪方法相比传统的双频信号跟踪算法能够耦合双频信号实现其相互辅助跟踪,具有提高GNSS双频信号的跟踪稳健性和灵敏度等优点。     

新技术试验卫星C星、D星姿轨控分系统设计和在轨验证

介绍了新技术试验卫星C星、D星姿轨控分系统设计和在轨验证情况。姿轨控分系统具备任意目标凝视跟踪、条带拼接成像、主动推扫成像等姿态控制功能。通过基于操作系统的姿轨控应用软件架构设计和基于动态链接库的在轨编程设计,首次实现基于操作系统的星载应用软件并行开发。通过一个软件配置项实现双星功能,解决了双星研制周期短、工作模式复杂等问题。给出了卫星在轨运行的部分曲线和数据,可为遥感卫星姿轨控系统设计提供参考。     

子空间跟踪算法在热模态问题中的应用研究

总结子空间跟踪算法识别模态参数的一般步骤。对一个有理论参考解的时变两自由度系统进行仿真,利用添加不同量级噪声的响应数据对系统进行辨识。辨识结果表明:基于新信息准则的子空间跟踪算法拥有较好的抗噪能力。对飞行器舵面结构进行受控快速加热,辨识快速升温过程中的模态参数。辨识结果表明:子空间跟踪算法可用于热模态辨识,有一定的工程应用价值。     

认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题,提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建,利用神经网络对目标特征参数进行离线学习并存储,指导机动模型参数实时调整,使模型对运动状态的描述更加合理。为进一步提高跟踪性能,基于人类认知“感知-行动”循环理论,将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端,以最小感知信息熵为代价函数,从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明,该算法对环境及目标的感知更加准确,融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。