一种新型的基于预测的卫星资源分配方法

针对传统的按需分配方式所造成的长时延问题,提出了一种新型的基于业务预测的按需分配方法。该方法通过预测业务在等待队列中的长度,将预测信息发送给网络资源控制中心,再由控制中心动态地分配带宽资源,达到服务质量的要求。在阐述了按需分配和业务预测的基本算法后,通过仿真分析了不同的业务类型采用不同的预测信息发送间隔时间的时延性能,分析中考虑了实时业务比非实时业务享有更高的优先权,并且比较了常规按需分配与基于业务预测的按需系统分配方法的时延性能。仿真结果表明利用业务预测,选择合适的预测信息发送间隔时间,能够有效地改善带宽资源分配的时延性能,相比一般的按需分配方式服务质量有了明显的提高。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

基于自相关及相位差法的高精度频率估计算法

为提高高斯白噪声背景中正弦信号的频率估计精度,对基于自相关运算的频率估计算法的相关长度m进行了推导,得到了m的优化值与信噪比的关系式.当信噪比较高时,m的最优值为N/3(N为信号采样点数);信噪比较低时,m的最优值为N/2.通过对自相关法及分段FFT(Fast Fourier Transforms)相位差法特性的分析,提出了一种性能更优的频率估计综合算法. Monte Carlo仿真实验表明:新算法吸收了两种算法的优点,克服了其不足,在更大的信噪比范围内具有较高的频率估计精度,且计算量也较小.      

大气湍流退化图像多帧盲复原

针对图像盲复原时PSF（点扩散函数）尺寸参数对复原效果影响较大,提出一种点扩散函数尺寸自适应估计算法,该算法以均方误差为代价函数,通过遍历搜索点扩散函数有限支持域,克服了点扩散函数尺寸参数选择难的问题。仿真结果表明,估计的点扩散函数尺寸接近真实尺寸,对于大气湍流变化快的情形,改进算法取得了较好的图像复原效果。     

Improvement of Jahangir＇ s multiple moments estimator

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE（Maximum Likelihood Estimator）相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

基于四元数的UKF多传感器卫星姿态确定

对采用磁强计和太阳敏感器的卫星姿态模型,应用无迹卡尔曼滤波(UKF)算法确定卫星姿态。由四元数描述姿态,在算法中将其转换成旋转矢量,另设计了四元数求均值的迭代算法,解决了四元数在UKF算法中的处理。仿真结果表明:广义卡尔曼滤波(EKF)算法对初值依赖性较大,UKF算法不受初值影响且精度高于EKF,具快速性、精度高和稳定性强等优点。     

A two-step robust adaptive filtering algorithm for GNSS kinematic precise point positioning

In kinematic navigation and positioning, abnormal observations and kinematic model disturbances are one of the key factors affecting the stability and reliability of positioning performance. Generally, robust adaptive filtering algorithm is used to reduce the influence of them on positioning results. However, it is difficult to accurately identify and separate the influence of abnormal observations and kinematic model disturbances on positioning results, especially in the application of kinematic Precise Point Positioning (PPP). This has always been a key factor limiting the performance of conventional robust adaptive filtering algorithms. To address this problem, this paper proposes a two-step robust adaptive filtering algorithm, which includes two filtering steps: without considering the kinematic model information, the first step of filtering only detects the abnormal observations. Based on the filtering results of the first step, the second step makes further detection on the kinematic model disturbances and conducts adaptive processing. Theoretical analysis and experiment results indicate that the two-step robust adaptive filtering algorithm can further enhance the robustness of the filtering against the influence of abnormal observations and kinematic model disturbances on the positioning results. Ultimately, improvement of the stability and reliability of kinematic PPP is significant.     

基于MHSS算法的ARAIM完好性和可用性预测

传统的接收机自主完好性监视只能提供非精密进近阶段的完好性监视,无法实现对完好性要求更加严格的飞行阶段的监视,而高级接收机自主完好性监视（AdvancedReceiverAutonomousIntegrityMonitoring,ARAIM）可以在精密进近阶段为飞机提供满足航向信标性能垂直引导（LocalizerPerformancewithVerticalguidance,LPV）的完好性监视服务。文章基于多假设分组解算法,根据目前的星座环境,结合民航不同飞行阶段的应用需求,对ARAIM算法进行仿真研究。针对水平保护级（HorizontalProtectionLevel,HPL）和垂直保护级（VerticalProtectionLevel,VPL）的指标,在不同星座组合环境下,选取南北半球不同经纬度的5个观测机场,分别仿真了HPL和VPL的变化情况,并对全球HPL和VPL平均分布趋势,以及以99%的概率满足LPV-200进近可用性指标时,ARAIM可用性的全球覆盖率进行了仿真预测分析。仿真结果表明,不论是全球定位系统和格洛纳斯双星座还是增加北斗卫星导航系统后的三星座,5个观测机场的HPL和VPL均能满足LPV-200进近对完好性指标的要求;但在全球范围内,双星座条件下,ARAIM并不能完全支持LPV-200进近对完好性监视的要求,而三星座则可大大提高ARAIM的可用性,为民航用户提供满足精密进近的所需导航服务性能。     

交互式多模型粒子滤波优化重采样算法

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。     

基于递推更新卡尔曼滤波的磁偶极子目标跟踪

针对磁性目标跟踪问题,以磁偶极子等效场源模型为基础,建立磁性目标跟踪的离散状态空间模型,将磁偶极子目标实时跟踪问题转化为状态空间模型的滤波估值问题。针对磁性目标初始条件难以获得且现有卡尔曼类滤波算法在大初始误差条件下容易出现发散的问题,提出一种递推观测更新的卡尔曼滤波算法,将现有的一步观测更新描述为递推更新过程,等效降低大初始误差带来的大非线性误差。仿真与实测数据测试结果表明,本文算法具有良好的精度和收敛性,能够有效抑制磁偶极子跟踪中由于大初始误差导致的滤波发散,适于实际应用。