多目标多约束组合体与飞船轨道维持优化

针对天宫二号/神舟十一号任务组合体运行与飞船返回要求,建立了升交点经度、轨道偏心率、指定时刻轨道高度及速度倾角等多目标特征参数的控制方程;根据组合体至飞船撤离准备各阶段的飞行特点,分析了近圆轨道偏心率中长期演化情况以及飞船返回双脉冲控制量随控制时间的变化规律,提出了通过两次组合体与飞船联合规划来满足不同约束的控制策略;根据撤离后飞船、天宫以及伴星的相对运动关系研究了结合规避控制的飞船双脉冲维持优化控制方案。最后依据神舟十一号任务的飞行过程,设计算例验证了该方法的有效性,具有较好的工程应用价值。     

基于高斯混合模型的航迹抗差关联算法

针对雷达系统误差时变、上报目标不完全一致等复杂场景下目标航迹关联问题,采用高斯混合模型（GMM）与航迹间拓扑信息相结合的方法实现航迹抗差关联。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题,建立对非同源航迹具有鲁棒性的高斯混合模型,根据航迹间的邻域拓扑信息决定高斯混合模型中各高斯组成部分的权重,利用期望最大值（EM）算法求解高斯混合模型的最优闭合解,在期望步（E-step）阶段求解航迹的对应关系,在最大化步（M-step）阶段求解非同源航迹比例,最后进行航迹关联判决以获得关联结果。仿真结果表明,该算法在不同系统误差、目标分布密度、探测概率等环境下具有较好有效性和鲁棒性。     

基于平衡核函数聚类的飞行航迹数据分析方法

目前,使用数据挖掘的方法对目标的飞行航迹进行分析来确定航迹类别具有许多应用价值。飞行航迹数据具有维数高、交连多、可分类性能差等特点,要做到尽可能精确的聚类和分类十分困难。文章立足提高飞行航迹数据聚类分析的准确性,在航迹特征数据的预处理阶段,提出了一种平衡核函数的K-均值聚类方法,可以解决高维特征数据带来的奇异性,还能提高交叠样本的聚类性能;设计了一种模糊支持向量机的算法框架实现航迹的分类。通过实际飞行航迹数据集测试了设计框架下航迹聚类和分类识别的有效性,在实际工程上具有广泛的应用前景。     

基于区实序列变换的航迹关联算法

针对时变系统条件下的航迹关联问题,提出一种基于区实序列变换的关联算法。首先,利用线性最优化的方法,将上报航迹的不确定性描述为区间灰色序列;再在区实序列变换的基础上,利用实数序列间的灰关联度加权融合描述不同雷达上报航迹的关联相似度,通过判决给出关联结论。仿真结果显示了算法的有效性以及良好的抗差性能。     

共轨迹卫星星座的优化设计及应用探讨

引入了初始卫星和时差的概念,通过仿真实验和优化设计,给出了一种针对我国区域特性的共地面轨迹中轨卫星(MEO)星座。同时利用该星座所具有的较好二重覆盖特性,提出了综合运用静止卫星(GEO)和MEO星座组成卫星区域导航系统的方案,并通过仿真模拟确认了该方案的可行性。     

机载多传感器数据融合技术在空战中的应用

机载多传感器数据融合是一门新兴的信息处理技术,是继电子战之后又一技术制高点。它应用于空战各个环节,极大地提高了空战态势环境了解能力。本文对机载传感器数据融合的基本概念及其在空战中的应用进行介绍,对我国发展数据融合技术提出了建议。     

波音757客改货主货舱滑轨改装

简要介绍了波音757-200客改货中主货舱滑轨改装的主要工作内容及其在整个客改货的地位,阐述了改装过程中的关键点以及创新点,为之后改装工作所涉及各个专业工作的有序开展奠定了基础。     

依据振动加速度信号绘制航空发动机转子轴心轨迹的方法

在飞机发动机的故障监测及诊断中,轴心轨迹是时域分析的重要内容之一,它可以直观地反映转子瞬时运动状态。但对于振动数据是振动加速度值而非位移数据的情况,由测得振动加速度数据求轴心轨迹,就要先对其进行两次积分得到位移数据。基于最小二乘法的积分波形修正算法,提出对振动加速度数据进行动态递推拟合去除趋势项,得到转子轴心轨迹,这为状态监测及诊断提供了依据。     

单通道SAR实现ATI动目标检测的新方法

研究了采用单通道合成孔径雷达(SAR,Synthetic Aperture Radar)多视沿航迹向干涉(ATI,Along Track Interferometry)实现地面慢速运动目标指示的检测方法.分析了该方法所需的步骤,即利用重叠或不重叠的窗构造子视,对子视分别成像,相位误差校正并求干涉.关于其中起关键作用的相位误差校正步骤,提出了利用信号子空间投影进行相位配准的补偿方法.借助该鲁棒的自适应方法可以从某种程度上解决子图像间的去相关问题,降低相位随机性的影响,从2幅子视图像的干涉相位图上敏锐地检测到运动目标.通过仿真实验,验证了该方法可以有效地从强杂波中检测动目标,为单通道SAR实现地面运动目标指示(GMTI,Ground Moving Target Indication)、扩展已有SAR系统功能提供可靠的途径.      

基于测量数据积累的弱目标检测前跟踪算法

检测前跟踪(TBD)算法是一种有效的弱目标联合检测与跟踪方法。当目标强度参数未知时,基于点目标假设的主流TBD算法通常将其建模为增广目标状态变量,在贝叶斯框架下联合估计目标运动状态与强度信息。本文研究发现强度参数估计精度受限于点扩散函数(PSF)的设置,提出了一种基于测量数据积累的弱目标TBD算法。该方法利用目标的航迹,积累多帧间目标占据分辨单元的测量数据,在实现弱目标的联合检测与跟踪的同时,对目标强度参数完成准确估计,为后续目标分类或识别提供有用的目标强度信息。仿真结果表明:在低信噪比条件下,所提算法的强度参数估计精度和稳健性优于主流TBD算法,并最终收敛于参数完全已知时的最优联合检测与跟踪结果。