Receiver-channel based adaptive blind equalization approach for GPS dynamic multipath mitigation

Aiming at mitigating multipath effect in dynamic global positioning system (GPS) satellite navigation applications, an approach based on channel blind equalization and real-time recursive least square (RLS) algorithm is proposed, which is an application of the wireless communication channel equalization theory to GPS receiver tracking loops. The blind equalization mechanism builds upon the detection of the correlation distortion due to multipath channels; therefore an increase in the number of correlator channels is required compared with conventional GPS receivers. An adaptive estimator based on the real-time RLS algorithm is designed for dynamic estimation of multipath channel response. Then, the code and carrier phase receiver tracking errors are compensated by removing the estimated multipath components from the correlators’ outputs. To demonstrate the capabilities of the proposed approach, this technique is integrated into a GPS software receiver connected to a navigation satellite signal simulator, thus simulations under controlled dynamic multipath scenarios can be carried out. Simulation results show that in a dynamic and fairly severe multipath environment, the proposed approach achieves simultaneously instantaneous accurate multipath channel estimation and significant multipath tracking errors reduction in both code delay and carrier phase.     

基于连接点的机载双天线InSAR系统相位偏置估计算法

针对在茂密森林或沙漠地区部署地面控制点(GCP)对其进行测量非常困难的问题,提出了一种基于连接点的机载双天线InSAR系统相位偏置估计新算法。基于InSAR原理建立地面高程反演的几何表达式,并根据重叠区域里的连接点高程在两次干涉测高过程中不变的特性建立相位偏置间的线性关系,在用最小二乘法求解相位偏置时,通过对不同的连接点进行加权,使估计出的相位偏置更加准确。对X波段机载双天线InSAR系统获得的实际数据进行处理,结果表明:与传统的算法相比,该算法无需GCP,具有更低的成本和更高的效率,且产生的数字高程模型(DEM)具有相似的精度。     

一种改进RLS算法及其在SINS快速对准中的应用

在传统递推最小二乘算法(RLS)中,人为设置的递推初始值将导致状态估计的有偏性,也就丧失了最优性,当量测数据次数较小时尤为严重。摒弃了传统RLS算法"新估计值=旧估计值+修正值"的递推结构,提出了借助中间量进行递推,再由中间量直接作状态估计的改进算法。改进RLS算法状态估计结果与批处理LS算法完全一致,且无需初始状态的任何信息。将改进RLS算法应用于捷联惯导系统(SINS)初始对准。对于一定的初始对准精度要求,理论上改进RLS算法所需的初始对准时间是最短的。最后,SINS初始对准数值仿真结果验证了所提算法的正确性。     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

基于单星定位的火星着陆器初定位方法研究

针对火星探测中着陆器的初定位问题,提出了一种利用单个轨道环绕器为着陆器进行无线电定位的计算方法。首先根据投影法求解着陆器的位置初值,再使用最小二乘法,利用一段时间内的轨道器的位置及其与着陆器的距离数据,求解着陆器的经纬度。通过与卫星工具包(Satellite Tool Kit,STK)软件的计算结果比较,表明此方法是有效的。     

基于递推傅里叶变换的飞行器参数在线辨识方法

在线辨识在现代飞行控制系统设计中扮演越来越重要的角色,飞行器模型的在线更新使得人们可以采用更智能的控制方法。基于计算精度和速度的考虑,在线辨识方法通常以递推方式进行,主要分为时域和频域两大类方法。在建立飞行器系统模型结构的基础上,利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识。针对某飞机纵向通道的在线辨识仿真验证该方法有效,且计算速度和收敛速度快,辨识结果与参数真实值之间的一致性好,方法对传感器噪声有较强的适应性。最后,分析比较了各种典型激励信号对辨识结果的影响,为进行实际在线辨识试验提供了参考依据。     

多无人机辅助定位信标的区域导航定位算法

针对卫星导航系统在受到干扰不可用的情况,研究了多无人机（UAV）辅助的区域导航定位算法。以无人机作为空基信号播发平台,向地面用户广播其位置信息及同步时钟信号,地面用户通过接收无人机位置及与无人机的距离计算出其实时位置。以地面战车为例,为解决伪距单点定位算法中的矩阵不可逆问题,消除地面用户接收机的钟差,基于列文伯格-马夸尔特（LM）算法,提出一种地面用户的定位解算模型,同时,为提高一般最小二乘算法的计算精度,提出了两步最小二乘定位算法。在分析2种算法静态定位精度的基础上,设计了基于车载惯性传感器和无人机辅助定位信息的组合导航实现算法,实现了对战车的连续定位。仿真结果表明,在GNSS拒止环境下,利用无人机播发的定位信标信号并结合地面用户战车自带的惯性导航系统,可以实现对地面用户的可靠连续定位,满足一定区域范围内用户的导航定位需求。     

含钉孔有限大板应力集中系数解法—解析最小二乘法

在研究孔边应力集中系数的问题中，利用了复变函数方法，设预先满足所有的基本方程的待定复函数，再利用最小二乘法使其满足边界条件，从而解出孔边应力集中系数。     

一种导航精度的综合评估表示方法

为了评估表示导航系统精度, 提出一种基于雷达图的综合评估表示方法, 包括速度、位置、姿态精度的评估表示。雷达图具有可视化的优点, 便于进行优劣分 析、综合评价,因此可以直观地将导航系统的精度表达出来。以捷联惯导系统和全球卫 星定位系统的组合导航系统精度对比分析为例进行研究,采用雷达图的方式取得了较好 的对比分析效果。将雷达图应用在组合导航系统的精度评估中,可简明直观地考核其精 度和性能,这为导航系统精度评估表示提供了一种有效的手段。     

世界时与地球时转换经验公式的改进与比较

针对世界时与地球时的差值ΔT问题,提出了新的拟合多项式。基于美国海军天文台发布的1657年~2020年间的ΔT数据,以及IERS(International Earth Rotation and reference systems Service,国际地球自转和参考系服务组织)公报中公布的LS(Leap Seconds,跳秒)数据,在美国NASA(National Aeronautics and Space Administration,国家航空航天局)经验公式的基础上进行了改进,分别用3次、4次、5次、6次多项式进行拟合。然后,基于最小二乘法得到一组多项式经验公式,可适用于公元纪年、儒略日、简约儒略日以及从J2000.0起算的儒略世纪数等4种时间格式。通过精度计算表明,该组经验公式计算结果与USNO(United States Navy Observatory,美国海军天文台)基准序列的残差不超过±1.29s,与IERS基准序列的残差不超过±0.16s,整体优于NASA经验公式的计算精度。同时还给出了得到更高精度经验公式的拟合方法。