基于星载毫米波顺轨-交轨InISAR的空间运动目标三维成像技术研究

研究了低信噪比情况下的星载毫米波顺轨/交轨In\|ISAR空间目标三维成像问题。由于传统的RD成像算法在目标尺寸较大和分辨率要求较高时不能取得较好的成像效果,故将波数域成像算法引入运动目标成像处理以获得高分辨率的二维图像,继而将顺轨/交轨三天线ISAR图像分别进行干涉处理,获得了目标上各散射点的三维位置。作为二维成像、图像配准等重要环节的基础参数,对低信噪比下的目标检测和三维运动参数估计进行了研究,分析了速度估计精度要求。最后,仿真结果表明了顺轨/交轨In-ISAR系统的有效性。     

深空样品密封技术综述

文章首先介绍了美国"阿波罗"计划中月球样品密封所使用的密封结构与材料,以及火星采样返回任务中对样品密封的技术方案和研究情况。然后,针对我国探月工程三期的样品密封要求,分析了多种密封材料和结构,包括铟银合金作为软金属用于刀口挤压的密封结构、自动钎焊密封装置和爆炸焊接密封装置;同时,简单地介绍了目前国内深空样品密封技术研究与试验工作。最后,针对上述密封结构和密封材料,结合我国探月工程的要求,提出了优化研究方向。这些跟踪研究结果可为我国深空样品密封技术的发展提供参考。     

双星TDOA/FDOA定位系统的目标定位精度分析

根据双星时差/频差(TDOA/FDOA)的定位原理,推导了目标定位精度模型,分析了目标定位精度与轨道高度、星间基线长度、TDOA测量精度、FDOA测量精度、卫星速度测量精度、卫星位置测量精度等误差源之间的关系。分析结果表明:测量因素中的FDOA测量精度和卫星速度测量精度,是影响双星定位的关键因素;而TDOA测量精度和卫星位置测量精度,对目标定位精度的影响较小。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。      

空间非合作目标质量特性在轨辨识

提出基于系统动力学方程的空间非合作目标质量特性辨识算法。利用递推最小二乘法辨识空间机器人抓捕非合作目标后系统整体的质量特性,进而根据多体动力学的建模方法,通过几何关系解算得到非合作目标与末端作用器联合体的质量特性参数。仿真分析验证了该辨识算法的有效性。     

天宫一号目标飞行器电源分系统设计

介绍了天宫一号（TG1）目标飞行器电源分系统的组成和主要技术指标。分析了国内在低轨飞行器上采用100V高压母线、大批量使用国产氢镍电池、三结砷化镓太阳电池片和半刚性基板等关键技术。回顾了电源分系统研制过程中高电压元器件体系建立、半刚性帆板力学及空间环境设计与验证、氢镍电池在轨寿命和可靠性研究,以及高压电源系统可靠性及安...     

“天宫一号”目标飞行器检漏工作总述

文章主要描述了“天宫一号”目标飞行器研制过程中与检漏相关的内容,包括检漏项目、检漏方法和检漏结果等。重点介绍了氦质谱吸枪检漏、压力变化检漏和氦质谱非真空累积检漏及多种气体分析等多种检漏方法及其适用范围。“天宫一号”的检漏数据验证了应用以上检漏方法可行且有效。     

基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

应用于深空探测的VLBI技术

分析了河外射电源与空间飞行器甚长基线干涉测量（VLBI）跟踪与资料解析的差异,包括信号波前形式、频谱特征、误差修正方式、解算参数类型和软件实时性需求等。讨论了应用于深空探测的包括宽带、窄带、同波束、多频点、多基线相位参考、连线干涉和局部参考架等多种差分VLBI技术,可作为VLBI技术在我国深空探测应用中技术设计参考。     

一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。