一种源包和虚拟信道相结合的AOS调度算法

针对目前高级在轨系统(AOS)应用中遥测调度算法大多没有同时支持源包和虚拟信道2级调度的问题,提出一种基于AOS遥测源包调度和虚拟信道调度相结合的算法,实现同时对源包调度和虚拟信道调度层面的支持。针对源包调度,提出一种基于源包刷新率的动态优先级调度算法,以保证实时数据及时下传。针对虚拟信道调度,提出一种采用最重要(VIP)/同步/异步相结合的3级调度,保证信道的合理分配利用。分别采用源包调度策略、虚拟信道调度策略和文章提出的算法策略,对某航天器下行数据的平均时延进行仿真。仿真结果表明:文章提出算法策略的平均时延,低于源包调度策略和虚拟信道调度策略,比单独采用源包调度或者虚拟信道调度的算法具有更高的复用效率和公平性。     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

平流层飞艇艇身外形研究

为了完成特定的任务,平流层飞艇需要克服风场保持长期定点,因此要求其阻力最小。飞艇总阻力中艇身阻力占60-70%,因此对飞艇而言,针对艇身外形进行研究得到阻力小而且实际可用的外形是非常重要。本文采用势流-边界层耦合方法与混合遗传算法对平流层飞艇艇身的外形进行了优化。外部势流采用在艇身表面分布点源的Hess\|Smith面元法求解,边界层计算采用积分边界层方法,阻力系数采用
Squire\|Young方法计算得到。最优外形通过由遗传算法和Nelder\|Mead单纯形法组成的混合遗传算法优化得到。通过优化分析得到了一种实际可用的优化外形,具有在湍流和层流两种流态下阻力系数都比较小的优点。     

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。      

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

飞行器设计偏差量建模方法研究

对设计变量的偏差量进行建模,拟合偏差量服从的概率密度函数,是分析评价飞行器性能和概率设计的重要基础.针对常用分布拟合能力有限,以及混合Gamma分布无法在整个数轴上对试验数据进行拟合的问题,在论证混合Gauss分布拟合任意概率密度函数合理性的基础上,提出了利用混合Gauss分布对试验数据进行拟合,并运用期望极大化算法(...     

重力测量卫星KBR系统相位中心在轨标定算法

针对低低跟踪(SST-LL)重力测量卫星K频段测距(KBR)系统相位中心在轨标定问题,提出了一种应用预测卡尔曼滤波算法的KBR系统在轨标定算法。首先,以磁力矩器和姿态控制喷气发动机为执行部件,对一颗卫星施加一定的组合力矩,使其绕另一颗卫星进行周期性姿态机动;然后,将星敏感器数据代入预测卡尔曼滤波算法中估计出卫星姿态;最后,根据KBR系统观测值与卫星姿态角之间的关系,利用扩展卡尔曼滤波算法估计出KBR系统相位中心的位置。数值仿真结果表明:KBR系统相位中心可以被实时估计,当存在较大的卫星姿态动力学模型误差时,KBR系统相位中心的标定误差仍在0.3mrad以内,证明此算法估计精度较高且鲁棒性强。     

基于积分多普勒平滑伪距的导航算法研究

载体处于高动态机动、障碍遮挡、信号干扰和多路径等复杂环境时,GNSS接收机跟踪环路易发生信号失锁和相位失调,导致载波相位观测值发生较大变化,采用载波相位平滑伪距将严重影响导航精度。为改善GNSS接收机导航性能,对电离层效应及延时校正模型进行了研究,基于α-β滤波算法提出了基于积分多普勒平滑伪距的导航算法。实验结果表明:采用该算法在静态、动态条件下定位精度优于5m,测速精度优于0.05m/s,可显著提高GNSS接收机的导航精度。