绝对同相支路输出的GNSS欺骗检测

针对功率随时间变化,载波同步欺骗场景下,传统检测算法的欺骗检测性能不理想的问题,提出了一种基于绝对同相支路输出求和(SAIBO)的欺骗检测算法,为改善欺骗检测性能,进一步提出了SAIBO滑动平均(SAIBO-MA)算法。SAIBO-MA算法的构建过程使用接收机跟踪环的同相支路的输出结果取绝对值后求和形成SAIBO检测量,再做滑动平均处理后得到SAIBO-MA检测量。实验使用德克萨斯大学奥斯汀分校的德州欺骗测试电池(TEXBAT)的场景7(DS7)为数据集,比较并分析所提算法与传统算法的检测概率、欺骗判决数目和稳健性等欺骗检测性能。实验结果表明,SAIBO-MA具有更高的检测概率和检测精度、更好的即时性和稳健性以及更宽的检测范围。提出的SAIBO-MA算法克服了传统算法的缺点,具有更优的欺骗检测性能。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

一种改进的GM-C-CPHD空间多目标跟踪算法

随着空间目标的数目急剧上升,提高空间多目标跟踪精度成为必然要求,但空间多目标跟踪存在轨道动力学模型不完善的问题。针对该问题,提出一种改进的高斯混合势概率假设密度滤波(GM-C-CPHD)算法。通过在轨道动力学模型中考虑一个不确定性模型参数,即面质比参数(AMR),基于协方差传递面质比参数对位置、速度状态估计的影响,提高空间目标跟踪精度。仿真分析表明:相对于GM-CPHD滤波器,目标数量的跟踪和状态估计性能均有所提高,具有良好的应用前景。     

基于模糊集值统计的输出跟踪控制器设计

提出基于模糊集值统计下修改模糊推理模型的控制规则库方法。对于具有不确定因素的非线性系统,当外界条件和系统内部结构参数变化时,根据系统的输入输出数据对,首先建立控制规则库的估计函数,引入相似度概念,在线修改隶属函数,使实际输出跟踪期望值的变化。通过仿真验证表明,该方法对于非线性、不确定性复杂系统可以获得满意的跟踪控制效果。     

短基线动态相对定位中GPS单历元解算整周模糊度方法

针对短基线动态相对定位中快速解算整周模糊度的难题,提出了一种新的方法——GPS单历元解算整周模糊度。文中对相关的观测方程、载波相位的观测精度、真假解的识别等问题进行了详细讨论。试验证明,该方法正确、可靠,解决了快速解算整周模糊度这个难题,克服了传统方法需要进行静态初始化等问题。将该方法应用在车辆、舰船等移动载体上,可以实现真正意义上的实时动态相对定位,具有重要的应用价值。     

基于目标威胁度计算的相控阵快速确认跟踪模式

机载相控阵雷达在探测远程、低空、高速目标时具有较大潜力。本文对机扫加相扫雷达环境下,如何充分发挥相控阵优势,提高机载雷达跟踪远程低空高速目标性能展开研究,在传统边扫边跟(Track while scan,TWS)技术基础上,给出了一种基于目标威胁度的快速确认跟踪模式。该模式采用有效的相控扫描策略,充分利用其波束捷变能力,通过相控回扫,一方面快速起始航迹,增加高威胁目标的跟踪距离;另一方面适当增加探测数据率,提高对远距高威胁目标的跟踪性能。仿真试验表明,新跟踪方法不但可以较好克服目标雷达散射截面积(Radarcross section,RCS)起伏影响,较快地起始和跟踪目标航迹,而且保留了TWS方法覆盖空域广的优点。     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

面向"CE-3号"软着陆过程的深空网干涉测量技术

针对"CE-3号"探测器软着陆过程中弹道位置测定的问题,利用中国深空网干涉测量测轨数据,论述并验证了应用深空网干涉测量技术支持探月卫星软着陆过程中弹道位置测定的可行性。针对提取同一时刻观测量的两个核心技术,论述了自适应模型重构算法以及干涉相位解模糊算法,克服了软着陆过程航天器机动不确定性恶化轨道预报精度,进而引起相关引导模型失效的问题;利用跟踪过程中目标干涉相位连续特性递推实现干涉相位解模糊。实测数据的处理分析表明,深空网干涉测量数据处理分析精度在0.3ns量级,对应于约30nrad的角位置精度。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。