基于时差频差角度的低轨双星动目标融合跟踪方法

针对低轨双星时差频差定位系统在对运动目标定位中忽略其运动速度会引起较大的定位偏差以及定位跟踪的初值选取等问题,提出了一种对运动目标的双星时差频差信息融合主星的二维到达角（AOA）信息的融合无源跟踪新方法。首先建立测量模型和等高程目标运动状态模型,在此基础上采用扩展卡尔曼滤波（EKF）方法对运动目标进行跟踪定位。仿真分析表明,该方法可达到克拉美‐罗下限（CRLB ）,且收敛后对目标的速度和航向估计有较大的提高。     

基于改进RPG方法的MUAVs协同目标跟踪

多无人机(MUAVs)协同Standoff目标跟踪制导律由保持距离的横侧向制导律和保持相对相位角的纵向制导律组成。无人机(UAV)进行Standoff目标跟踪的横侧向制导律采用参考点制导(RPG)方法。针对UAV在基于RPG方法的制导律下存在参考视线与相对速度方向夹角需要保持为锐角、转弯速率在UAV运动方向远离目标情况下太小的不足,提出了改进RPG方法。设计了基于改进RPG方法的MUAVs协同Standoff目标跟踪横侧向制导律和纵向制导律,分析了制导律的稳定性和收敛性,并验证了改进方法的可行性。采用原始RPG方法和改进RPG方法对UAV分别跟踪静止目标和跟踪运动目标进行仿真的结果表明,UAV处于任意初始位置及飞行方向都能快速进入到期望飞行轨迹,应用改进RPG方法可使UAV围绕目标顺时针飞行或者逆时针飞行,验证了改进RPG方法比原始RPG方法的效率更高。     

协同交互情境下双视图耦合的多用户身份识别

针对目前协同交互情境下,因遮挡和接触等因素引发的多人协作身份识别错误问题,提出一种双视图耦合的多用户身份识别方法.借助深度相机,分别通过骨骼运动跟踪和卡尔曼滤波建立双视图运动跟踪.利用双视图的用户运动跟踪数据构建相互关联的耦合有限状态机,对耦合关系中的具体运动状态进行分析,建立规则算法;引入实时正误标记值进行多用户身份识别的实时监控与耦合矫正.所提方法与基于单视图的多用户身份识别方法进行对比实验,结果表明,在协同交互情境下所提方法对多用户身份识别更具有鲁棒性.      

多基线组合求解深空航天器载波相位模糊方法

针对深空航天器高精度定位需求,提出多基线组合求解载波相位模糊方法,获得比群时延更精确的相时延,极大地提高无线电干涉测量精度。首先建立多基线组合求解载波相位模糊的数学模型,推导该方法对长短基线组合的约束条件。然后利用美国甚长基线阵(VLBA)对本文方法进行仿真校验,结果表明航天器定位精度可以达到纳弧度量级。最后结合我国已有干涉测量网,分析在我国未来深空探测任务中采用多基线组合测量载波相时延的可行性,给出满足方法约束的站址选择建议,可为我国深空导航无线电干涉测量技术的发展和深空测控网的完善提供参考。     

基于间接Radau伪谱法的滑翔段轨迹跟踪制导律

针对高超声速飞行器滑翔段制导问题,提出一种利用间接Radau伪谱法求解最优反馈控制律的全状态标称轨迹跟踪制导律。将标称轨迹跟踪问题转化为线性时变系统状态调节器问题,基于Pontryagin极大值原理进一步将状态调节器问题转化为线性两点边值问题;利用间接Radau伪谱法求解所得的线性两点边值问题,获得最优反馈控制律,并在此基础上设计了易于在线执行的闭环轨迹跟踪制导律。数值仿真结果表明,该制导律对飞行器初始状态量的较大范围偏差和飞行环境参数的有限扰动不敏感,具有良好的鲁棒性,并且能够满足实时性的需求。     

临近空间高超声速助推-滑翔式轨迹目标跟踪

针对临近空间高超声速、助推-滑翔式轨迹目标跟踪的问题,提出一种经度-纬度-高度坐标系（Longitude-Latitude-Altitude, LLA）下基于目标轨迹特性分析的三维投影跟踪算法。首先,针对临近空间目标在经纬方向上的线性高超声速运动和高度方向上高机动频率运动的不同,将目标量测分别投影到经纬平面和高度方向上,并通过分段跟踪处理,以减小耦合误差对目标跟踪精度的影响;接着,在对目标高超声速特性充分分析的基础上,利用经纬方向上的点迹归并和凝聚处理,以有效解决目标高超声速运动所引起的分裂问题;然后,在对目标高度IMM跟踪的基础上,通过对加速度突变的合理检测和补偿,以进一步实现目标在高度方向上高机动频率运动的可靠跟踪;最后,结合统计学原理,将目标在同一时刻不同跟踪段中的状态估计相关联,以有效实现临近空间高超声速、助推-滑翔式轨迹目标的精确跟踪。仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度。     

基于状态重构的吸气式高超声速飞行器鲁棒反演控制

针对吸气式高超声速飞行器参数不确定弹性体模型,仅考虑速度、高度和俯仰角速度可测的情况,提出了一种基于状态重构的鲁棒反演控制器设计方法。首先,将被控对象模型表示为严格反馈形式,分别采用动态逆和反演设计实际控制律和虚拟控制律;其次,引入反正切跟踪微分器来简化虚拟控制律求导运算,并用于对弹道角和攻角进行状态重构;最后,为了保证反演控制器的鲁棒性,基于非线性-线性跟踪微分器,设计了一种新型非线性干扰观测器,可实现对模型不确定项的精确估计和补偿。仿真结果表明,所提策略取得了较高的状态重构精度,控制器能够克服模型不确定项的影响,且能保证速度和高度对参考输入的稳定跟踪。     

机载雷达目标跟踪与航迹信息提取

针对机动目标跟踪中航迹信息提取精度不高的问题,提出一种ECEF坐标系下基于交互多模型的多机协同跟踪算法。首先,各载机以ECEF坐标系为融合中心对目标量测进行无偏转换处理,以有效减小量测转换误差对目标跟踪的影响;然后,利用交互多模型的方法对目标进行融合跟踪,以进一步提高目标机动时的跟踪精度;最后,通过二次滤波的方法,来有效实现目标航迹信息的精确提取。仿真结果表明,该算法可较好地提高目标机动时的跟踪精度和航迹信息提取精度。     

Study of the radiation fields in LEO with the Space Application of Timepix Radiation Monitor (SATRAM)

We present the analysis of data taken by the Space Application of Timepix Radiation Monitor (SATRAM). It is centred on a Timepix detector (300?$\mathrm{\mu }$m thick silicon sensor, pixel pitch 55?$\mathrm{\mu }$m, 256?×?256 pixels). It was flown on Proba-V, an Earth observing satellite of the European Space Agency (ESA) from an altitude of 820?km on a sun-synchronous orbit, launched on May 7, 2013. A Monte Carlo simulation was conducted to determine the detector response to electrons (0.5–7?MeV) and protons (10–400?MeV) in an omnidirectional field taking into account the shielding of the detector housing and the satellite. With the help of the simulation, a strategy was developed to separate electrons, protons and ions in the data. The measured dose rate and stopping power distribution are presented as well as SATRAM’s capability to measure some of the stronger events in Earth’s magnetosphere. The stopping power, the cluster height and the shape of the particle tracks in the sensor were used to separate electrons, protons and ions. The results are presented as well. Finally, the pitch angles for a short period of time were extracted from the data and corrected with the angular response determined by the simulation.     

基于目标性权值度量的多示例学习目标跟踪

针对多示例学习(MIL)跟踪算法在包概率计算过程中对示例样本不加以区分导致分类器性能下降,及采用最大化似然函数选择相应的弱分类构造强分类增加了算法复杂度的问题,提出了一种基于目标性权值学习的多示例目标跟踪算法,该算法利用目标性测量每个示例样本对包概率的重要性,根据其目标性测量结果对每个正示例样本赋予相应的权值,从而判别性地计算包概率,提高跟踪精度。同时在弱分类器选择过程中,采用最大化弱分类器与似然函数概率内积的方法从弱分类器池中选择弱分器构造强分类器,减少算法的计算复杂度。通过对不同复杂场景下视频序列的跟踪,实验结果表明,本文所提出的目标性权值学习的多示例目标跟踪算法优于其对比算法,表现出较好的跟踪精度和鲁棒性能。