阵列模型误差条件下稳健的DOA估计算法

为改善阵列误差时高分辨到达方向(DOA)估计算法的性能,引入精确校正的辅助阵元,应用子空间原理,提出了一种均匀线阵存在阵列误差条件下鲁棒DOA估计及方位依赖的幅相误差矩阵和互耦矩阵的估计算法。算法的方位估计无需任何阵列误差信息,估计精度高、分辨力强,且基于信源方位的精确估计,算法还可精确估计方位依赖的幅相误差矩阵和互耦矩阵,实现阵列误差的自校正。算法的运算量较小,无需高维非线性优化搜索,只需一维搜索。仿真结果证明了算法的正确性和有效性。     

基于开关算法的欠驱动刚体航天器姿态控制

针对执行机构只能产生两轴控制力矩的刚体航天器的姿态控制,根据欠驱动轴是否为惯性对称轴,利用开关算法和退步控制技术设计了实现欠驱动航天器姿态渐近稳定的控制律。先根据姿态动力学模型,通过3次姿态机动实现姿态角速度的稳定,再根据姿态运动学模型,在姿态角速度稳定的基础上,通过5次姿态机动实现姿态角的稳定。理论分析和数值仿真结果验证了该控制策略的有效性,可实现欠驱动刚体航天器姿态控制的目标。     

一种新的导航星选取算法研究

在导航星表的建立过程中，由于恒星的数量太多，往往要进行筛选，通常这种选择复杂费时，而结果往往并不是最优的。本文引入了动态星等阈值分布函数，将传统星等阈值过滤算法中的静态阈值用动态星等阈值代替，建立了一种新的动态星等阈值过滤选择模式。而基于统计学习理论的支持向量机方法为求解高维非线性动态星等阈值分布函数提供了新的途径。本文讨论了这种基于支持向量机的导航星自动选择算法——回归选取算法。实验表明，用该算法所选取的导航星表，导航星数量少、分布均匀性好。同时它还能适应多种任务的导航星选取要求，具有很强的通用性。     

基于帧间角距匹配的跟踪模式星图识别

为了提高星敏感器的跟踪匹配速率,提高星敏感器姿态更新率,本文提出了一种基于帧间角距匹配的跟踪模式星图识别方法.该方法充分利用上一时刻的角距匹配信息构建了一个实时跟踪星库,并把当前时刻的角距信息在实时跟踪星库中进行匹配识别,识别成功后利用识别时用到的信息对实时跟踪星库进行更新.仿真实验表明,该方法具有匹配时间短、匹配成功率高的优点.     

基于二维表的频繁集组合方法

挖掘关联规则时,频度集的计算是一个关键问题。现有算法大多从apriori,fp-growth算法演化而来,这些方法都存在有组合爆炸问题:apriori算法是候选模式造成的,而fp-growth算法是条件模式基造成的。因此,对于具有稠密数据的事务数据库现有的方法无法完成频度集的计算,即使是现有最好的fp-growth算法。将给出一种基于迭代思想的频度集计算方法,既不用频繁扫描数据又不用组合计算,实验表明此方法是十分有效的频度集计算方法。     

FMCW体制毫米波SAR实时信号处理方法研究

与脉冲体制合成孔径雷达(SAR)相比,调频连续波(FMCW)体制SAR具有体积小、重量轻、分辨率高、功耗低和低截获等一系列优点,目前小型或微小型SAR普遍采用FMCW工作体制。FMCW SAR在整个脉冲重复周期内都发射信号,其信号占空比达到了100%,为了减小数字接收机采样带宽,降低数据率,FMCW体制毫米波SAR一般采取解线频调接收的方式,但其数据量依然很大,而且机载平台受到气流的影响,运动误差很大,需要迭代估计与补偿,给实时处理模块带来了很大压力。为了提高整个机载FMCW SAR系统的信号实时处理性能,需要在算法层面进行改进。提出了一种两次子孔径误差估计和全孔径误差拼接补偿的FMCW SAR实时成像算法,使用相位梯度自聚焦(PGA)算法和图像偏置(MD)算法级联提取子孔径误差;然后进行子孔径误差拼接成全孔径误差补偿原数据,两维脉冲压缩后完成图像聚焦,提高了FMCW体制毫米波SAR成像算法的效率;最后使用机载Ka波段FMCW SAR实测数据,验证了该算法的有效性。     

一种应用于地形匹配雷达高度表中的回波跟踪与测高算法

脉冲雷达高度表内嵌的跟踪与测高算法在很大程度上决定了地形匹配系统的总体性能。普通的OCOG算法和其它基于回波前沿半功率点的跟踪算法都无法满足地形匹配的要求。因此，对OCOG算法加以改进，形成M-OCOG算法，并基于复杂地形回波的特性，分析M-OCOG算法在回波跟踪能力和测高性能方面的优越性，通过两种定量分析方法分析其地形匹配效果，说明了将其应用于地形匹配雷达高度表的可行性。     

基于星载平台的SAR实时成像处理实现方法

针对高分辨率星载SAR星上实时成像处理的工程化技术问题,提出了一种优化的实现方法。通过对成像算法流程的优化设计和计算公式的重新推导,实现了高效率的相位补偿因子计算。在此基础上,提出了一种分析和优化计算精度的方法,在保证效率的前提下提高了相位计算精度。在某型实时信号处理样机上,基于改进CS算法,实现了5米分辨率的星载SAR实时成像处理,对16384×16384原始数据的处理时间优于28秒,图像质量满足技术指标要求。     

基于活动预测和能耗均衡的WSN路由算法

无线传感网络（WSN,Wireless Sensor Network）中节点触发与数据传输往往会呈现出某种活动模式,基于活动模式特性提出了基于活动的节点分簇算法（AACP,Activity-Aware Clustering Protocol）,将网络中的传感器 节点分成多个活动簇,并通过对节点的历史触发数据进行分析,结合分簇结果对当前发生的活动进行预测.基于活动预测结果,综合能耗均衡、节点剩余能量、传输能耗等影响因素,提出了基于活动预测和能耗均衡的WSN路由算法（AEBRP,Activity-aware and Energy Balanced Routing Protocol）.仿真实验中与低功耗自适应集簇分层型协议（LEACH,Low Energy Adaptive Clustering Hierarchy）、基于跟踪的动态节点分簇算法（HCMTT,Hybrid Clustering for Multitarget Tracking in wireless sensor networks）和传感器信息系统中的高能效采集算法（PEGASIS,Power Efficient Gathering in Sensor Information System）进行比较,验证了AEBRP算法在维持网络能耗均衡、延长网络生命周期方面具有明显优势.