卫星编队对空间非合作目标测距相对导航精度分析

针对单颗卫星对空间非合作目标测距不能估计全部相对运动状态的问题,提出利用编队中多颗卫星同时测距相对导航。建立了相对运动状态估计的系统模型;推导了系统可观测矩阵;通过计算系统可观测度和采用无迹卡尔曼滤波（UKF）对目标相对运动状态进行估计,研究了观测矢量方向和数量与相对导航精度的关系。结果表明双星测距能估计全部相对运动状态,观测矢量夹角越大,相对导航精度越高,在编队尺寸远小于目标距离的前提下,多于两颗的卫星测距并不能明显提高相对导航精度。     

基于EMD与切片双谱的轴承故障诊断方法

针对轴承故障诊断问题,提出一种基于经验模态分解(EMD,Empirical Mode Decomposition)与切片双谱分析相结合的新方法.将原始信号分解成不同尺度的固有模态函数(IMF,Intrinsic Mode Function),求取IMF分量的包络,计算其对角切片双谱,提取由于二次相位耦合产生的非线性特征,得到轴承的故障特征频率.通过对仿真信号进行分析,表明该方法克服了传统的基于EMD的包络功率谱方法不能抑制噪声的缺点,同时较传统高阶谱方法计算量更小.给出了6205-2RS JEM SKF轴承诊断实例,说明了该方法的可用性.     

基于Hadamard方差的导航星座自主时间同步算法研究

文章在总结国内外研究成果基础上,针对GPS铷钟虽然短期稳定性较好,但采用Allan方差描述铷钟频率稳定性时,其钟差状态方程仅为两参数,在较长平滑时间里存在时钟漂移和甚低频噪声的影响,使噪声特性淹没或估值不收敛的缺陷,引入Hadamard方差建立了三参数系统状态误差模型,通过三次采样方差从模型上解决了线形漂移和甚低频噪声的影响问题。在时钟系统状态模型和星间双向测量方程建模基础上,给出了工程实用的标准Kalman基本滤波方程。数值分析仿真表明,采用Hadamard方差描述时钟频率稳定性显著提高星载时钟自主同步精度,从而克服了Allan方差描述产生的频率漂移影响较大和甚低频噪声不收敛的问题。     

无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题,提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上,建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取,随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后,在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明,相比于传统的融合算法,提出的融合算法有很好的准确性和鲁棒性,为无人平台地形探测提供了有效的策略。     

Kalman滤波技术在磁航向和捷联惯性组合系统初始对准中的应用

研究了磁航向和捷形惯性组合系统初始对准的设计方法。该方法能在初始对准过程中用卡尔曼滤波器估计出陀螺仪的随机常值漂移，从而提高了系统的对准精度。文中给出了系统的状态方程和测量方程，建立了完全闭环控制的卡尔曼滤波器，最后给出了二组不同条件下的模拟结果。     

基于GPS的陆地车辆跟踪与监视系统(英文)

介绍了建立在差分GPS和航位推算(DR)组合基础上的低成本陆地车辆跟踪与监视系统.从低成本角度出发,文中提出了采用单方向通讯数据链的新方案。为了保证定位精度,给出了差分GPS算法,并且详细研究了一个8状态的Kalman滤波器.最后使用两台C/A码GPS接收 机进行野外跑车试验.结果表明,差分定位精度小于5m.     

卷帘行存储下的一种并行Cholesky分解及其在PAR95上的实现

Ｃｈｏｌｅｓｋｙ 分解在科学与工程计算中占有重要的地位,串行的 Ｃｈｏｌｅｓｋｙ 分解已有成熟的方法,但并行的 Ｃｈｏｌｅｓｋｙ 分解方法要充分考虑机器体系的结构,在拥有共享内存的 Ｍ Ｉ Ｍ Ｄ 型多处理机、 Ｓ Ｉ Ｍ Ｄ 型向量机系统上前人已有较好的工作,本文给出适用于 Ｍ Ｐ Ｐ 大规模并行计算机的卷帘行存储行格式的并行 Ｃｈｏｌｅｓｋｙ 分解算法,该算法使用了优先计算优先发送的策略,减少了结点机之间相互等待的时间,建立了结点机之间用于通讯的通讯数组,避免了使用撒播这一通讯模式,减少了通讯时间,通过在 Ｐ Ａ Ｒ９５ 上的数值试验表明,随着问题规模的扩大,并行效率越来越高,并且该法容易推广到多行卷帘存储的形式。     

基于改进HHT的非高斯噪声中瞬态通信信号检测

根据瞬态通信信号和非高斯噪声的特点,建立了相应的信号模型,并利用希尔伯特-黄变换（HHT）处理非线性非平稳信号的优势,提出了基于改进HHT的非高斯噪声中瞬态通信信号的检测算法。该检测算法分为集合经验模式分解（EEMD）和固有模态函数（IMF）分量筛选两部分,首先经过加入随机白噪声多次试验取均值得到待检测信号的IMF分量,再结合各个分量与原信号的能量差异和相关性剔除虚假IMF分量,从而实现对混叠在非高斯噪声中的瞬态通信信号的有效检测。仿真在不同的条件下对比了本文算法与其他算法对信号的检测效果,结果证明本文算法能够有效克服HHT中存在的缺陷,实现对瞬态信号更为准确的分析和检测。     

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。