模型参数扰动下的火星大气进入鲁棒状态估计方法

针对火星大气进入段模型参数扰动及动力学系统的强非线性影响导航系统状态精确估计问题,提出了一种模型参数扰动下的鲁棒插值滤波（DDF）方法。该方法在传统插值滤波方法代价函数的基础上,通过把扰动参数对状态估计精度影响的度量矩阵乘积的迹增广到代价函数,推导了具有解析滤波增益形式的鲁棒插值滤波方法。同时,通过实时计算进入过程中导航系统的非线性,基于系统非线性度给出了鲁棒插值滤波方法阶次自适应选取准则。只在系统强非线性阶段采用高阶鲁棒插值滤波方法,既保证状态估计精度,同时满足导航系统实时性需求。仿真结果表明,提出的鲁棒插值滤波方法比传统的一阶插值滤波方法估计精度更高,能达到二阶鲁棒插值滤波方法的估计精度,比整个进入过程采用二阶鲁棒插值滤波方法具有更高的解算效率。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题,提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法,该算法以混合建议分布为框架,由两个基本建议分布组成。其中一个基本建议分布为先验分布,另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近,因此有着高效性、高精度等特点。仿真结果表明,对于弹道再入目标轨迹跟踪模型,相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法,HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时,所提出算法的性能增益更为显著。     

SINS任意失准角无奇异快速传递对准

针对战术级捷联惯导系统(SINS)任意失准角下的快速传递对准,提出一种直接姿态矩阵线性矩阵卡尔曼滤波的传递对准算法。首先,利用姿态矩阵描述姿态,将传统大、小失准角条件下的强非线性、线性滤波对准问题统一转化为一个线性滤波问题;然后,采用矩阵形式卡尔曼滤波对状态进行估计,得到一种线性矩阵滤波对准算法,可以在任意失准角、无初值条件下完成对准;最后,推导姿态矩阵正交约束条件下滤波算法的最优实现。仿真结果表明,算法适用于任意失准角下的传递对准,在摇摆运动下,可以在10 s内完成快速传递对准,水平精度达到0.02°(误差均方根)以内,航向精度达到0.03°(误差均方根)以内。     

一种星间相对状态估计方法

编队自主导航是实现分布式遥感系统星间协同观测的基础。为实现分布式遥感系统星间相对状态的精确确定,提出一种基于MEMS激光雷达与纳型星罗盘的星间相对状态估计方法。借助相对姿态、轨道运动学方程建立了星间相对状态的无迹卡尔曼滤波(UKF)算法,解决了MEMS激光雷达测量与参考航天器姿态耦合的问题,并利用预定入轨参数及高精度轨道外推(HPOP)对方法进行仿真校验。结果表明,该方法具有可行性和实用性,估计精度满足分布式遥感任务需求,能够较好解决中远距离星间相对状态估计问题。     

多变量线性系统的特征模型及控制方法

对多输入 -多输出高阶线性定常系统从理论上详细推导出了其特征模型 ,并给出了基于特征模型的自适应模糊广义预测控制方案。所建立的特征模型为智能控制器设计和一些高阶对象的低阶控制器设计提供了理论依据 ,特别是为大型空间挠性航天器的控制提供了一种有效的途径。通过对一个航天器控制的仿真研究验证了所给方法的有效性     

临近空间非弹道式目标HTV-2跟踪滤波与预报问题

近年来各国均开始重视临近空间高超声速飞行器的发展,其中以X-51A和HTV-2高超声速飞行器飞行试验相继成功为代表。本文概述了目前高超声速飞行器跟踪滤波与预报领域存在的难点问题,然后对坐标系进行了定义,并设计了HTV-2(Hypersonic Technology Vehicle-2)质心运动方程及跟踪滤波器,介绍了HTV-2弹道预估原理,最后使用卡尔曼滤波方法进行了仿真计算,并对相关参数的选取进行了分析。仿真结果得出使用卡尔曼滤波算法跟踪滤波效果较好,对工程应用有一定的借鉴意义。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

星载复杂组件随机振动试验载荷设计方法改进

针对现有的复杂组件随机振动试验载荷设计方法在某些加载方向常给出远大于实际数值的载荷预示,而难以满足组件研制单位的载荷裁剪需求的问题,文章提出了一种改进的载荷设计方法,将随机激励功率谱密度描述为关于组件质量的系数含待定参数的分式函数,并利用总均方根加速度实测值确定待定参数。对比了改进方法与两种现有方法对典型组件随机振动载荷的预示精度。结果表明,改进方法可以显著降低预示误差,从而为星载复杂组件结构与机构优化设计提供合理的约束条件。     

HCKF性能评估及其在传递对准中的应用

针对高阶容积卡尔曼滤波(HCKF)算法在传递对准中的应用问题,提出综合运用多变量函数泰勒级数展开和计算复杂度分析的性能评估方法。基于高阶球面-径向容积准则建立HCKF算法模型,并对其估计精度和计算量进行量化和对比分析：HCKF具有5阶泰勒级数展开精度且计算复杂度为O(n 4),综合性能优于高斯厄米特积分滤波(GHQF)和无迹卡尔曼滤波(UKF)。将三种非线性滤波算法应用到舰机大失准角传递对准系统中,摇摆台试验结果表明：HCKF的估计精度比UKF高17%,计算量比GHQF小2个数量级,与HCKF性能评估结果一致。