基于渐消卡尔曼滤波器的定位系统设计

针对无人机捷联式惯性导航系统(Strap-down inertial navigation system,SINS)定位精度低、全球卫星定位系统(Global position system,GPS)定位的非自主性,建立了一种无人机SINS/GPS定位信息融合系统。采用渐消Kalman滤波技术,有效防止了SINS/GPS组合导航系统的滤波发散。采用自适应运算法则,从理论上证明了渐消卡尔曼滤波器的稳定性,得到了滤波器稳定要求的新的条件,与以往研究比较,条件更为宽泛。分别进行了SINS/GPS常规卡尔曼滤波仿真和渐消卡尔曼滤波仿真,结果表明:采用渐消卡尔曼滤波技术在工程实践上可以有效提高无人机的导航定位精度,并且易于工程实现。     

大跨时空任务背景下的太阳能无人机任务规划技术研究进展

通过任务规划技术合理的优化太阳能无人机的飞行轨迹和动力学参数,能够有效提高太阳能无人机的能量利用率,使其胜任许多大范围跨时间跨空间飞行任务。从能量建模、续航评估和能量管理策略3个方面对大跨时空任务背景下太阳能无人机任务规划技术的研究进展进行了综述。在能量建模方面,介绍了当前主流的太阳辐射模型和能量生产基本框架;在续航评估方面,分析了目前的指标设计和应用方法;在能量管理策略方面,从能量综合应用、风力滑翔机制、轨迹优化方法和面向特定任务的应用4个角度,梳理了当前的研究现状。最后,对该领域未来可能的研究方向进行了展望。     

无人机辅助车联网的无人机部署算法

针对无人机辅助车联网的无人机部署问题,分析了基于时延和回传链路的能效无人机部署策略的性能。该策略从车联网的数据传输时延和回传链路角度优化无人机的部署,进而最小化无人机的功率消耗。先面向车联网网络,推导了基于单个用户速率的时延约束函数,并构建基于无人机离基站距离的回传链路容量函数;再构建基于时延和回传链路容量函数的目标函数。最后,利用序列二次规划求解目标函数。性能分析表明,通信数据包尺寸是影响时延的重要参数。此外,在低时延和数据尺寸较大时,车辆用户的总速率之和收敛于回传链路容量。     

面向多威胁的无人机智能目标跟随策略设计

随着无人机(UAV)一体化作战的不断发展,无人机在搜索到运动目标之后,需要立即转入跟随模式,考虑到战场环境的复杂性,研究了在多个威胁源条件下无人机跟随运动目标的问题,为了保证无人机的安全性以及跟随目标的精确性,提出了一种基于决策树的无人机智能目标跟随策略。首先对威胁概率图(TPM)进行建模;然后采用几何图法及任务优先级生成不同的规则,建立相应的决策树,并设计了不同规则下无人机飞行航向及速度指令;最后通过仿真验证所提出的智能目标跟随策略的有效性。      

某型无人机拦阻网回收系统设计

介绍了无人机拦阻网回收系统的组成和工作原理，论述了系统的网体设计、涡轮阻尼器设计以及拦阻过程计算等关键技术问题，并给出某型无人机拦阻回收系统的性能计算结果。本文的研究成果为某型无人机拦阻网回收系统的工程设计提供了理论依据，并已成功应用于某型无人机系统的研制。     

三维真实地形环境下无人机救援航路规划方法

利用无人机(UAV)的三维飞行能力,采用优化方法规划路径,能够使其在救援任务中比地面车辆以更短的时间到达救援区域,提高救援效率.针对真实的地理环境,根据无人机约束采用均匀化网格方法进行地形建模,之后根据地形数据的特点设计适合数学计算与求解的数据结构.最后设计了包含偏离代价、高度代价、地形跟随/回避代价、威胁代价和安全距离代价的综合性能指标函数,并采用航路点交叉和网格搜索代替航路点搜索的方法,对蚁群算法进行改进完成航路规划.仿真结果表明:本文方法能够直接处理三维地形数据,在保持地貌的前提下,完成了无人机的三维航路规划任务,得到满足无人机约束的三维最优航路,提高了航路规划方法的实用价值.      

基于人类视觉特性的遥感图像优化显示及应用

在分析遥感图像主观质量（Subjectivequality）评价的基础上,提出基于人类视觉特性的优化显示技术．并应用于遥感图像压缩、相对辐射校正评价和噪声估计。结果表明：当图像以50％比例放大时,处理前后的效果不明显：以100％比例放大时,差异性开始出现;当显示比例提高到200％时,图像的噪声、条纹及退化现象比较容易发现与识别。因此,当需要比较两幅图像差异及监测图像质量变化时,建议显示比例设为200％。上述成果已成功应用于CBERS-02B卫星HR相机及后续高分辨率相机压缩方案的评价,也用于中国卫星遥感地面处理系统的图像质量监测。     

一种低RCS无人飞行器外形的气动特性实验研究

根据气动布局的基本原理,结合低RCS要求,设计了一种鸭式布局、带边条的翼身融合无人飞行器外形,实验结果表明,该外形不仅具有低RCS特征,而且具有良好的气动特性,升阻比达到8左右。     

基于无人机平台的机动式标校系统设计与应用

随着我国航天事业的不断发展,地面卫星测控网也日益完善,呈现出数量多、分布广、频段宽、工作体制多等特点。为提高航天测控装备标校的精度和效率,克服传统标校方式所具有的造价高、操作繁杂等缺点,研制了一套车载机动式、基于无人机(UAVs)平台的航天测控装备标校系统。该系统采用实时载波相位差分定位(RTK)技术,配备多类高度集成小型化目标载荷,可对地面统一测控、雷达和光电装备进行精度鉴定以及日常进行大动态范围标校和训练等工作。首先,介绍了系统的工作原理、系统组成及精度鉴定数据处理流程;其次,基于外场实验,给出了该系统的鉴定效果;最后,相较于目前测试性能单一的标校系统,该系统具有集成度高、机动性强、覆盖频段广、可完成性能实验多等优点,有更好的使用和推广价值。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。