基于气压高度辅助的机载自主完好性监测算法

卫星接收机自主完好性监测是指根据用户接收机的多余观测值监测用户定位结果的完好性,其目的是在导航过程中检测出发生故障的卫星,并保障导航定位精度。针对卫星接收机自主完好性监测算法可用性不足的问题,结合机载实际导航系统配置,提出了一种基于气压高度表辅助的机载自主完好性监测算法。综合利用卫星导航系统及气压高度表观测信息,建立联合系统的观测模型,推导了基于多解分离的完好性监测及保护级别计算方法。仿真结果表明,相比于传统的接收机自主完好性监测算法,该算法在可见星为5颗时仍能识别故障卫星。该算法具有更好的故障检测能力及可用性,能有效提高卫星导航系统的完好性监测性能,从而保证卫星导航系统的精度和可靠性。     

UKF方法在脉冲星自主导航中的应用

针对X射线脉冲星自主导航中的非线性系统滤波问题,将无迹卡尔曼滤波方法应用于自主导航计算过程中。首先,在简述脉冲星导航可行性的基础上,研究了脉冲星自主导航系统的基本原理和实施方案。然后,根据牛顿二体引力模型构建了航天器运动状态方程,根据脉冲到达时间模型建立了系统观测方程,并对二者进行了误差分析和建模。最后,将UKF算法应用于航天器自主导航过程中,仿真结果表明该方法能够实现航天器自主导航信息的解算。     

基于折射方向矢量的地球卫星星光折射导航新方法

在星光折射导航中,星光折射视线包含星光折射的大小和星光折射方向两种折射信息,传统的星光折射导航量测量只利用了星光折射大小的信息。但实际上,星光折射方向也是卫星位置矢量的函数,含有卫星位置的重要信息。针对上述问题,提出了一种同时使用两种折射信息的星光折射导航新方法,该方法以星光折射方向矢量为量测量。详细介绍了基于折射方向矢量地球卫星星光折射导航方法的量测量的获取和量测模型的建立,同时对不同影响因素对导航系统性能的影响进行分析。仿真结果表明,该方法的导航精度优于折射视高度和星光折射角两种传统的星光折射导航量测量。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

基于粗糙集的战斗机型号工程综合评价决策模型

根据现代战斗机型号工程质量标准,考虑系统设计要求和用户需求,建立了新的战斗机型号工程评价指标体系。应用粗糙集理论对典型的第三代以上战斗机机型的各种指标数据进行挖掘,利用信息熵概念求得各指标的属性重要度,并将其权值化处理为各指标的权系数,克服了传统权系数确定方法的主观性。最后,建立战斗机型号工程综合评价决策模型并通过实例说明其可行性和有效性。     

国内外行星表面巡视器自主导航技术研究

作为航天技术发展的前沿和趋势,深空探测是人类历史上最为复杂的系统工程之一.星球巡视器是在星球表面移动作业的无人探测系统,能够对星球表面进行大面积、近距离和接触式的考察,是地外星球着陆探测作业的主要手段.星球巡视器导航技术是研究星球巡视器的关键技术之一,其导航自主性能直接影响星球探测计划能否顺利进行.本文首先概述了星球巡...     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

一种高动态低信噪比卫星导航信号捕获方法

为提升高动态低信噪比环境下卫星导航信号的捕获性能,提出了一种基于分数阶傅里叶变换(FrFT)及部分匹配滤波(PMF)的捕获方法。在该方法中,接收机首先利用PMF对接收信号做分段相干积分,随后借助快速傅里叶变换(FFT)对分段积分结果做离散快速FrFT,最后通过检测FrFT输出的峰值完成信号的捕获。由于具有多普勒频率变化率的卫星导航信号在FrFT后呈现能量聚焦特性,所提方法能够显著提高信号的长时间相干积分增益。同时对所提算法的捕获概率、平均捕获时间以及算法复杂度等性能指标进行了理论分析及计算机仿真验证。仿真表明,与传统的PMF-FFT方法相比,所提方法能够通过延长相干积分时间的方式有效提升高动态低信噪比卫星导航信号的捕获概率、降低捕获时间。     

基于时频二维估计的卫星导航失锁快速重定位技术

卫星导航接收机在天线受到遮挡或者弱信号环境中易出现信号失锁现象,信号恢复后的重定位时间成为接收机的一项重要性能指标。提出一种基于时频二维估计、适用于中低动态应用场景的失锁快速重定位技术,利用信号失锁前测量的载波多普勒频率和码相位等信息对失锁后的多普勒频率及码相位进行估计,信号恢复后直接启用信号跟踪,无需进行位同步和帧同步,即可实现快速重定位。对该技术进行工程实现及试验验证,结果表明信号输入功率高于–145dBm(积分时间为10ms)、失锁时间小于60s时,接收机重定位时间在1s以内。     

基于粗糙集特征选择的过拟合现象及应对策略

在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。