多星测控调度的遗传算法分析

针对多星过站冲突问题,以工程需求为导引,建立了多星测控调度模型,并采用遗传算法对其进行求解.从全局和局部搜索两种策略入手,以可用可见弧段为对象,设计了"全弧段"编码和基于协同进化的编码两种编码方式,给出了对应算法的实现流程和遗传操作算子,对两种编码方式的求解效率进行了分析.通过仿真对两种编码的求解质量与时间开销性能作了验证,由此得出了两种编码和对应搜索策略的适用范围.据此开发的系统已成功应用于航天顶层设计的辅助决策.     

航天器编队飞行多目标姿态跟踪终端滑模控制

研究航天器编队飞行多目标姿态跟踪控制问题.为避免姿态大范围跟踪可能出现的奇点,采用欧拉参数描述航天器姿态.基于终端滑模技术,设计多目标姿态跟踪终端滑模控制器,并应用Lyapunov稳定性理论和扩展的Lyapunov有限时间稳定性理论证明控制系统稳定性和有限时间收敛性.该控制器参数方便调整,易于实现.由于没有对复杂多体航天器动力学进行线性化处理,从而保证了姿态跟踪控制精度.仿真结果表明,存在惯量参数摄动和外部干扰力矩的情况下,所设计的多目标姿态跟踪控制器具有良好鲁棒性和优越的跟踪性能.     

基于扩展卡尔曼滤波的动量轮故障检测方法

 动量轮作为卫星姿态控制系统的关键执行部件,对其故障检测对维持卫星的正常运行具有重要意义。首先对动量轮系统的故障进行分析,在建立动量轮线性离散状态空间模型的基础上,把动量轮的故障检测作为时变参数系统的跟踪来处理,将动量轮的模型参数作为扩展的状态空间中的状态量,使得动量轮物理模型参数与状态空间中的状态量有对应关系,通过在扩展了的状态空间上采用扩展的卡尔曼滤波,完成时变参数的跟踪。然后,将离散空间的状态量变换回连续空间中,利用物理参数与状态量的对应关系,实现对动量轮物理参数的跟踪。此方法物理意义明确,为系统的物理参数提供了定量的估计值,为进一步诊断故障原因提供了良好的基础。数值仿真表明,此方法能够通过同时检测多个故障参量,实现故障的检测并满足卫星实时性要求。     

伪码测距中处理速率对再生时钟抖动性能的影响

在微小卫星再生伪码测距中,码同步环的跟踪性能是决定测距精度的关键,而数字处     

天基照相跟踪空间碎片批处理轨道确定研究

随着国内外天基观测空间碎片研究的展开,文章提出了利用跟踪卫星的CCD(Charge
Coupled Device)相机对空间碎片进行轨道探测的方法,首先建立了CCD照相观测模型和基于 照相观测 的空间碎片批处理轨道确定模型。通过对CCD相机底片归算方法的分析可知,利用
CCD相机所获得的观测数据与跟踪卫星的姿态无关,且其精度只与测量和坐标转换计算的精 度有关,在测量和计算中可获得较高的精度。分别对分布密度较高的低轨道和地球同步 轨道区域的空间碎片进行了定轨分析。仿真结果表明,定轨时采用两个跟踪弧段的照相数据 定轨精度大大高于一个弧段照相数据的定轨精度;跟踪卫星距离空间碎片越近,定轨精度越 高;低轨道空间碎片的定轨精度高于地球同步轨道上的空间碎片定轨精度。
     

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

一种步长为对角阵的正交数据投影算法

针对传统子空间跟踪算法正交性和稳定性差的问题,基于数据投影算法(DPM),提出了一种步长为对角阵的正交DPM算法。算法运算复杂度较低,能提供标准正交的子空间,运行时无累积性误差;采用"自适应"而非固定搜索步长,能更好地匹配子空间的动态收敛速度,可进一步提高收敛速率并具有更佳的跟踪性能。仿真结果证明了新算法的有效性和正确性。     

基于Simulink的直接序列扩频通信系统的仿真

卫星通信系统测试扩频信号源需具备自检功能。文章利用MATLAB的可视化工具箱Simulink建立了直扩通信系统的仿真模型,为扩频信号源自检程序设计提供参考。采用滑动相关捕获算法、单△值非相干延迟锁定伪码跟踪环,实现了伪码同步。仿真结果表明,该系统可无误码地恢复发端原始信息。     

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

Particle flters for probability hypothesis density flter with the presence of unknown measurement noise covariance

In Bayesian multi-target fltering,knowledge of measurement noise variance is very important.Signifcant mismatches in noise parameters will result in biased estimates.In this paper,a new particle flter for a probability hypothesis density（PHD）flter handling unknown measurement noise variances is proposed.The approach is based on marginalizing the unknown parameters out of the posterior distribution by using variational Bayesian（VB）methods.Moreover,the sequential Monte Carlo method is used to approximate the posterior intensity considering non-linear and non-Gaussian conditions.Unlike other particle flters for this challenging class of PHD flters,the proposed method can adaptively learn the unknown and time-varying noise variances while fltering.Simulation results show that the proposed method improves estimation accuracy in terms of both the number of targets and their states.