GPS/INS超紧组合载波跟踪环路最优带宽在线设计

在全球定位系统和惯性导航系统组成的超紧耦合系统中,卫星信号的跟踪性能直接取决于载波跟踪环路的带宽。为提高最优带宽的计算精度,在对惯导辅助下载波跟踪环路跟踪特性进行分析的基础上,详细推导了载波多普勒频率估计误差、多普勒频率变化率估计误差的计算方式,建立了惯导辅助下的环路跟踪误差模型;在实时估计跟踪载噪比的基础上,应用离散牛顿二阶梯度法迭代解算最优带宽,并进行实时调整。仿真结果表明,所设计最优带宽迭代解算方法的计算精度能够在11次迭代内达到99.6%,以此作为环路的带宽,能够在弱信号、辅助信息精度较低的情况下有效提高环路的跟踪精度。     

利用脉组间频率步进信号合成UWB距离像及类MUSIC法对速度的高分辨估计(英文)

提出一种称为类多信号分类(CMUSIC)的方法,其利用脉组间频率步进信号,在具有M个脉冲的脉冲串(子带,即窄带)中高分辨估计径向速度。利用此速度估计值补偿距离-多普勒耦合和多普勒色散后,对跨子带进行快速傅里叶变换则可获得合成超宽带高分辨距离像。和其他方法相比,CMUSIC在低信噪比时具有较好的速度估计性能。当M大于具有不同径向速度的目标个数Q时,该方法在小M值下依然有优越的速度估计性能。此外,经过径向速度解模糊后,该方法适应高径向速度运动的目标。随着国防技术的突飞猛进地发展以及高速先进飞行器的涌现,这具有重要的实际价值。仿真结果验证了该方法的可行及有效性。     

可供业载的优化管理

航空公司在确保安全运营的前提下，通过对飞机可供业载的有效管理。可为客、货运输提供更多的载量空间。加强飞机可供业载管理是航线增收挖潜的重要保障措施。     

低空目标双雷达联合定位方法研究

针对海上靶场雷达对低空、远距离小目标的测量数据中存在大量的地海杂波干扰,陆海结合试验环境复杂,大气参数难以精确测量,电波折射修正困难,多径影响较大,以及自身的开环跟踪模式等因素,导致雷达俯仰角测量误差较大的问题,在充分利用靶场雷达测量网布站特点的基础上,提出了一种利用2台雷达共有段落的方位角和斜距信息,构建双雷达联合定位模型,完成目标弹道解算的方法。实测数据与仿真数据综合测试表明,通过使用该方法可有效解决雷达俯仰角测量信息超差对整体测量结果的影响,同时提高了靶场雷测数据处理的精度和可靠性。     

飞机稳定尾旋的预测研究

在考虑各种影响因素的基础上,增加了交叉惯性积对稳定尾旋的影响,从而导出了分析稳定尾旋的有关公式。为了避免遗漏解的可能性,采用不需选择初值的求解方法,给出了稳定尾旋的判据。应用该方法对某型飞机的尾旋进行了预测计算,求出了一个陡尾旋解和一个平尾旋解,计算结果与该飞机尾旋试飞结果吻合较好,表明计算方法是正确的,计算结果可用于指导飞机的尾旋试飞。     

多尺度子域基函数矩量法解的稳定性与迭代法

通过对几个具体实例的计算，证实了在电磁场边值问题的矩量法求解过程中，选用不同的基函数其解的数值稳定性会有很大的差别。从而有可能选择一种数值稳定性比较好的基函数来进行矩量法求解。另一方面，提出了选用多尺度子域基函数，并通过多次迭代来提高矩量法解的精度的算法。实例计算表明，该算法不仅可以有效地降低系数矩阵的条件数，而且还降低了对计算机内存容量的要求，是一种有效的、稳定的算法     

采用弱攻角补偿与脱敏设计的火星进入段制导

为提升火星进入段存在多种扰动时的制导末端精度,在现有三自由度脱敏设计的基础上,提出针对大气密度及升阻力系数波动的弱攻角补偿方法。通过攻角调整,协调升、阻力加速度测量值相对理论计算值的偏离程度,使加权形式的偏离程度指标趋近于1,从而降低气动参数波动对制导精度的影响。相平面分析和反证法证明了攻角调整过程的稳定性。蒙特卡洛仿真结果表明,该方法可达到较高的纵向末端状态精度。     

信号采集卫星系统星地资源快速调度优化方法

针对信号采集卫星系统中,采集目标的优先级和携带的信息量在星地资源调度过程中不断随时间变化的特点,提出了一种基于二次映射编码的动态调度差分演化算法（QMDSDE）。算法将采集目标的优先级和携带的信息量进行加权,作为采集的收益。在迭代求解时,根据卫星可见时间窗口的周期性特点设置固定的检测频率,以当前时刻所有目标收益的平均值和敏感系数的乘积作为检测环境变化的阈值。当检测算子的值大于阈值时,算法通过前向预测模型动态调整搜索方向,寻找问题的实时Pareto最优解。算法采用二次映射编码消除星地资源组合中的无效解,降低了算法的搜索空间,提高了算法的求解速度。经仿真校验,该方法在信号采集过程中,可以得到收益较好的星地资源调度方案,且具备较快的收敛速度。     

边界片段模板方法在空间探测识别中的应用

以对具有复杂边缘的空间目标进行准确的检测识别为目的,提出一种基于边界片段模板(BoundaryFragment Model)训练模式的空间目标识别方法.方法的步骤是:首先从训练集中提取目标的边界片段组成弱分类器;然后使用Adaboost算法将它们提升训练成为强分类器;对方法进行旋转、尺度、视点的不变性增强;最后将训练好的强分类器模板应用到待识别图像上,进行目标的检测识别.实验结果表明,本方法对带有各种旋转,尺度,以及视点变化的具有复杂边缘空间有形目标具有较好的识别效果.     

带燃料均衡的空间多飞行器编队重构的轨道规划方法

航天任务需求的多样化对空间多飞行器编队重构的轨道规划问题不仅提出了燃料或时间最优的要求,还提出了燃料和时间最优以及燃料均衡的要求。将带燃料均衡的多飞行器编队重构的轨道规划建模为一个多目标优化问题,通过将进化计算与问题领域的知识相结合,提出了一种基于小生境进化算法的最优轨道规划方法。该方法能从变轨时间、燃料消耗和燃料消耗方差三方面分别评价一个变轨方案的最优性,并且一次规划能够提供多个Pareto最优变轨方案。仿真结果证明了该方法的正确性和有效性,还揭示了编队重构轨道规划问题的三个优化目标之间的关系,对于制定任务计划具有重要的参考价值。