基于机动平台序列图像的空间飞行器定轨技术研究

针对机动观测平台单目光学成像系统的特点,在不能测定目标飞行器位置和速度的前提下,通过对成像系统与空间飞行器空间关系的分析,提出了视平均运动角速度与真平均运动角速度的概念,并构建了关于二者的约束方程,实现了基于测角数据的观测斜距的估计,从而解算出定轨所需的初始状态参数。基于观测斜距估计的轨道确定方法把对空间飞行器的定轨问题,归结为根据图像序列计算目标测角和根据测角数据确定观测斜距,解决了利用空间单目光学成像数据的定轨问题,并以高轨卫星为实例对定轨精度进行了仿真验证。     

复合噪声调频干扰的极化滤波方法

基于瞬态极化理论研究了复合噪声调频干扰的极化滤波方法。在对多个噪声调频干扰源合成信号的极化起伏特性进行分析的基础上,提出了复合噪声调频干扰的瞬态极化估计方法和基于MLP的极化滤波抑制方法。最后,利用计算机仿真实验验证了文中所提方法的有效性和可行性。     

多航天器编队在轨自主协同控制研究

提出一种基于信息一致性的分布式协同控制策略,该策略可自主实现多航天器编队 的 构型建立、保持与整体机动。在该策略中,编队内各航天器均具有局部的分层控制结构：参 考点一致性估计层根据各航天器初始状态与编队内信息拓扑,协商估计出多航天器编队整体 系统基准参考点;协同制导层根据编队整体系统模型预测控制方程,采用并行计算方式,规 划各航天器从初始状态到期望构型的期望重构机动路径;协同控制层采用基于二阶一致性算 法的协同反馈控制律,使各航天器彼此协同地跟踪期望路径和整体机动参考信息。仿真结果 表明:当信息拓扑中存在最大生成树时,该策略能够实现多航天器编队构型建立、保持与整 体机动的协同控制,并具有较好鲁棒性。〖JP〗     

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ,ＡＡＮＮ）,然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来,开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法,有效地减少了样本集中样本矢量的数目,简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集,在网络训练好后,任选包线内的一工况点作为算例运行发动机模型,所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明,上述的参数估值方法是可行的,为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。     

基于偏振光及重力的辅助定姿方法研究

提出了一种以太阳方向矢量为基准的偏振光导航方法,该方法利用太阳方向矢量物理意义明确的特点,消除了直接利用偏振光进行导航定向时存在的180°模糊性问题。为完全观测载体姿态,同时引入了重力观测量,提出了利用偏振光及重力矢量联合辅助定姿的方法,并详细推导了该方法的观测方程,同时给出了当姿态误差较小时,观测方程的简化线性形式。利用该姿态观测方程,设计了基于偏振光及重力辅助定姿的偏振光/GPS/SINS组合导航算法。理论分析及仿真表明,通过引入偏振光及重力矢量进行辅助定姿,导航系统可以直接观测载体的平台姿态误差,进而增强了系统对载体姿态的估计性能,且使得组合导航系统可以完成大初始姿态误差时的导航任务。     

基于各向异性和非线性正则化的湍流退化图像复原

提出了一种基于各向异性和非线性正则化的湍流退化图像复原新算法。为了有效地从湍流退化图像中估计出退化模型，在湍流点扩展函数的优化估计过程中合理地融合了有关湍流点扩展函数的一些基本的先验知识。首先，将点扩展函数的非负性和光滑性约束加入到目标函数中。再针对湍流点扩展函数的衰减性质，建立了一个具有非线性和空间各向异性的正则化函数，使其在重建点扩展函数时能适当地进行空间梯度平滑。由此通过迭代极小化目标函数来优化估计湍流点扩展函数值，进而恢复图像。对各种噪声条件下的湍流退化图像进行了恢复实验，实验结果表明本文算法具有较强的稳定性和抗噪能力。     

SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤，为了由SAR图像快速、精确地提取目标峰值特征．本文首先研究了SAR图像目标峰值特征提取方法，提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法．并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性，因此，为了提高SAR图像目标识别系统的分类效率，本文还研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法，和现有方法相比，该方法除了计算速度快，估计精度较高之外，还能在估计方位角的同时，给出该估计的置信区间，从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验，验证了本文目标峰值特征提取及方位角估计方法的有效性。     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

结合卫星遥感的PM2.5浓度估算与站点异常分析

针对大气污染难监测、异常数据难分析等问题,充分发挥气象卫星多时相观测优势,以N维代价函数算法为依托进行逐小时气溶胶光学厚度反演。进一步以随机森林回归算法为基础,结合气象参数、地面监测参数等辅助变量进行近地面PM2.5浓度估算,并据此开展时空分布与浓度异常分析。江苏省2021年1–6月PM2.5浓度遥感估算精度验证结果显示,其相关性精度达到94%,偏差为5.59μg/m3,证明以卫星遥感数据为基础进行PM2.5浓度估算具有高可靠性与可行性。通过其建立的全区域、多时相监测体系可有效进行PM2.5浓度的时空分布分析,明晰PM2.5分布状况,助力空气污染治理管控。通过卫星估算结果与地面站点监测结果的对比分析,准确识别大泉街道数据低报事件,验证人为干扰数据采集工作,实现星地数据双向监督。文章研究证明,卫星遥感技术可有效支撑近地面PM2.5浓度估算与数据异常分析,推动新时代生态文明建设。     

基于多段差频正弦信号频谱相关的频率估计算法

针对多段差频正弦信号提出一种基于频谱相关的频率估计算法,用以提高低信噪比条件下短时正弦信号的频率估计精度,扩展多段信号融合法的适用范围.首先,设计差频修正矩阵消除各段信号频率不等对频谱融合的影响,使同频化处理后的多段差频正弦信号频谱等同于多段同频正弦信号频谱;其次,构造加权因子消除各段信号相位不连续对频谱分析的影响,使得到的最优加权积累频谱近似于与多段差频正弦信号长度相等的相位连续信号频谱;然后,通过对最优加权积累频谱和多段差频正弦信号累加频谱的相关处理,抑制虚假谱峰和噪声干扰.最后,峰值搜索频谱相关谱,实现频率的精确估计.实验表明与现有算法相比,本文算法估计精度高、抗噪性好、普适性好,特别在低信噪比、短时时宽下性能优良.