基于Hadamard方差的导航星座自主时间同步算法研究

文章在总结国内外研究成果基础上,针对GPS铷钟虽然短期稳定性较好,但采用Allan方差描述铷钟频率稳定性时,其钟差状态方程仅为两参数,在较长平滑时间里存在时钟漂移和甚低频噪声的影响,使噪声特性淹没或估值不收敛的缺陷,引入Hadamard方差建立了三参数系统状态误差模型,通过三次采样方差从模型上解决了线形漂移和甚低频噪声的影响问题。在时钟系统状态模型和星间双向测量方程建模基础上,给出了工程实用的标准Kalman基本滤波方程。数值分析仿真表明,采用Hadamard方差描述时钟频率稳定性显著提高星载时钟自主同步精度,从而克服了Allan方差描述产生的频率漂移影响较大和甚低频噪声不收敛的问题。     

基于线性调频波的有源对消隐身仿真及分析

有源对消隐身技术由于其适用性广、灵活主动及不破坏目标外形等特点而受到重视。针对其技术要求中的快速反应、延时较短的特点,提出了一种基于线性调频（LFM）波的对消系统方案。该方案对入射波采样后进行相位和频率的调制,然后直接转发,使其匹配滤波输出与原入射波的回波输出进行对消;探讨了有源对消技术的电磁学原理并以理想导电无限长圆柱为散射源,对平面波与柱面波的对消效果进行了仿真验证,得出不同视角、平面波与柱面波的夹角都会对对消效果产生影响的结论,且在两列波夹角为0°时达到最佳;推导了进行相位与频率调制的对消后信号输出公式,并利用MATLAB对其进行了仿真验证,结果表明,对消后输出信号峰值由时延脉宽之比决定,带宽对输出信号主峰的宽窄程度有直接影响。      

Kalman滤波技术在磁航向和捷联惯性组合系统初始对准中的应用

研究了磁航向和捷形惯性组合系统初始对准的设计方法。该方法能在初始对准过程中用卡尔曼滤波器估计出陀螺仪的随机常值漂移，从而提高了系统的对准精度。文中给出了系统的状态方程和测量方程，建立了完全闭环控制的卡尔曼滤波器，最后给出了二组不同条件下的模拟结果。     

结构响应主动控制的时域与频域实现

结构响应主动控制技术是结构振动主动控制的一种新方法，并由于其具有直接以结构振动响应为目标，概念简单、实现容易和采用前馈控制、没有系统稳定性问题等优点而日益受到重视。本文评述了结构响应主动控制的基本原理、特点及控制系统的基本组成，并对两种最基本的实现方法－时域法和频域法的基本思想、适应能力、及实现难易程度等方面进行比较分析，指出时域法在适应能力、适用范围和应用潜力上优于频域法，但在实现上对硬件的计算     

基于GPS的陆地车辆跟踪与监视系统(英文)

介绍了建立在差分GPS和航位推算(DR)组合基础上的低成本陆地车辆跟踪与监视系统.从低成本角度出发,文中提出了采用单方向通讯数据链的新方案。为了保证定位精度,给出了差分GPS算法,并且详细研究了一个8状态的Kalman滤波器.最后使用两台C/A码GPS接收 机进行野外跑车试验.结果表明,差分定位精度小于5m.     

基于变迹滤波的MIMO-SAR图像分辨率增强技术

针对多输入多输出合成孔径雷达(MIMO-SAR)在近场目标散射特征诊断成像中,非正交旁瓣难以通过常规方法进行有效抑制的问题,分析了MIMO-SAR图像非正交旁瓣的产生机理,提出了基于空间变迹滤波(SVA)和三变迹处理相结合的旁瓣抑制方法。仿真和实验结果表明,本文方法不仅能很好地抑制距离向旁瓣,而且对于方位向非正交旁瓣也具有较好的抑制效果,提高了MIMO-SAR图像的二维分辨率和动态范围。     

纹影干涉图的图像处理方法研究

本文利用计算机存贮量大、运算能力强的特点研究了一种分析纹影干涉图,计算密度场的图像算法。这套算法包括使用低通滤波技术消除干涉图背景中的高频噪声,使用 Hilditch 算法细化宽度多于一个像素的干涉条纹,使用模式识别方法提取干涉条纹的位移量,最后应用数值积分技术求解密度场的空间分布。这里研究的图像处理方法提高了纹影干涉图定量分析的精度、加快了实验结果的处理速度,给出了直观可靠的数值结果,是一种实用有效的图像算法。     

基于UKF的FADS/INS融合大气数据估计

针对飞行器在高速飞行时受气流干扰、惯性数据易发散等问题,从传感器数据融合角度出发,提出了通过无迹卡尔曼滤波(UKF)融合嵌入式大气数据观测系统(FADS)和惯性导航系统(INS)估计飞行器实时大气数据的算法。算法使用高维度非线性方程对惯性系统和大气系统间的关系建模,结合FADS与INS的数据,计算飞行器速度和高度,进而估算出攻角、侧滑角等参数。实验结果显示,与INS直接解算、扩展卡尔曼滤波(EKF)融合等原有估计方法相比,文章所述的算法在估计精度和系统稳定性方面均有所提高。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。