气动力星座保持的闭环控制研究

本文研究了利用气动力进行星座保持的闭环控制问题。提出了一种改进的半全局指数收敛闭环控制律，对于指定的任意大的有界域，利用不变集定理论上证明了该控制律的稳定性和抗干扰性，又提出了双ε法以提高响应速度。     

一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法。首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理，然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法。在第三部分通过仿真试验检验了新算法的性能。初步的仿真试验结果表明该星模式识别算法性能优良，具有实用价值。最后讨论了待深入研究的问题。     

基于BP神经网络的景象匹配算法研究

基于BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。讨论了BP神经网络及图像的灰度不变矩和边缘不变矩，并把灰度不变矩和边缘不变矩同时作为匹配特征应用于本文BP神经网络景象匹配中。算法分析表明该算法具有很高的匹配效率。     

具有几何和光照不变性的不变矩构建研究

为了解决现有的光照变化条件下仿射不变矩识别不稳健的问题,提出了一种归一化光照仿射不变矩,即采用一种光照模型,基于Jan Flusser仿射不变矩,推导出一种归一化光照仿射不变矩,并且从理论上证明了该方法在各种仿射变换下的稳健性,然后通过对比实验验证了该方法在光照强度、方向和颜色改变下的不变性.实验结果表明,与当前主流的光照不变矩方法相比,该方法不仅适合灰度图像也适合彩色图像,在光照方向改变下,图像的倾斜运动中识别度提高了35％;在线性光照强度改变下,图像的倾斜运动中识别度提高了85％;在光照颜色改变下,图像的平移和旋转运动中识别度提高了7.8％;以多种卫星模型图像为实验对象,在光照改变下,彩色图像和灰度图像的识别度平均提高了36％以上,且计算简单,更适合于航天器目标的识别.     

非匹配扰动下变体无人机预设性能控制

针对半倾转旋翼变体无人机易受到非匹配扰动和受制于性能约束的问题,提出一种基于复合浸入与不变(I&I)理论的非匹配/匹配扰动观测器和有限时间预设性能控制策略.首先,建立了含有复合扰动的变体无人机数学模型;其次,引入有限时间动态尺度技术和监督因子的概念,提出了一种复合I&I的扰动观测器对非匹配/匹配扰动进行估计和补偿;最后...     

基于不变流形的小推力Halo轨道转移方法研究

利用动力系统理论中的不变流形概念设计向halo轨道转移的小推力轨道。首先,根据小推力发动机是否工作将转移轨道划分为上升段和滑行段。两个轨道段分别采用不同的动力学模型描述;并通过不变流形和Lyapunov反馈控制原理将整段轨道参数化;最后进行参数优化获得最优转移轨道。这种方法通过合理选择坐标系和利用反馈控制的方法,避免了由三体动力学模型以及最优控制问题的共轭方程所具有的极强的非线性带来的求解困难。具有很强的收敛性;优化过程的每一步中不包含迭代过程,计算速度快。并以从地球停泊轨道向日-地L2点halo轨道转移为例验证了此方法的有效性。这种方法对小推力动平衡点任务设计有着重要的实际意义。     

ESPRIT算法在单快拍阵列信号中的应用

ESPRIT算法利用旋转不变技术估计信号参数,是近年来提出的阵列信号处理理论的一个新领域,它具有高分辨率、高精度、不需空间搜索等优点。单快拍总被当作相干信号处理,本文采用了Teoplitz结构协方差矩阵估计,起了空间平滑作用,所以可以估计相于信号源的波达方向(DOA),与标准空间平滑协方差矩阵估计相比较,Teoplitz协方差阵估计在总体上提高了信噪比,并且不牺牲阵列孔径。 计算机模拟结果表明,基于Teoplitz结构协方差矩阵的TLS-ESPRIT算法在20dB信噪比下,可以分辨出相隔0.2瑞利波束宽度的空间信号。     

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。