GPS／GLONASS共用PDOP研究

对全球卫星定位系统的DOP(Dilution of Precision)因子进行了分析。对GPS／GLONASS共用系统的可用性和PDOP因子进行了理论分析和软件仿真，对星座的定位特性进行了评估。分析结果表明，GPS／GLONASS共用系统相对于单一的GPS系统在可用性和PDOP因子方面都有很大的改善，从而可以进一步改善定位精度，这就为GPS／GLONASS组合导航的进一步研究和应用奠定了基础。     

一种新的导航星选取算法研究

在导航星表的建立过程中，由于恒星的数量太多，往往要进行筛选，通常这种选择复杂费时，而结果往往并不是最优的。本文引入了动态星等阈值分布函数，将传统星等阈值过滤算法中的静态阈值用动态星等阈值代替，建立了一种新的动态星等阈值过滤选择模式。而基于统计学习理论的支持向量机方法为求解高维非线性动态星等阈值分布函数提供了新的途径。本文讨论了这种基于支持向量机的导航星自动选择算法——回归选取算法。实验表明，用该算法所选取的导航星表，导航星数量少、分布均匀性好。同时它还能适应多种任务的导航星选取要求，具有很强的通用性。     

空间遥感与应用的新趋势和观念

介绍了空间遥感与应用系统必须形成天地一体化快速精确的信息流以及利用综合集成方法构建一体化体系的两个新趋势，阐述了重视树立太空意识，对于增强国家安全和提高综合国力具有长远的战略意义的观念。     

基于多传感器技术的微型飞行器智能组合导航技术研究

微型飞行器(MAV)尺寸微小,有效载荷低,其机载导航系统在结构与原理上都与传统飞机导航系统有很大的差异,增加了系统设计的难度。提出了一种基于组合传感器技术的MAV分层次导航系统方案。在MAV姿态信息提取中,引入了一种四元数结构下的捷联惯导与GPS组合信息卡尔曼滤波方案。在此基础上,通过研究MAV现有传感器技术下的各类导航方式的适用性、精度以及可靠性,根据MAV导航系统的要求,提出了一种基于多传感器智能组合技术的MAV导航位置信息提取方案。仿真与飞行试验证明,本文的这种基于组合传感器技术的MAV分层次导航具有计算简单,精度高,可靠性好的优点。     

惯性平台陀螺仪静态漂移系数分离方法研究

针对目前在发射场应用的测试方法不能分离出陀螺仪不等弹性静态漂移系数的现状，通过对陀螺仪静态漂移系数的测试原理和试验方法进行分析，推导了完整分离公式，提出了可行的分离方法，该方法可完整地分离出惯性平台陀螺仪各项静态漂移系数。     

一种新型MEMS移相器设计

建立Ka波段分布式MEMS移相器的等效电路,设计基于此模型的分布式MEMS移相器,并对其反射损耗与插入损耗进行优化。仿真结果表明,该模型在4GHz工作带宽内反射损耗小于-15dB,在10GHz带宽内插入损耗大于-2dB,单桥相移达到35°。     

编队飞行区域性导航卫星和位置保持

提出一个由4颗地球同步轨道卫星编队飞行组成区域性导航系统方案。采用精确描述相对运动的编队飞行运动学模型，设计编队飞行各卫星轨道参数。在考虑地球同步轨道主要摄动条件下，进行编队飞行队形变化动力学仿真。根据仿真结果，估算区域性导航精度在十米至二十米范围内。除此以外，还研究编队飞行位置保持控制策略和燃料消耗估算。这是至今为止在相同精度和相同覆盖区条件下卫星数量最少的，也是投资经费最低的导航系统方案。     

同时地形高程测量和地面运动目标检测的分布式InSAR最优编队构形

分布式小卫星干涉SAR为了同时获得时间基线(用于地面运动目标检测)和空间基线(用于地形高程测量),采取空间立体编队构形(即非沿航向直线编队),然而这种混合基线的情况会导致地面运动目标与地形杂波存在相位耦合,而且只靠信号处理方法很难分离,这对于检测地面运动目标极为不利。提出几种最优编队构形,在保证获得两种干涉基线的同时,通过对消两对干涉SAR图像来抑制掉固定杂波,从而可以检测地面运动目标,这种方法具有处理简单和性能较好等优点。最后给出了仿真结果。     

GPS／惯性组合导航系统导航性能的仿真与分析

本文从卡尔曼滤波的基本原理和几何精度因子GDOP的物理意义出发,并结合实例的仿真计算结果,讨论GPS/惯性组合导航系统的定位和测速精度。结果表明:由于位置和速度的双重组合,且由于卡尔曼滤波具有利用以前所有测量值的能力,以及综合利用GPS和惯导信息的能力,所以组合系统的精度虽仍与GDOP有关,但却高于单独利用GPS接收机点解法得到的定位和测速精度,其中定位精度的提高更为显著。     

航天飞机上升与轨道过渡段制导-导航控制

本文分析了航天飞机上升与轨道过渡飞行阶段的制导-导航控制装置及其分系统,并介绍了冗余系统数据选取办法。描述了四框架惯性平台框架配置与运载火箭姿态角的关系、工具误差模型与其修正方框图。最后,介绍了航天飞机制导-导航控制系统的可靠性设计。