半捷联位标器稳定跟踪与弹体姿态一体化控制

半捷联位标器安装在弹体上,由于寄生回路的存在,使得位标器稳定跟踪控制回路和弹体姿态控制回路产生严重耦合,影响了位标器的稳定与跟踪。针对半捷联导引头稳定平台的稳定与跟踪问题,提出了一种半捷联位标器稳定跟踪控制与弹体姿态控制的一体化方法。基于反步控制原理设计了控制律,通过合理选择反馈增益可保证系统的稳定性与动态性能。最后对一体化设计与传统分离设计进行了仿真对比。仿真结果表明：考虑位标器稳定跟踪回路与导弹姿态回路耦合的一体化控制器,不仅能够保证弹体姿态控制系统快速响应,还可以提高位标器的稳定跟踪性能,并降低位标器跟踪不上高速目标的可能性。     

基于四路信号处理的载波锁相环

载波跟踪环是独立导航接收机中最为脆弱的部分,在一定载噪比下,影响载波跟踪环跟踪门限的主要因素是动态应力。科斯塔斯锁相环是最常用的载波跟踪环之一,由于频率牵引范围的限制,其对动态应力非常敏感,该频率牵引范围由最大相位牵引范围决定。传统科斯塔斯锁相环是基于两路信号处理进行载波相位锁定的,其相位牵入范围仅为［-π/2,π/2］。文章提出了一种基于四路信号处理的科斯塔斯锁相环,增加的两路信号分别与原来两路相位相差π/4,其相位牵入范围可以达到［-3π/4,3π/4］,较传统方式提高了1/2。仿真结果显示文中提出的设计方法能够明显提高环路的动态性能     

基于OWRR-PF的机载图像中导弹跟踪方法

针对利用图像信息实现飞行器的导弹预警跟踪中导弹运动2D建模、运动模型非线性和目标干扰非高斯等问题,研究了比例导引下导弹在三维空间中的运动在成像面上的运动模式,建立了比例制导导弹的2D投影运动状态模型.由于模型中速度和加速度等主要物理量的非线性,并考虑导弹运动过程中受到的风向、风力、气旋和气流等随机干扰的非高斯性,采用粒子滤波方法实现导弹跟踪;并针对粒子滤波在跟踪过程中存在的粒子退化问题,提出有序权值残差重采样粒子滤波(OWRR-PF,Ordered Weight Residual Resampling Particle Filter)方法,该方法缓解了粒子退化问题,提高了跟踪的准确度.利用所建立的导弹运动模型进行连续视频试验,与标准粒子滤波相比跟踪精度提高了70%左右,与残差重采样粒子滤波方法相比跟踪精度提高了15%左右.     

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

集成式随动装置目标引导信息动态校准方法研究

光电对抗系统在机动状态下搜索和跟踪目标时,必须用位置陀螺代替码盘来确定目标方位角。但是,由于搜索轴陀螺存在漂移和累积误差,导致跟踪转台按照引导信息调转到位后目标无法进入跟踪视场,而且陀螺的漂移和累积误差是随时间和温度非线性变化的,很难直接进行修正。为了解决这个问题,提出了一种对引导信息进行间接动态校准的方法。     

旋翼微多普勒特性实验分析

为分析旋翼及其主要部件的微多普勒效应特点,提出了一种通过微波暗室进行旋翼微多普勒效应测试的实验方法,并通过实例验证了实验方法的可靠性;两种桨叶不同桨叶片数的系列实验结果表明,旋翼的微多普勒特性通过频率把各个散射部件的回波能量分开,旋翼的片数和转速不影响微多普勒特性的分析估算,旋翼的微多普勒特性仅与其运动特性相关;结合直升机目标识别特征,采用短时傅里叶变换方法对实验数据进行微多普勒效应提取,分析了微多普勒效应与入射波和旋翼几何属性之间的关系,得到了旋翼微多普勒效应的频率特性、极化特性和宽频带特性.     

一种新的SINS/GPS深组合导航系统设计

为了提高GPS在高动态、强干扰条件下的跟踪性能和导航精度,提出了一种新的SINS/GPS深组合导航方案.利用卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪回路,能够同时完成所有可视卫星信号和组合导航信息处理的任务;利用矢量跟踪算法加强各跟踪通道相互关联,增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在信号中断条件下的导航性能;利用相关器输出的I和Q路测量值直接作为导航滤波器的观测量,减小滤波过程残差,可以提高组合导航系统的导航精度和跟踪性能.仿真验证表明,这种基于矢量跟踪的深组合导航方案不仅在GPS信号中断期间能够保证系统的导航精度和可靠性,而且在低载噪比条件下可以增强导航系统的跟踪性能以及抗干扰能力.     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.