基于CMOS APS的星敏感器光学系统参数确定

基于CMOS APS图象传感器的星敏感器是适应航天技术的发展而产生的新一代姿态敏感器。确定光斑形状和大小、光学系统有效通光孔径、视场和焦距等参数是进行星敏感器光学设计的前提。本文基于选定的CMOS APS图象传感器分别对这些参数进行了分析和计算。确定光斑形状和大小的依据是，减小由于探测器像元对光斑能量分布的采样导致点扩散函数变形，从而引起的利用亚像元技术求星像中心的计算误差。光学系统的有效通光孔径与星敏感器所能探测到的极限星等有关，通过从目标辐射特性直到探测器响应的能量计算可以确定孔径的大小。确定视场和焦距首先要满足星敏感器实现全天自主星图识别所需的导航星捕获概率，其次要考虑与之相关的误差。     

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。     

卫星导航应用产业化之路

简要回顾了我国卫星导航应用的历程，对卫星导航产业的发展提出了自己的看法，并简要介绍了海尔信息科技有限公司在卫星导航应用产业化上的实践。     

GPS的空间应用

由于ＧＰＳ系统的特点以及低轨道空间的特殊应用环境，使得ＧＰＳ在空间上的应用存在着与地面应用所不同的特点，本文着重分析这些空间特点对ＧＰＳ定位实现的影响，得出以下结论：对空间用户而言，ＧＰＳ卫星对用户的覆盖有着不同于地面的特点，但可以看出，对９００公里高度以下的低轨用户，ＧＰＳ卫星对用户的覆盖不会比地面更差。同时，电离层延迟误差影响大大降低，对流层延迟误差可以不予考虑。ＧＰＳ系统本身已对相对论效应的长期项影响作了校正，但对空间用户必须重新考虑。由于空间用户运动的规律性，及我们可能对诸如信号的Ｄｏｐｐｌｅｒ频移，多路径干扰等成份作较为准确的估计并加以补偿，从而可能获得高于地面的测量精度     

基于深度前馈网络的自适应相对导航滤波

针对空间非合作翻滚目标近距离相对导航中出现测量异常偏差导致滤波精度下降甚至发散的问题,研究了具有抗差能力的自适应滤波估计方法。在设计了相对导航滤波模型的基础上,提出了基于深度前馈网络的自适应扩展卡尔曼滤波算法,并且详细设计了智能故障检测与估计的深度前馈网络模型与训练方法。数学仿真结果表明:深度前馈网络能够有效估计测量异常偏差且估计误差小于异常偏差值的15%,基于深度前馈网络的自适应扩展卡尔曼滤波结果显著优于常规扩展卡尔曼滤波。     

从专利视角纵观北斗发展

一、引言伴随着北斗卫星导航系统的建设,产生了大量直接或间接与卫星导航相关的专利。从事北斗导航系统各类型业务的厂商和其他机构通过专利申请和不断拓展专利布局,提升自身参与市场竞争的能力。从专利角度对我国北斗卫星导航系统的发展状况进行分析梳理,可以摸清北斗卫星导航相关技术发展的具体动向、了解拥有重     

全球卫星产业发展现状分析

从全球航天产业10年来发展的总体概况入手,详细分析了全球卫星制造业、卫星发射服务业、卫星服务业和地面设备制造业的发展现状,并对全球卫星产业发展总结了若干结论与启示。     

NASA将试验新型原子钟

据澳大利亚今日航天网2011年10月17日报道,许多卫星都需要精确的授时信号,确保科学仪器正常作业。对GPS卫星来说,精确授时是至关重要的,否则所有依赖GPS信号导航的事物都会出错。NASA喷气推进实验室计划进行的第三项演示验证名为深空原子钟(DSAC)。DSAC团队计划以汞离子阱技术为基础,研制一款小型、轻质原子钟,并在太空中对其进行演示验证。     

基于自适应软切换的多星座组合导航系统研究

多卫星组合导航系统星座结构复杂、卫星数量多,在某些特定场合、特殊时间内需要快速完成星座和卫星的选取和重组.采用一种快速选星算法和自组织网络相结合的策略,并应用于多卫星导航系统建模和多星座软切换领域,既避开了系统对象建模这一难点,同时又充分利用卫星星座间的相互关联性,极大的发掘多卫星系统本身的潜力.仿真结果表明,快速选星算法和自组织组网技术可以增强整个导航系统的抗干扰性和自愈能力,以牺牲较少的定位精度来有效减少导航运算量,提高导航定位的实时性.     

GPS失锁时基于神经网络预测的MEMS-SINS误差反馈校正方法研究

GPS信号失锁时,MEMS-SINS组合GPS导航误差会随着时间迅速积聚而无法导航.提出一种基于RBF神经网络预测的MEMS-SINS误差反馈校正方法,GPS有信号时对神经网络进行训练,GPS信号中断时用训练好的RBF神经网络预测MEMS-SINS的导航误差.地面车载跑车试验,证实了训练后的RBF神经网络能很高精度地逼近MEMS-SINS/GPS组合导航系统输入与输出间的关系,在4个50s以内的GPS人为失锁过程中,该方法导航结果与参考系统比较,平均位置误差为3.8m,平均速度误差为0.6m/s,平均姿态误差为0.5°.