遥测传感器校准曲线的自动绘制

本文就遥测数据处理中如何利用最小二乘法对遥测传感器(及信号变换器)各校准点进行曲线拟合作了一般性讨论,并从工程实用角度出发,编制了计算机程序。在实践中,针对某型导弹的遥测参数校准点进行了大量的拟合计算,用 X—Y 绘图仪自动绘制出校准曲线并写出曲线方程和残差,获得满意的结果,它不仅可用于各种飞行器的遥测数据处理,还能用在各种自动化测试设备的标定工作中。     

一种新型航模遥控器

介绍使用两片89C2051单片机作为遥控器的编码／解码电路，通过串型数据的无线电传输技术，实现对航模无线电遥控的设计原理；分析AT89C2051键盘接口的功能设计及编程实现思想。     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。     

基于三轴磁强计与雷达高度计的融合导航算法

为了减小近地轨道(小于1000km)地磁导航的估计误差协方差，提高导航的可靠性和准确性，在地磁导航系统中引入雷达高度计作为一个新的测量设备，提出了一种基于三轴磁强计与雷达高度计的融合导航算法。该算法取卫星的位置和速度向量作为状态向量，建立状态方程；取卫星周围的磁场强度和卫星到星下点实际海平面距离求出的地心距，作为观测量建立观测方程；利用扩展卡尔曼滤波构成一种融合导航算法。仿真结果表明，提出的融合导航算法对轨道位置的估计误差小于20米，速度的估计误差小于1米／秒，导航算法的精度和收敛性都优于使用单一地磁导航的系统。     

反舰导弹末制导多尺度多传感器数据融合方法

提出了一种实用有效的反舰导弹末制导多尺度多传感器数据融合方法。该方法可充分地利用捷联惯导和双星系统信息,对雷达导引头的测量信号进行有效的校正补偿,同时又可根据系统对校正算法实时性与精度的要求,通过合理地调整滤波算法节点数来满足系统的设计要求,从而大大地提高反舰导弹末制导的导引精度。该方法的有效性在某型超音速反舰导弹末制导信号校正仿真中得到验证。     

光机热集成分析中数据转换接口的研究

光机热集成分析中的数据转换接口是实现光、机、热各分析软件间数据有效传递的重要手段。Zernike多项式的优点决定了它作为各分析软件间的数据接口工具是非常方便和成熟的。以一种数据处理算法和最小二乘法为Zernike多项式拟合的基础,编制了数据转换接口,实现了分析模块间数据的转换,并在某空间遥感器主镜系统的光机热集成分析中得到应用。     

系统可靠性评估技术发展综述

系统可靠性定量评估一直是军用产品可靠性工作的重要工作项目之一(GJB 450A)，该工作项目利用概率统计分析技术，通过对系统构成相关的元器件、零部件和设备失效率数据以及各类试验数据进行分析，逐层进行系统可靠性综合，检查各级产品是否达到了规定的可靠性目标。在系统设计权衡决策、试验方案的选择等方面具有举足轻重的作用。系统可靠性评估主要包括可靠性模型的建立、可靠性数据的收集和处理、产品单元的可靠性评估、系统可靠性综合等4个方面的技术内容。系统可靠性评估的技术流程如下：     

中继卫星多址链路调度问题的约束规划模型及算法研究

中继卫星多址链路调度问题是中继卫星系统应用中必须解决的重要问题,其重要特点在于,中继卫星与用户航天器之间并非时时可见,因此通信任务存在可见时间窗口约束。只有在可见时间窗口内,通信任务才可能执行并完成。在进行合理假设的基础上,采用人工智能中的约束规划技术,建立中继卫星多址链路调度问题的约束规划模型,并提出了基于时间窗口期望值的多步迭代算法。应用结果表明,中继卫星多址链路调度模型的建立与求解是合理的。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。