测量带有常值偏差时卫星自主定轨系统可观性分析

考虑测量带有常值偏差时卫星自主定轨系统的状态观测和常值偏差估计问题,将观测常值偏差扩增为状态后进行卡尔曼滤波是解决这一问题的一个途径。为使卡尔曼滤波稳定,就必须分析系统的随机可观测性。文章利用线性时变系统的可观性理论对测量带有常值偏差时卫星自主定轨系统的可观性进行了分析,数值仿真结果显示了所得理论的正确性。     

FX型相关处理方案及野值剔除算法

分析了甚长基线干涉测量等干涉测量技术中FX型相关处理方案存在的问题,提出了一种新的FX相关处理方案。该方案经过两次整数比特时延补偿将两站接收信号相对时延缩小到1 bit内,从而避免了相位卷绕现象的出现,同时省去了原方案中的小数比特时延补偿,接着对新方案的计算量和相关长度做了深入的分析;改进了一种野值剔除算法,使剔除过程不受相位随频率变化趋势的影响。蒙特卡洛仿真和“嫦娥二号”实测数据处理结果验证了改进的准确性和有效性。     

成败型系统可靠性增长的Bayes评估

针对成败型系统在研制阶段的动态增长的可靠性评估问题,依据前期可靠性增长试验中多阶段的试验信息和专家经验,提出了基于新Dirichlet先验分布的可靠性增长的Bayes评估方法。该方法根据已有的不同阶段试验信息,利用离散AMSAA（Army Material System Analysis Activity）可靠性增长模型描述可靠性增长试验中不同阶段可靠性的增长趋势,并对各个阶段的可靠性进行评估;针对下一阶段建立基于新Dirichlet分布的可靠性先验分布,并根据下一阶段可靠度的估计值采用最大熵模型给出先验分布参数估计;在获得现场试验数据的条件下,给出下一阶段的可靠度后验估计,并讨论不同区间范围对后验可靠性的影响。最后通过实例分析,表明相较于直接利用离散AMSAA模型和Beta先验分布,该方法在合适的专家经验的指导下能够给出更为准确的可靠性评估。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

从数值逼近引出泰勒（Taylor）定理

用简单函数逼近（近似表示）复杂函数是数学中的一种基本思想方法。本文将要引出的Taylor定理就是用高阶多项式来逼近具有一定可微性的函数所得到的一个基本定理，它一理论研究和近似计算中有重要价值。     

偏置动量卫星偏航姿态估计与控制研究

为改善偏置动量卫星无偏航姿态敏感器时用滚动角间接控制偏航姿态的精度,基于降维观测器设计提出了一种采用偏航角估计值直接控制偏航姿态方法。在分析收敛性的基础上,给出了降维观测器的设计,以及直接控制法的系统模型。理论分析和仿真结果表明,该法能大幅提高偏置动量卫星的姿态精度,且易于软件实现,不增加系统硬件配置。     

基于Newton迭代滚动时域估计的GPS/SINS紧组合导航技术

随着智能设备的普及,使用手机为汽车进行导航越来越普遍。目前,手机内置的惯性测量单元成本低廉、导航精度低,且常使用松组合,而应用GPS/SINS紧组合导航技术可提高导航的精度及可用性。通过将基于Newton迭代的梯度下降算法与滚动时域估计相结合,手机内置GPS与陀螺加速度计构成紧组合导航系统,可提高在复杂环境中的导航精度。传统Kalman滤波方法未能充分考虑到紧组合导航系统的非线性特性,而滚动时域估计通过参考多时刻导航信息,可更有效地排除非线性因素对系统的干扰,并通过实验验证了此方法。实验结果表明,相比采用扩展Kalman滤波,基于Newton迭代时域估计算法的紧组合导航系统的导航位置精度及速度精度均获得了较大提高。     

飞机风洞实验数据不确定度估计方法

论述了国际上目前流行的一些实验数据不确定度估计方法，指出它们各自的所长及不足。基于数理统计理论，给出置信水平、概率密度函数等选取应遵循的基本原则。提出了不确定度估计方法，并对随机界限估计中不应考虑误差源随机相关问题，做了简明的数学阐述。应用本文方法对某飞机风洞吹风模型实验所得到的数据进行了不确定度分析，并与其他方法做了比较。结果表明，本文方法简洁明了，且有较高计算精度。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

多峰值信号的伪码相位估计法

 考虑到多峰值信号的出现以及传统相位估计法的不足与缺陷, 特别是针对传统方法无法提取多峰值信号主峰的不足,以及在非整数采样条件时相位误差估计的较大缺陷,提出了一种提高多峰值信号伪码相位精度的估计方法。首先通过频域提取处理去除副峰引发的模糊性,达到提取主峰的目的;然后建立了插值方程,从而提高相位估计精度。在此基础上进行了验证与评估,结果表明,此估计法可以正确提取多峰值信号的主峰,相对于传统方法而言,相位估计精度明显提高。