基于数字地形数据的形态航路规划

在地形数据的静态航路规划的研究基础上，简要地介绍了威胁回避、通视性分析概念及算法；威胁模型的定义及几种静态航路规划的方法。     

太空投资回馈地球的六个方面(四)——宇宙飞船也在进行地球科学研究

[据美国《大众科学》网站报道]尽管NASA让其本来可以多次使用的航天飞机退休,但是,航天飞机"雷达地形测绘使命"(SRTM)提供的数据仍然在源源不断地给地球提供福利,同时也提升了美国西海岸沿岸太阳能发电厂的效率。     

行星车视觉导航与自主控制进展与展望

以视觉为主的行星车自主地形感知、导航、规划与控制系统是其安全高效探测的重要保障。本文通过对已成功开展和计划中的系列行星车任务导航与控制系统进行汇总，重点梳理了行星车多源地形感知、自主全局和局部导航、自主路径规划与控制等若干关键问题的进展情况，展望了未来自主化、智能化的发展趋势，并结合任务需求构建了行星车视觉导航与自主控制研究框架设想。     

最佳轨迹地形跟随系统的预测控制

 本文采用输出预测算法,为最佳轨迹地形跟随系统设计了控制器,从而简便、有效地将跟踪误差减小到一个很小的数量级,并明显缩短了轨迹重构的计算时间,给最佳轨迹地形跟随系统的实时处理带来了希望。     

机载交通避撞和地形避撞系统的发展

简要说明现有机载避撞系统（ＡＣＡＳ）和近地警告系统（ＧＰＷＳ）的局限性。介绍机载间隔保障系统（ＡＳＡＳ）及其通过ＡＤＳ－Ｂ和ＣＤＴＩ的实现；阐述一种先期告警手段和今后ＡＣＡＳ的发展，以及预测型地面避撞系统（ＧＣＡＳ）或增强型近地警告系统（ＥＧＰＷＳ）的提前告警效果。     

一种基于Hopfield神经网络的TF／TA航迹规划算法

提出一种基于Hopfield神经网络的无人机地形跟随(TF)/地形回避(TA)迹规划方法.该方法将地研信息反映到算法参数连接权中,利用扩展的Hopfield模型结合无人机约束实现航迹安全、合理的规划.仿真实验证明该方法能获得满意的TF/TA航迹.     

一种实用的地形回避/地形跟踪算法

给出了一套地形回避/地形跟踪算法,即动态规划法与线性规划算法,根据即时的飞行任务、地形数据、威胁区信息与天气情况等,可以实时在线地规划出有人驾驶或无人自主控制的飞行器的三维最优飞行轨迹。该算法与软件包在F-16战机的地形回避/地形跟踪系统的升级改造中得到了成功应用。     

The Marginal Rao-Blackwellized Particle Filter for Mixed Linear/Nonlinear State Space Models

In this paper, the marginal Rao-Blackwellized particle filter （MRBPF）, which fuses the Rao-Blackwellized particle filter （RBPF） algorithm and the marginal particle filter （MPF） algorithm, is presented. The state space is divided into linear and non-linear parts, which can be estimated separately by the MPF and the optional Kalman filter. Through simulation in the terrain aided navigation （TAN） domain, it is demonstrated that, compared with the RBPF, the root mean square errors （RMSE） and the error variance of the nonlinear state estimations by the proposed MRBPF are respectively reduced by 29% and 96%, while the unique particle count is increased by 80%. It is also found that the MRBPF has better convergence properties, and analysis has shown that the existing RBPF is nothing more than a special case of the MRBPF.     

基于SAR子孔径图像的浅海水下地形探测

沿海地区水下地形的精确测量是人类开展海洋活动的关键,合成孔径雷达（SAR）为浅海地形的探测提供了一种新的手段,其中TerraSAR-X 的聚束模式以较长的积分时间得到高分辨率的 SAR 数据,从而能较为精确地反演浅海的海底地形。传统 SAR 图像水下地形探测基于波周期不变的假设,这不仅需要已知初始水深求解波周期,还给探测结果带来一定误差。本文提出一种基于子孔径图像的水下地形探测方法,将一景SAR图像分解成多景时间间隔固定的子孔径图像,利用子孔径图像间的时间间隔,求解不断变化的波周期,从而获得更加精确的水下地形。使用在海南蜈支洲岛的 TerraSAR-X 数据验证了此方法的可行性,将此方法反演得到的结果与GEBCO数据进行比较,发现两者吻合较好（MAE为2.8 m,MRE为23.91%）,证明了此方法在浅海反演水深的巨大潜力。