目标跟踪（定轨）中的信息融合估计技术

本文对目标跟踪中的多源信息融合估计问题进行论述,讨论了多个观测站对同一目标观测时的分布式和中心式融合估计问题,对Bayes融合的算法问题提出了技术途径。     

基于实时预测轨迹修正的共轴跟踪观测方法

针对光电设备跟踪观测轨迹可预测目标,提出并实现了基于实时预测轨迹修正的新型跟踪算法。从电视观测信息中实时解算出轨迹偏差的位置分量与速度分量并修正预测轨迹,引导仪器运动。应用该方法,在被观测目标电视探测不理想时有效提高了跟踪可靠性,降低了光电跟踪设备对电视探测能力的苛刻要求。即使电视探测短时出现困难,也能保证一定精度。本文给出了实时轨迹修正跟踪方法的构成原理与试验结果,并与一般电视跟踪方法进行了对比。     

GF(q)域上的低密度校验(LDPC)码的译码及其在深空通信中的应用

低密度校验码是一类能有效逼近香农限的好码,而高进制的LDPC码具有比二进制LDPC码更好的性能,但其译码复杂度太高不利于工程应用。本文提出了一种基于协同优化算法的低复杂度的高进制LDPC码的译码算法,并讨论了其在深空通信中的应用。     

月球卫星精密定轨

随着空间应用需求的日益增大,深空探测已成为现实,而月球显然是人类走向深空的首选目标。发射月球探测器通常分3个阶段,其运动状态分别对应3种不同类型的轨道:近地停泊轨道、地月转移轨道和绕月轨道。月球是1个慢自转天体且无大气,就轨道解而言这些因素导致环月卫星的运动与地球卫星有所差别。本文针对月球探测任务的特点,从月球与地球的差别入手,在仔细分析月球卫星的受力状况前提下,着重阐述月球探测器在环月段精密定轨的方法原理和具体实现过程。     

深空网伪码测距技术研究

介绍了NASA深空网所采用的伪码测距的基本原理,讨论了深空航天器应答机相干转发或再生所采用伪码序列的两种形式,对再生测距系统中的具体序列产生和相关、以及用中国剩余定理解算距离的实现方法和技术途径进行了分析,并计算分析了测距精度、捕获时间等系统关键指标,以对我国深空网的建设提供技术理论参考.     

目标短时遮挡下的光电平台目标跟踪预测与控制

无人机在高空飞行并跟踪地面目标的过程中,当目标受到障碍物遮挡,会导致跟踪失败。本文建立了目标相对无人机的运动模型,设计了基于卡尔曼滤波的目标预测器,并在目标遮挡发生时利用目标角位置预测值以及姿态锁定回路实现了对目标的预测跟踪。本文运用相似性原理设计了室内目标跟踪场景。仿真和试验证明,本文所设计的预测器能较好的预测目标角位置,与控制回路相结合能克服短时间的目标跟踪丢失。     

基于FPGA的半球谐振陀螺频率跟踪技术

半球谐振陀螺谐振频率的跟踪精度与稳定性很大程度上决定了陀螺的性能。通过分析半球谐振陀螺的频率特性以及锁相环基本原理,设计了基于锁相环的半球谐振陀螺频率跟踪方案,并用FPGA进行全数字化实现。半球谐振陀螺采用真空封装,内部温度难以测量,然而其谐振频率与温度具有很好的线性相关性,因此可采用谐振频率对陀螺温度进行测量。传统的频率跟踪方案一般采用模拟锁相环实现,其缺点是频率值隐含于输出的正弦波中,无法供后继测量模块使用,本文所设计的FPGA全数字方案可弥补这一缺陷。根据陀螺谐振频率与温度之间的关系,给出了利用跟踪频率测温的分辨率公式并进行了相关实验。实验结果显示,谐振频率为4440Hz时频率跟踪稳态相对误差可达10-7量级,利用跟踪频率测温的分辨率可达0.0042℃。     

深空大规模天线组阵布局设计

针对深空测控通信背景下大规模组阵的天线布局优化问题,给出了优化目标(即单元波束内合成波束附近的旁瓣最小化)以及优化边界条件(包括天线数、天线口径、工作频段、最小间距和最大布局范围等),并在此基础上建立了优化模型,理论分析表明,布局优化后的归一化旁瓣峰值比布局随机化的归一化旁瓣峰值低lnN/N(N为天线数)。最后基于梯度优化算法给出具体的优化流程并进行了仿真,仿真结果表明,在给出的优化边界条件下,优化后的合成波束方向图旁瓣峰值降到约-10dB,与理论分析结果基本一致。     

船载单脉冲跟踪雷达快速标校方法

针对现有船载单脉冲雷达标校方法受船摇影响较大、效率低等问题,提出一种基于差分法的快速标校方法。阐述了单脉冲跟踪雷达的工作原理,分析了现有标校技术的缺点和工作效率低的原因,从理论上论证了快速标校方法的可行性,并根据该方法设计开发了快速标校软件,设计了快速标校方法的操作流程。通过对试验数据进行分析,得出船载单脉冲跟踪雷达快速标校方法标校结果满足设备指标要求,缩短了相位标校时间,提高了相位标校工作效率。     

基于改进SURF和P-KLT算法的特征点实时跟踪方法研究

 针对视频序列中运动目标的实时跟踪问题,提出一种基于改进SURF算法和金字塔KLT算法相结合的特征点跟踪方法。首先人工标定目标区域,利用改进的SURF算法分块快速提取具有高鲁棒性、独特性的特征点;然后在后续帧中应用金字塔KLT匹配算法对特征点进行稳定跟踪,采用基于统计的方法剔除错误匹配对;最后利用Greedy Snake分割算法提取轮廓确定更加精准的位置信息,更新目标区域。为使算法更具鲁棒性,还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真,结果表明:该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为31.8 ms,比SIFT+P-KLT跟踪算法减少47.1%;帧几何中心、目标轮廓面积平均误差分别为5.03像素、16.3%,分别比GFTT+P-KLT跟踪算法减少27.2%、56.9%,比SIFT跟踪算法减少38.6%、68.4%。