卫星钟差预报的Kalman算法及其性能分析

钟差预报是卫星导航系统应用中的一项关键技术。Kalman算法作为一种最优预测算法,在原子钟时间尺度、GPS钟差预报中得到了广泛的使用。但是,GPS钟差预报的Kalman模型中通常只考虑了钟差的确定性部分,将随机性部分简单作为白噪声处理。对随机性部分采用幂律谱模型,分析了Kalman算法用于卫星导航系统钟差预报的性能和适用条件。论文首次详细讨论了钟差变化中的确定性部分和随机性部分对钟差预报误差的影响;文中还完善了前人文献中利用阿伦方差计算Kalman预报噪声方差阵的推导;最后利用IGS数据,比较和分析了四种情况下Kalman预报、递推最小二乘和灰色系统GM(1,1)预报精度。结果表明在数据充足的情况下,对于一天内的短期预报,Kalman算法精度最高,预报结果与IGS事后精密钟差的标准差小于10ps。
     

具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大，计算量随群规模指数增长，可扩展性差等诸多不足，提出了一种基于超松弛迭代（SOR）的分布式多智能体轨迹估计算法，通过将最大似然（ML）准则下的轨迹估计转化为两级线性优化问题，并综合利用分布式超松弛迭代（Distributed SOR）和标记初始化方法，加快求解速度并简化信息交换流程，最终实现了多智能体位姿轨迹优化和协作定位。实验表明，所提的分布式方法能达到集中式算法的精度水平，在49个智能体规模条件下，位置估计误差小于0.15 m，姿态估计误差小于0.03°，且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%，能很好用于大规模集群的场景。     

陀螺与磁强计组合定姿及漂移估计算法优化

针对陀螺长时间积分定姿精度受陀螺角速率漂移影响,单独利用磁强计不能连续确定三轴姿态的问题,提出了陀螺与磁强计组合定姿算法,利用磁强计估计的姿态误差校正陀螺积分姿态,并基于PI滤波估计陀螺漂移。仿真验证表明,基于陀螺与磁强计组合定姿的姿态确定精度为1°左右。陀螺与磁强计PI滤波组合定姿算法简单有效,适合在纳星、皮星等微小卫星上应用。     

每月小抄

【2011年8月20】[UFO]上海、河北、山西等地上空出现奇异现象。这一不明物体首先在内蒙古西部上空被发现。高度估计在三四百千米。不明物体为光团形，直径约400千米．从不同角度看都是圆形，表明它是球状。而且光团持续时间较长。估计有十来分钟，重心移动很慢。     

卡尔曼滤波在仿真测试转台控制中的探讨

在测量误差分析和系统建模的基础上,采用卡尔曼滤波理论,研究了噪声环境下的角位置、角速率等运动状态的实时估计方法,并应用估计方法,进行了系统数字仿真和对实际量测数据的处理、比较和验证,实验结果表明算法对状态估计的性能提高是有效的。     

到底有多大?

<正>随时都有数字丢在我们眼前,而且经常用来吓唬我们,例如:"今年鲨鱼攻击事件增加了1倍!"或"在飞机上如果使用婴儿安全坐椅,就能挽救数十条小生命!"数字也常用来引诱我们:"本期乐透累积奖金1亿!"当然,我们还得靠数字来认识周遭的世界:     

探讨矩阵特征值的估计和定位

本文对矩阵特征值估计和定位问题的两个重要结论，Ｇｅｒｓｃｈｇｏｒｉｎ圆盘定理和Ｏｓｔｒｏｗｓｋｉ圆盘定理进行深入研究，并给出便于应用的定理１，定理２和定理３。     

使用Trimble Geomatics Office等商业随机软件应注意的几个问题

通过对Trimble Geomatics Office等随机软件的实际应用,提出一些数据质量控制措施.根据随机软件网平差功能的特点,通过对所有基线网和独立基线网的对比分析,得出选择独立基线网平差更合理、测量结果更可靠的结论.     

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析，提出了一种非参数加窗稀疏协方差迭代分析（Sparse Iterative Covariance-based Estimation，SPICE）法。该方法通过引入局部化的窗函数，并在窗内对信号建立非参数化的时频模型，以获取非平稳信号的局部时频特性。分析表明：给出的非参数时频模型，可通过加权最小二乘（Weighted Least Square，WLS）进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时，提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明：与传统方法相比，提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。     

太赫兹天线无相测试方法

文章给出了一种仅由幅度信息重构天线远场方向图的平面近场方法,以及由两组相互正交的线极化分量幅度信息获取圆极化天线方向图的远场（紧缩场）测试方法,并对该方法进行了实验验证。