基于最大似然多径估计的卫星导航信号码跟踪算法与实现

卫星导航接收机需要精确的估计信号的扩频码相位并进行跟踪,估计的精度直接影响 伪距的测量精度。卫星信号的多径传播使得传统的基于DLL的估计器存在较大误差,提 出了一种抗多径的估计算法,它基于最大似然参数估计方法,并给出了该算法的推导过程, 仿真的结果表明该算法比传统的DLL跟踪环在性能上有很大的改进。结合传统卫星导 航接收机的实现结构,给出了一种整合了该算法的实现方案。     

基于时频二维估计的卫星导航失锁快速重定位技术

卫星导航接收机在天线受到遮挡或者弱信号环境中易出现信号失锁现象,信号恢复后的重定位时间成为接收机的一项重要性能指标。提出一种基于时频二维估计、适用于中低动态应用场景的失锁快速重定位技术,利用信号失锁前测量的载波多普勒频率和码相位等信息对失锁后的多普勒频率及码相位进行估计,信号恢复后直接启用信号跟踪,无需进行位同步和帧同步,即可实现快速重定位。对该技术进行工程实现及试验验证,结果表明信号输入功率高于–145dBm(积分时间为10ms)、失锁时间小于60s时,接收机重定位时间在1s以内。     

武器系统小样本场合下的区间估计

介绍了区间估计的一般方法 ,针对武器系统试验次数少的特点 ,讨论了小样本条件下武器系统战术技术性能指标的置信区间估计的估计方法 ,并以示例进行了说明     

嵌套阵列最大似然估计测向算法

针对在辐射源个数未知的条件下嵌套阵列难以估计多个辐射源角度的问题,提出了基于最大似然估计(MLE)的嵌套阵列角度估计算法。算法在嵌套阵列模型的基础上,首先通过推导阵列截获多辐射源信号的最大似然函数及其梯度,利用最速下降法估计出空域中所有潜在辐射源的角度;然后,通过多元假设检验,利用最大似然比与门限进行比较,确定出空域中所有潜在辐射源中某一时刻发射信号的活跃辐射源角度,排除其余噪声形成的虚假辐射源角度,解决了在辐射源个数未知条件下嵌套阵列对多个辐射源角度估计问题。仿真结果表明:与传统多重信号分类(MUSIC)算法相比,该算法在辐射源数目未知、存在相干信号、低信噪比(SNR)、低快拍数条件下,均具有较好的角度估计精度,并且算法形成的虚拟阵列自由度是空间平滑MUSIC算法的2倍;多元假设检验法比传统信源数目估计算法在低信噪比条件下和处理相干信号方面具有明显优势。     

基于PIV速度场测量的压强梯度计算

介绍了基于PIV速度场测量结果计算压强梯度的基本原理和3种不同的计算方法,并通过对流高斯涡模型系统研究了离散格式选取、PIV参数设置和流场特征等对压强梯度计算的影响.结果表明:PIV速度测量的精度是压强梯度计算的关键性影响因素,1%噪声对结果的影响比其他过程高约2个数量级;时间分辨率和空间分辨率的设置并非越高越好,而是有个合适的中间值;拉格朗日方法在大多数情况下优于欧拉方法,但当流动结构较复杂时性能较差,应根据流动类型和流场特征合理选取压强梯度计算方法.      

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

噪声调幅干扰信号波达方向估计研究

利用噪声调幅干扰信号频谱结构的特殊性,提出基于阵列接收信号载频处频域数据的波达方向估计算法,通过仿真分析表明该算法的角度估计性能明显高于目前广泛采用的比幅比相单脉冲测角法,并且计算量也大大低于传统的波达方向估计算法.     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上,提出了基于距离像熵和距离像对比度的速度估计算法,详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后,基于这两种算法又提出了复合速度估计算法,大大提高了速度估计精度。     

多轴振动台试验系统取得重大进展

本期魏军的论文《多轴振动台试验系统传递函数估计的数值仿真研究》中所介绍的多轴振动台试验系统,目前在北京卫星环境工程研究所取得了重大进展。     

根据两颗导航星信息估计捷联惯导系统误差的一种方法

针对高机动短时间飞行的飞行器,介绍了一种根据它相对2颗导航卫星的伪距离和伪速度信息,估计捷联惯导系统定位和定速度误差的方法.考虑到由确定飞行器相对每颗星的径向距离和速度的非线性方程施加的约束,根据这些误差矢量长度最小值的条件确定误差值.用空间解析几何法得出了计算捷联惯导系统误差估值的最终算法,这种算法能给出非线性最小值问题的精确解.