卫星姿态跟踪系统的鲁棒控制器设计

研究了具有参数不确定性和外部干扰的卫星姿态跟踪控制问题。针对这一类多输入／多输出不确定非线性系统，提出了一个基于不确定项上界的鲁棒输出跟踪控制器设计方法。应用输入／输出反馈线性化法和李亚普诺夫方法，设计了一个控制律，它可确保系统输出按指数规律跟踪期望输出。该控制器计算简单，易于实现。仿真结果表明：即使系统存在不确定性，仍可在闭环系统中实现精确的姿态控制。     

反坦克导弹飞行模拟训练成绩评定方法

以合理评价在反坦克导弹模拟训练器上受训射手的训练成绩为主要研究目的，通过对坦克外形的简化和坐标变换，建立了判断导弹命中坦克的数学模型；通过将理想瞄准点扩展成理想瞄准区域，建立了成绩评定的数学模型；在确保动画过程实时性的前提下，可全面合理地评价射击训练过程中射手的操作水平，为培训和选拔射手提供定量依据。     

一种新型数字高精度伪码快速捕获延迟锁定环的设计与实现

介绍了一种新型全并行快速捕获延迟锁定环的设计与FPGA实现,捕获时间小于等于一个伪码周期,抗干扰容限大于80 dB。此快速捕获延迟锁定环实现127路全并行捕获和高精度跟踪,仅需存储130个PN码表,相对于其他并行捕获延迟锁定环或串并结合的环路,存储量约小2/3,并具有较高捕获精度。     

用于被动寻的导弹的带末端落角约束的变结构导引律

使被动寻的导弹在较低的平飞弹道情况下，以较小的俯冲过载和最佳攻击姿态精确命中目标；采用带落角约束的变结构导引律，对弹目距离及距离变化率进行估计，克服被动寻的导弹不能测距的约束，同时使切换开关增益随时间自适应变化以减小俯冲过载；利用某型在研被动寻的导弹的气动参数，对此变结构导引律进行了数学仿真，仿真结果表明，在较低的平飞弹道约束条件下及过载要求范围内，该导引律能以期望落角命中静止与机动的坦克目标，对弹目距离变化率及距离的较大估计误差具有较强的鲁棒性。     

弹用涡喷、涡扇发动机发展概况

介绍了飞航式导弹主要动力装置的弹用涡喷、涡扇发动机的发展概况，包括发展历史、特点、技术现状，并论述了发展趋势。     

可视化技术在分析新型蓄冷材料——笼型化合物（Clathrate）溶解过程中的应用（一）、（二）

混浊液内部的流动，由于微粒子之间的相互作用以及因浊度高不易进行内部观察，所以无论是分析还是可视化实验都相当困难，存在着许多未弄清的问题。通过采用折射率匹配（Refractive-IndexMatching）技术，使透明的微粒子与透明的溶媒的折射率近乎相同，做成一种透明的“混浊液”，从而使混入其中的示踪粒子的运动轨迹能被摄像机捕捉到，并以微粒子的沉降和温度的干涉所引起的流动现象为焦点，利用图像速度测量法来处理分析所拍摄到的可视化图像，成功地获得了定量的混浊液内部的速度场，为进一步揭示混浊液内部自然对流的流动机理提供了实验依据。     

一种TASIMM-UKF导弹状态估计方法

为了提高对机动导弹状态估计的精度和速度,提出了一种三轴分离IMM-UKF(TASIMM-UKF)滤波算法。将导弹运动状态按坐标轴方向进行三轴分离,并基于CV,CA和CJ模型集,采用无迹卡尔曼滤波器并行估计导弹三轴状态信息,有效地解决了导弹不同运动轴间的模型竞争问题。仿真结果表明,该方法能有效提高状态估计精度,缩短了估计时间,对复杂大机动目标状态估计具有良好的性能。     

平台摇摆对卡尔曼滤波跟踪精度的影响

通过建立目标相对运动坐标系和目标相对运动观测模型,研究了在平台摇摆影响下,跟踪系统观测到的目标运动状态的变化。在分析捷联垂直基准补偿原理的基础上建立了捷联垂直基准平台摇摆角补偿模型,建立的模型结合捷联垂直基准系统的测量能力对其补偿算法进行了理论推导,使模型适用于实际捷联垂直基准系统。通过建立模型以及仿真研究了平台摇摆作用下卡尔曼滤波跟踪精度的变化,指出了摆造成卡尔曼滤波跟踪精度降低甚至离散的主要原因在于模型误差增大。设计仿真实验验证了结论的正确性,为进一步改进跟踪手段提供了理论参考。     

仿真代理在导弹制导半实物仿真试验系统中的应用

针对独立运行的导弹制导半实物仿真试验系统接入联合试验系统的问题，应用了仿真代理的方法。在对原有系统控制关系进行最小化的改造前提下，通过控制接口的转换，实现了半实物仿真试验系统与其它异类异构系统之间的互联，拓展了半实物仿真试验系统的应用。     

Real-time object tracking via least squares transformation in spatial and Fourier domains for unmanned aerial vehicles

This paper addresses the problem of real-time object tracking for unmanned aerial vehicles. We consider the task of object tracking as a classification problem. Training a good classifier always needs a huge number of samples, which is always time-consuming and not suitable for realtime applications. In this paper, we transform the large-scale least-squares problem in the spatial domain to a series of small-scale least-squares problems with constraints in the Fourier domain using the correlation filter technique. Then, this problem is efficiently solved by two stages. In the first stage, a fast method based on recursive least squares is used to solve the correlation filter problem without constraints in the Fourier domain. In the second stage, a weight matrix is constructed to prune the solution attained in the first stage to approach the constraints in the spatial domain. Then, the pruned classifier is used for tracking. To evaluate proposed tracker's performance, comprehensive experiments are conducted on challenging aerial sequences in the UAV123 dataset. Experimental results demonstrate that proposed approach achieves a state-ofthe-art tracking performance in aerial sequences and operates at a mean speed of beyond 40 frames/s. For further analysis of proposed tracker's robustness, extensive experiments are also performed on recent benchmarks OTB50, OTB100, and VOT2016.