基于多传感器的卫星自主导航信息融合算法

通常卫星上装有较多的自主导航传感器,如何将其信息有效的组织并充分利用,是卫星自主导航的关键问题。采用信息融合技术把两种或多种导航系统组合起来,应用最优估计理论,形成最优组合导航系统,有利于充分运用各导航系统的信息进行信息互补和信息合作,已逐渐成为了导航定位技术的发展方向。文章针对星敏感器、红外地平仪、雷达高度计、紫外敏感器组成的卫星自主导航系统的特点,提出了一种基于联邦卡尔曼滤波技术进行轨道确定的信息融合算法。仿真结果表明,该方案能够获得较高的定轨精度,有效抑制滤波发散,整个系统的运算速度和收敛速度也有所提高。     

基于GPS RTK技术的惯导平台误差模型辨识

对在惯导平台车载试验误差模型辨识中使用全球卫星定位系统（GPS）载波相位差分（RTK）法进行了研究。建立了系统的状态与量测方程,将GPS RTK的整周模糊度作为一个状态进行估计,用基于平方根滤波的Kalman滤波器以防滤波发散。仿真结果表明：与单点定位GPS和伪距差分定位相比,GPS RTK法可明显提高辨识精度。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

Rao-Blackwellized粒子概率假设密度滤波算法

针对多目标跟踪（MTT）,提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法（RBP-PHDF）。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗（SMC）方法预测与估计概率假设密度（PHD）迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器（KF）对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。     

MIMO雷达的信号处理方法研究

在对多输入多输出（MIMO）雷达原理分析的基础上,研究了MIMO雷达的信号处理方法,并给出了两种信号处理实现方法。理论分析和公式推导表明,这两种信号处理实现方法具有相同的输出结果,计算机仿真结果也表明了结论的正确性。另外还对这两种实现方法的运算量进行了分析和比较。     

L波段微带抽头式交指带通滤波器的设计

文章分析了交指带通滤波器的结构特征,对抽头式输入输出结构进行了推导。利用Ansoft designer SV高频软件进行了仿真,通过实例验证了这种方法的有效性。     

基于双观测器的卫星姿控系统敏感器故障隔离

卫星的姿态测量部件通常包括光学敏感器和惯性敏感器,这两类敏感器的故障隔离是卫星闭环姿控系统故障诊断的难点之一。利用双观测器方法实现两类敏感器的故障隔离,由卫星姿态运动学方程可知,这两类敏感器的输出存在解析冗余,可建立一个"虚拟"系统。对这个系统设计两个不同的观测器,其中一个是Kalman滤波器,能检测两类敏感器的故障;另一个是隔离观测器,能检测光学敏感器的故障,通过比较这两个观测器的输出残差,达到故障隔离的目的。将该方法应用于包含太阳敏感器、红外地球敏感器和陀螺的卫星姿控系统的故障诊断,数学仿真结果验证了这种方法的有效性。     

基于局部均值差分的红外小目标图像背景抑制算法

复杂背景条件下红外小目标检测是提高红外武器系统探测距离的有效措施之一。针对小目标的特点提出了一种基于局部均值差分的红外小目标图像背景抑制算法。首先,通过优化的高通滤波进行初始背景抑制;然后,在分析小目标与背景像素差异的基础上检测目标潜在区域;最后,通过局部分割和特征分析实现抑制背景并增强目标。仿真结果表明,对于复杂地物及云层背景的红外图像,所提算法在提高目标信噪比及对比度方面均有较强的稳定性。     

基于均方根容积粒子的SMC-PHD算法

传统的序贯蒙特卡罗概率假设密度(SMC-PHD)算法采用状态转移密度作为重要性采样函数.当目标非线性运动时,少数粒子将具有较大的权值,导致估计精度低、结果发散.针对上述问题,提出了一种基于均方根容积卡尔曼滤波(SCKF)和统计门限技术的重要性采样函数设计方法.在重要性采样函数估计时,首先利用SCKF对重要性采样函数的均值和协方差阵进行预测,而后利用统计门限技术提取与重要性采样粒子相关联的量测.通过相应的权值对所提取的量测进行合并,更新重要性采样函数的均值和协方差阵.在此基础上将设计的重要性采样函数应用于SMC-PHD的强度预测和更新,最终实现多目标状态和数目的估计.实验表明,本算法在非线性多目标跟踪中具有精度高、估计结果稳定的优点.      

基于IRAPF算法的航天器姿态确定

针对航天器姿态确定系统中存在较大初始误差及非线性较强的问题,提出了一种基于改进的正则化辅助粒子滤波（IRAPF）算法的航天器姿态确定方法。该算法将正则粒子滤波（RPF）与辅助粒子滤波（APF）相结合,将快速高斯变换（FGT）方法引入其中以减少计算量提高滤波的收敛速度。算法不仅有效地抑制了粒子退化问题,而且利用最新观测粒子来优化采样,并且在引入FGT后计算量与正则化的辅助粒子滤波相比降低了30%,改善了滤波的实时性。仿真结果表明了滤波的有效性。