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。     

中国运载火箭技术发展

中国航天运输系统建设起步于20世纪60年代,经过近50年的发展,取得了举世瞩目的成就,建设了布局合理、覆盖全面的空间运输系统体系,能够将不同有效载荷发射到低、中、高不同轨道。国际合作方面,在搭载发射、商业卫星发射服务和在轨交付3个方面也取得了一定成绩。对中国航天运输系统发展成就进行了总结,对航天运输系统未来发展特别是人工智能技术应用进行了展望。     

WGS-84模型下时差频差半定规划定位算法

利用多颗卫星的时差频差对辐射源进行位置和速度的测量,其本质意义上是一个含有噪声项的高度非线性方程组求解问题,针对地面目标而言,可以采用基于WGS-84地球模型作为目标位置和速度约束,更进一步的增加了定位系统的复杂性。提出了一种基于半定规划(SDP)的定位解算法,将非线性方程求解问题通过适当的松弛,转化为半定优化(SDO)的问题,借助于业界较为成熟的CVX等优化软件进行定位求解,并研究了该模型条件下的克拉美罗下界(CRLB)。仿真结果表明,该算法能够较好地逼近克拉美罗下界。     

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。     

基于小波包变换及相关系数法的复合材料层合板冲击位置识别研究

复合材料较为广泛应用于航空、航天等工程领域,但对冲击载荷十分敏感。因此,对复合材料结构承受的冲击载荷进行在线监测以及冲击位置的实时识别具有重要意义。文章以复合材料层合板为研究对象,基于两个冲击位置的距离越靠近则接收到信号幅频特性相似度越高的特点,采用FBG光纤光栅传感器,通过小波包变换的方法来提取能量特征向量,同时结合相关系数法来实现复合材料层合板的冲击位置识别。在480 mm×480 mm的复合材料层合板上开展冲击实验,8次实验皆完成了冲击位置识别,其中7个点距离误差为0 mm,实现精准识别,另一个点误差在6%以内。     

转发式干扰下GPS定位精度的仿真分析

根据GPS转发式干扰的原理,建立了转发式干扰对GPS定位精度影响的数学模型.讨论了两种转发式干扰模式对定位的影响.最后通过计算机仿真分析得出了GPS转发式干扰对GPS定位精度影响的相关结论.     

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。     

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.     

未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。