低轨飞行器利用GPS定轨的算法研究

详细讨论了低轨飞行器利用ＧＰＳ系统定轨的原理和方法。分析了低轨飞行器选星时应考虑的问题,并根据导航星及用户模型进行了选星试验;探讨了利用最小二乘法进行解算定轨;详细分析了卡尔曼滤波算法,针对低轨飞行器提出了一个九状态卡尔曼滤波模型,并在此基础上进行了仿真模拟计算。另外,根据用户对电源能量和可靠性的特殊要求,提出了一种比较实用的定轨方法。仿真结果表明,提出的方法在精度上满足用户的要求,适合于工程实际应用。     

一种时间欠采样实时频率和二维角估计方法

提出了用均匀平行线阵和阵元输出信号的时间延迟估计时间欠采样来波频率、方位角和仰角的方法．该算法在ＤＦＴ波束空间使用ＰＲＯＥＳＰＲＩＴ方法,实现频率无模糊估计,完成来波信号频率和角度的估计．频率间接估计算法是先估计数字频率,然后用数字频率求模拟频率,其估计方差比直接估计算法的方差要小几个数量级．仿真实验表明了算法的有效性．     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。     

基于EMD-CS的脉冲星周期超快速估计

面向X射线脉冲星周期估计的压缩感知（CS）中测量矩阵尺寸大,进而导致计算量大。针对这一问题,提出了一种基于经验模态分解-压缩感知（EMD-CS）的脉冲星周期超快速估计方法。将不同畸变度的脉冲轮廓进行EMD分解,得到一系列固有模态函数（IMF）。由于IMF包含了不同时间尺度的局部特征信号,脉冲轮廓畸变度这一微弱局部特征可体现在某些IMF中。采用迭代剔除法剔除冗余的IMF,剩下的IMF构成了测量矩阵。由于IMF的数量较少,采样率大幅减少。利用EMD-CS可实现X射线脉冲星周期超快速估计。通过计算复杂度分析结果可知,采样率与计算量呈正比关系。仿真结果中表明,EMD-CS的采样率为0.25%,仅为FFT-CS的1/29,因而计算量更小。     

GPS信号的码相位与多普勒频率联合捕获

分析了PMF FFT码捕获算法在不同频偏下的性能,针对其频率估计精度较低引起的部分频偏下的检测性能下降,提出了一种改进的码相位与多普勒频偏联合捕获方法。首先基于部分匹配滤波(PMF)相关算法得到一组匹配滤波输出;然后在PMF FFT算法基础上提出了一种利用FFT幅度差求解的低复杂度高精度迭代频偏估计算法,并利用此高精度的频率估计值补偿PMF输出,进行相干检测,从而在提高频率估计精度的同时提高了信号的检测概率,实现了高精度的频率估计与码相位捕获的联合处理。仿真结果表明检测算法可以有效改善频偏估计精度,提升检测概率,并且具有极低的复杂度。     

Neal-Smith准则改进分析

驾驶员在环振荡判定准则较多,其中Neal-Smith准则的应用较为普遍.但Neal-Smith准则并不能准确反映PIO趋势,与驾驶员评估结论也存在一定差异.根据Neal-Smith准则进行飞机纵向驾驶员在环振荡分析的基本方法与程序,结合系统频域响应估算工具,分析得出满足系统性能要求的驾驶员相位补偿和增益区域,并基于该区域面积定义了新的PIO判断准则.与现有Neal-Smith准则相比,新的PIO判断准则可反映一类和二类PIO趋势随闭环系统参数的连续变化情况.     

基于变分贝叶斯的星载雷达非线性滤波

星载雷达由于其探测范围广、距离远、全天候等优点,在预警防御系统中占有十分重要的地位。然而,由于观测平台的高速运动以及摄动干扰、传感器观测非线性等问题,使得星载雷达目标高精度跟踪带来严峻挑战。针对星载雷达非线性状态估计问题,采用一种基于变分贝叶斯的非线性滤波方法,该方法通过将非线性状态估计问题转化为优化问题,通过迭代优化获得了闭环解析解。此外,针对坐标变换中俯仰角量测缺失问题,提出了一种基于先验目标高度的俯仰角估计方法。通过数值仿真,验证了所提方法较传统非线性滤波方法,如扩展卡尔曼滤波、不敏卡尔曼滤波、转换量测卡尔曼滤波,具有更好的估计精度。     

基于相似变换的涡扇发动机智能动态推力估计方法

智能推力估计面临飞行包线大、工作状态多变带来的数据采集和处理问题,获得的训练数据难以覆盖整个飞行包线的各种过渡工作状态,为此本文提出一种基于相似变换的推力估计数据处理方法。通过机理分析选择推力估计器输入,以相似变换对推力估计的输入和输出数据进行处理,并设计了基于输入延迟的深层动态神经网络来实现动态推力估计。非训练数据区域的动态仿真结果表明,相似变换后,深层动态神经网络的最大推力估计误差降低了62.20%,平均误差降低了43.50%;未进行相似变换时,相比深层静态神经网络,深层动态神经网络的最大推力估计误差降低了43.42%,平均误差降低了2.35%,仿真结果表明了本文所提出的数据处理方法和动态推力估计结构有效性。     

环境一号卫星CCD相机相对定标数据处理

文章简要介绍了环境一号卫星CCD相机相对定标实验,分析了归一化系数法、两点法、最小二乘法的数学原理,然后运用分段归一化系数法、分段两点法、分段最小二乘法求取像元归一化系数,并进行了误差分析。     

广义Stokes问题的区域分裂解法及其事后误差估算

本文的主要目的在于将Ｌａｇｒａｎｇｅ乘子技术应用于广义Ｓｔｏｋｅｓ问题的非匹配网格上的区域分裂解法中;这种方法非常适用于有限元空间近似。Ｌａｇｒａｎｇｅ乘子是在分段常数函数的空间中近似的。同时,基于求解当地问题,我们还构造了离散近似的事后误差估算器,并基于此对网格进行了自适应处理。数值实验的结果验证了本文所发展的方法。