极弱信号环境下GPS位同步和载波跟踪技术

为解决环路未锁定、无法找出正确的导航数据位跳变点时极弱全球定位系统(GPS)信号跟踪问题,通过分析信号跟踪模型和相关器1 ms采样数据特性,将最优路径动态规划算法应用于GPS位同步,并提出基于平方根无迹卡尔曼滤波(SRUKF)和位同步结合的载波联合跟踪算法。建立了适合位同步的SRUKF载波环参数估计模型,针对位同步的实现条件和无相位频率先验信息的情况,将位同步模块提前,研究设计了环路未锁定时串行和并行两种弱信号跟踪方案。位同步跟踪完成后环路采用单独的SRUKF工作方式。实验结果证实该文提出的算法具有较高的数据位边缘检测概率(EDR)和参数估计性能,而无须关心环路是否处于锁定状态,能够对载噪比低至22 dB/Hz的弱信号实现跟踪。     

不同粘合剂RDX/AP推进剂燃烧产物的分析研究

以聚醚、HTPB、NEPE三种不同粘合剂体系的RDX／AP少烟推进剂为研究对象，用裂解色谱-质谱联用技术分析了它们的裂解产物的组成。发现推进剂中所采用的粘合剂类型不同时，其裂解产物的组成和含量不同，NEPE少烟推进剂基峰44占70％，聚醚少烟推进剂基峰44只占10％，这是造成两类推进剂压强指数不同的原因。     

机电产品寿命与可靠性综合验证试验技术研究

 大量机电产品既有可靠性指标要求,又有寿命指标要求,且在研制阶段结束时,需通过试验给出两种指标的验证结果。在对寿命与可靠性综合验证试验的可行性研究的基础上,提出了对其可靠性与寿命指标同时进行综合验证的试验方案。主要介绍该试验方案中的关键内容 :试验时间、失效 (故障 )判据、试验接收与拒收的判决准则的确定、试验结果的评估方法等。该试验方案的应用,为部分机电产品的寿命与可靠性试验验证提供了一个合理的、高效费比的技术途径。     

钢铁产品海上运输管理信息系统的设计与实现

介绍了本溪钢铁集团公司产品从出厂运输到港口，再经海上运输最终到达客户整个运输业务数据的网络管理信息系统的设计与实现，以及该系统的主要功能和特点。该网络信息系统由一台服务器、3个客户机及2个远程客户机组成，在Windows2000的网络平台上，共享服务器端的VFP6数据库系统；在各客户机，采用VFP6中文企业版进行应用程序的开发。     

基于铱星/INS组合定位技术在船舶中的应用研究

GNSS拒止环境下惯性/GNSS组合导航系统的性能会严重恶化,通过利用并提取机会信号中的有用观测量,可以实现机会信号和惯性系统的联合动态定位。提出了利用铱星/INS组合定位技术实现船舶的动态定位。首先深入研究了铱星的信号体制,建立了利用铱星瞬时多普勒频移进行定位的算法模型;然后,提出了利用基于扩展卡尔曼滤波(EKF)技术的铱星机会信号与INS组合定位算法;最后,通过船舶航行实测数据对所提算法进行了试验验证。结果表明,提出的利用铱星机会信号和INS组合定位方法可以有效改善无GNSS信号条件下的INS定位精度,在GNSS信号拒止环境下解决了船舶定位问题,具有重要的研究意义和实用价值。     

核磁共振陀螺信号仿真及噪声分析

核磁共振陀螺具有体积小、精度高、功耗低等优势,有望成为下一代惯性导航系统的核心部件,目前正受到人们的广泛关注。比较全面的介绍了核磁共振陀螺的基本理论,在此基础上利用时间离散化方法推导并建立了能够充分考虑核磁共振陀螺系统动态特性的仿真模型。利用该模型研究分析了锁相环相位、磁场、温度以及探测光强在1×10-5均方根幅度下均匀白噪声对陀螺信号的影响,发现它们对角随机游走、零偏不稳定性影响依次减小,且都具有自身独特的频率响应特性。其中,锁相环相位噪声引起的角随机游走与零偏不稳定性分别为5.1985×102(°)/h1/2、3.4593×103(°)/h,而探测光强噪声引起的角随机游走与零偏不稳定性分别为3.1623×10-1(°)/h1/2、4.7603×10-1(°)/h。该研究对深入分析核磁共振陀螺动力学机理、寻找主要噪声来源、提高陀螺性能具有重要意义。     

同步整流技术在航空发动机信号测量中的应用研究

简要介绍了同步整流技术的原理,提出了以同步整流技术测量航空发动机磁感应式传感器信号的方法,实现了信号测量准零温度漂移的目的。     

军用直升机数字化研制技术分析

通过对产品数字化定义技术、制造集成系统技术、仿真技术和并行工程管理方法的介绍,对我军用直升机的数字化研制技术进行探讨。     

一种SAR原始数据压缩新算法

 由于合成孔径雷达（SAR）原始数据的相关性很低,直接压缩原始数据是比较困难的。因此提出一种新算法,先对SAR原始数据做距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向做线性预测,并对预测差值系列做块自适应量化。实验表明,在相同比特率条件下,该算法得到的数据域信噪比和图像域信噪比均比块自适应量化(BAQ)算法高,计算量远小于有关文献给出的距离聚焦后的压缩方法,具有一定实用价值。     

A Polynomial Prediction Filter Method for Estimating Multisensor Dynamically Varying Biases

The estimation of the sensor measurement biases in a multisensor system is vital for the sensor data fusion. A solution is provided for the estimation of dynamically varying multiple sensor biases without any knowledge of the dynamic bias model pa- rameters. It is shown that the sensor bias pseudomeasurement can be dynamically obtained via a parity vector. This is accom- plished by multiplying the sensor uncalibrated measurement equations by a projection matrix so that the measured variable is eliminated from the equations. Once the state equations of the dynamically varying sensor biases are modeled by a polynomial prediction filter, the dynamically varying multisensor biases can be obtained by Kalman filter. Simulation results validate that the proposed method can estimate the constant biases and dynamic biases of multisensors and outperforms the methods reported in literature.