运动单站干涉仪相位差直接定位方法

针对传统干涉仪测向定位在低信噪比(SNR)下性能降低、多频段系统复杂等缺点,本文直接利用运动单站干涉仪模糊相位差(PD)实现对地面静止辐射源定位.为解决该定位问题,结合干涉仪相位差的几何特性,提出了一种多角度距离参数化高斯和滤波(MB-RP-GMF)定位解算方法,利用相位差误差检测获得多个初始方位角,通过距离参数化得到一组滤波初始值,采用扩展卡尔曼滤波(EKF)进行定位计算.仿真结果表明,该定位方法在低信噪比下优于仅测向(BO)定位,且仅采用一组干涉仪便可对多个频段辐射源进行定位.     

Reliable flight performance assessment of multirotor based on interacting multiple model particle filter and health degree

Multirotor has been applied to many military and civilian mission scenarios. From the perspective of reliability, it is difficult to ensure that multirotors do not generate hardware and software failures or performance anomalies during the flight process. These failures and anomalies may result in mission interruptions, crashes, and even threats to the lives and property of human beings. Thus, the study of flight reliability problems of multirotors is conductive to the development of the drone industry and has theoretical significance and engineering value. This paper proposes a reliable flight performance assessment method of multirotors based on an Interacting Multiple Model Particle Filter (IMMPF) algorithm and health degree as the performance indicator. First, the multirotor is modeled by the Stochastic Hybrid System (SHS) model, and the problem of reliable flight performance assessment is formulated. In order to solve the problem, the IMMPF algorithm is presented to estimate the real-time probability distribution of hybrid state of the established SHS-based multirotor model, since it can decrease estimation errors compared with the standard interacting multiple model algorithm based on extended Kalman filter. Then, the reliable flight performance is assessed with health degree based on the estimation result. Finally, a case study of a multirotor suffering from sensor anomalies is presented to validate the effectiveness of the proposed method.     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

基于光纤F-P可调谐滤波器的有害气体检测方法

光谱分析法在气体成分监测领域有着广泛的应用,实现小型紧凑高分辨率的光谱测量装置是热门的研究课题。文章创造性的提出了基于光纤法布里-帕罗（F—P）的可调谐滤波器提高吸收光谱分辨率,为构建紧凑高分辨率的光谱仪提供了一种新的方案。基于光纤F-P的可调谐滤波器成功实现了微型光栅光谱仪（分辨率约1nm）对甲烷吸收光谱的测量,对比无光纤F—P可调谐滤波器直接测量的结果,该方法测得的吸收光谱强度至少提高了一个数量级。此研究成果可用于紧凑高分辨率的星载气体检测仪的研制。     

一种遥感图像建筑物检测新方法

遥感图像中的建筑物检测对于土地规划和地图绘制等具有重要意义。文章针对高分辨率全色遥感图像植被覆盖中隐蔽建筑物检测问题,提出了一种结合屋顶结构信息和纹理信息的快速房屋检测方法。首先利用屋顶边缘的几何关系寻找具有矩形屋顶的建筑物;然后使用形态学方法提取屋顶较亮的建筑物;最后利用局部二值模式（Local Binary Pattern,LBP）描述屋顶的纹理特征,并利用支持向量机（Support Vector Machine,SVM）排除误检区域。通过在全色遥感图像集上的试验证明,所提方法对高分辨率遥感图像植被覆盖区域中的建筑物目标具有较高检测率和较低误检率。     

微波光子技术在电子对抗中的应用

由于光子技术的宽带和低损耗优势,微波光子技术已经在电子对抗领域中尤其是在微波信号的产生、处理、控制及传输等方面引起了强烈关注.着重阐述了微波信号的光子方法产生及处理、光子微波滤波器、光真延时波束形成以及光学A/D模数转换等技术,最后给出了结论.     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

微小推力下小卫星的轨道递推与推力标定

针对采用微小推力进行轨道机动的小卫星,考虑复杂摄动力的基础设计了一种高精度轨道外推和推力在轨标定算法.首先,建立了考虑地球复杂摄动力和微小推力的小卫星轨道动力学模型;然后基于动力学模型,利用变步长龙格库塔算法,设计了对微小推力小卫星进行高精度轨道外推的方法.随后通过无迹卡尔曼滤波器(UKF),设计在轨标定算法,对存在误...     

基于PSO算法的半球谐振陀螺惯导系统陀螺温度补偿方法

针对半球谐振陀螺受温度影响出现零位漂移的问题，以测温电路温度为基准，建立温度频率函数实时解算温度，提出一种基于粒子群优化(PSO)算法的半球谐振陀螺惯导系统陀螺温度补偿方法。在求解温度时，需要先将温度频率函数转换为一元三次方程，存在测试计算量大的问题。引入逆向拟合思想，建立频率温度函数，提高陀螺输出温度实时性和降低测试计算量，替代了传统陀螺测温硬件电路，为惯导系统轻小型设计提供新思路。考虑温度变化、温度变化率以及两者的交叉项，建立温度补偿模型，引入PSO算法求解模型系数。温度试验结果表明，在温箱温度为-40~50 ℃内，补偿后的半球谐振陀螺的零偏稳定性较补偿前提升了46％。     

飞行器数字姿控系统数字校正滤波器参数优化设计

本文提出一种数字校正滤波器Z域最佳逼进设计算法,根据数字滤波器期望特性,在Z平面上直接优化设计滤波器参数,这种算法对任何形式的数字校正滤波器(递归式和非递归式)均是适用的。