中值滤波方法在遥测数据处理中的应用

叙述中值滤波方法的原理 ,讨论该方法在遥测数据处理中的应用 ,并进行效果分析     

GPS／惯性组合导航系统导航性能的仿真与分析

本文从卡尔曼滤波的基本原理和几何精度因子GDOP的物理意义出发,并结合实例的仿真计算结果,讨论GPS/惯性组合导航系统的定位和测速精度。结果表明:由于位置和速度的双重组合,且由于卡尔曼滤波具有利用以前所有测量值的能力,以及综合利用GPS和惯导信息的能力,所以组合系统的精度虽仍与GDOP有关,但却高于单独利用GPS接收机点解法得到的定位和测速精度,其中定位精度的提高更为显著。     

光学景象匹配基准图的滤波方法研究

对光学景象匹配制导的实时图与基准图的特点进行了对比，分析了前人提出的实时图常用的滤波方法，认为这些方法并不完全适用于基准图的波波处理。然后根据基准图的特点提出了和同态滤波及最小方差滤波的两步法对基闪图进行滤波，这一方法特别适用于因薄云覆盖而引入的低频噪声的处理，并同时兼顾了图像的增强与恢复。通过实验证明，该方法效果良好，对于光学景象匹配基准图的预处理具有一定的实用价值。     

基于控制有效性因子的卫星姿态控制系统在轨重构容错控制

研究了在轨卫星姿态控制系统发生可修复性故障状况下的重构容错控制。首先在星敏感器对陀螺的标定模型中引入控制有效性因子，并利用二级卡尔曼滤波算法求解其值，以说明系统的控制有效程度。然后采用统计假设检验通过其幅值变化判断系统是否存在故障，当故障发生时，引入重构容错控制器对原控制器进行补偿控制。最后，建立卫星闭环姿态控制系统对算法进行了仿真验证，仿真结果表明该算法快速可靠，能够满足在轨卫星姿态控制系统故障状况下的性能要求。     

自动相关监视系统的研究与开发

介绍了自动相关监视系统的基本概念，构成原理和与实施相关的研究与开发工作，特别是重点介绍了以ＰＣ机为基础的ＡＤＳ信息处理系统的成果，最后还介绍了ＡＤＳ运行情况。     

机载目标状态估计器

研究基于空载雷达测量下的机动目标状态估计器的设计问题。通过建立直角坐标状态方程和选取一种伪测量量，并采用测量模型线性化的方法，建立起了估计器的基本结构，在此基础上增加距离通道的冗余滤波，进一步提高距离通道的估计精度，最后将估计器联入整个综合火力／飞行控制系统中，进行了Ｍｏｎｔｅ Ｃａｒｌｏ仿真，仿真结果表明，设计的目标状态估计器具有很好的跟踪估计性能。     

短波信道多普勒扩展仿真与实现

针对直接FIR滤波和多级内插滤波生成衰落因子的算法中存在算法复杂度高、计算效率低、存储空间大等问题,文章研究了一种多级迭代滤波的算法,以降低算法复杂度和减少存储空间,实时生成衰落因子;并进行了算法的复杂度分析和仿真实现,验证了算法的有效性.     

简化七阶CQKF及其在SINS大失准角初始对准中的应用

针对捷联惯性导航系统（SINS）大失准角初始对准的滤波过程，提出简化七阶正交容积卡尔曼滤波算法（7th-SCQKF）。根据简化容积卡尔曼滤波(CKF)理论，推导出改进的简化七阶CKF算法（7th-MSSRCKF），改进了原简化七阶CKF（7th-SSRCKF）的性能；同时，在7th-SSRCKF和7th-MSSRCKF基础上，引入正交半径准则，提出简化七阶CQKF（7th-SCQKF）算法，提高了滤波精度；并将简化七阶CQKF（7th-SCQKF）算法应用到SINS的大失准角初始对准仿真中，结果表明，7th-SCQKF比7th-MSSRCKF的滤波精度高，验证了新算法的正确性和有效性。     

低成本IMU／GPS组合导航系统研究

ＧＰＳ／ＩＮＳ组合导航系统已在一定领域得到应用，而ＩＮＳ昂贵的价格限制了它的广泛应用，本文采用低成本惯性测量组件（ＩＭＵ）设计了低成本ＩＭＵ／ＧＰＳ组合系统的硬件和相应的软件，进行了静态实验和数据处理，系统的俯仰角和横滚角误差均小于０．２°，实验结果表明，低成本组合系统的性能较好，而其性能价格比更高。     

A Self-organizing Bearings-only Target Tracking Algorithm in Wireless Sensor Network

In the bearings-only target tracking, wireless sensor network (WSN) collects observations of the target direction at various nodes and uses an adaptive filter to combine them for target tracking. An efficient network management is necessary to gain an optimal tradeoff between locating accuracy and energy consumption. This article proposes a self-organizing target tracking algorithm to select the most beneficial subset of nodes to track the target at every snapshot. Compared with traditional methods, this scheme avoids the need for keeping global position information of the network as in greedy selection. Each node judges its future usefulness depending on the knowledge of its own position and using simple mathematics computation. Simulations indicate that this scheme has locating accuracy comparable to the global greedy algorithm. Also, it has good robustness against node failure and autonomous adaptability to the change of the network scale. Furthermore, this algorithm consumes limited energy because only a portion of nodes partakes in the selection at every snapshot.