一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

机载遥测发射天线的定位及安装技术

从航空飞行试验的实际特点出发,阐明了航空机载遥测发射天线的定位及安装与遥测数据传输质量、试飞安全的关系;陈述了机载遥测发射天线的定位、安装的基本原则和质量验证方法。介绍了几种天线的具体安装案例并提出了用多维计算技术对机载遥测发射天线进行定位和设计新的机载遥测发射天线的设想。     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

非均匀间距的低副瓣宽带微带阵列天线设计

为降低天线副瓣电平（SLL）和展宽带宽,设计了一款谐振频率为14.25 GHz的16阵元非均匀间距的耦合馈电微带阵列天线。天线采用多层设计,通过在接地板开矩形槽进行耦合馈电,并引入空气层,降低天线Q值,增大带宽。区别于均匀间距阵列天线的激励幅值加权,从阵元间距角度入手,利用差分进化算法降低副瓣电平,构建非均匀间距并联线阵天线。用槽面辐射的能量近似代替阵元接收的能量,观察阵元功率分配情况,并建立馈电网络所有馈线段的数学关系,保证非均匀间距条件下所有阵元为等幅同相激励。测试结果显示,天线在14~14.5 GHz范围内电压驻波比小于2,满足了卫星动中通的带宽要求;工作带宽内增益大于16 dB,副瓣电平低于-16 dB,性能优于均匀间距阵列天线。      

斜激波总压损失率极小值理论解与物理意义

以法向马赫数作为激波强度表征量,对斜激波关系式进行重新推导,得到了穿过激波总压损失率极小值的理论解。控制方程表达式为激波角对物面角的线性函数。依据斜激波总压损失率极小值解析公式,首先,绘制了针对超声速流总压损失率应用的楔形角-激波角-马赫数的斜激波效率图。其次,通过生成斜激波三维总压损失率等值线图,呈现了总压损失率在楔形角-激波角-特征马赫数空间上的分布规律。此外,利用斜激波效率图,揭示了等总压损失率条件下马赫数与激波角的对称双解现象。     

深空测控通信中GMSK体制非相干解调算法研究

针对深空测控通信中GMSK体制非相干解调损失较大的难点,提出了一种改进的GMSK信号非相干维特比解调算法。通过分析相位状态网格图中相位转移规律,建立理论仿真模型。通过原理样机的研制和测试,实测数据表明：该算法具有解调损失低、实现复杂度适中的优点;相比于理论的最佳相干解调算法,在误码率1×10 -4 量级下,实测仅损失0.6 dB。目前该算法已应用于国内某深空测控通信系统GMSK体制基带设备中,并成功解调出欧空局Herschel–Planck卫星数据。     

遗传算法综合阵列的幅度和相位方向图

分析了阵列方向图分别为对称、实的或实的且对称时所对应的单元激励关系,简要介绍了遗传算法,并将其用于阵列方向图综合.遗传算法是一种自适应全局优化概率搜索算法,它直接以目标函数作为搜索信息.通过合理地设计目标函数,遗传算法不仅可以综合幅度方向图,还可以综合相位,适合于需要进行幅度和相位补偿的情况,以及多目标的情况.最后,结合平顶波束方向图与抛物面天线初级馈源的正割平方方向图进行综合,证明了遗传算法的有效性和灵活性,说明使用遗传算法时尽量利用方向图的实的或对称特性,可以减少待优化变量的数目,加快收敛.并提出将传统遗传算法与传统方向图综合方法相结合,可以进一步减少得到最优解所需要的进化代数.     

基于脉冲样本图和Vague集的雷达辐射源识别

针对现有雷达信号特征描述方式很难有效地对复杂雷达辐射源进行描述和识别,提出一种基于脉冲样本图和Vague集的雷达辐射源识别新方法。该方法把雷达辐射源识别问题转换为Vague集的多属性决策问题,不仅能很好地解决雷达信号识别中的模糊问题,而且无需传统方法的特征提取过程,简化了处理环节。另外,基于脉冲样本图的雷达辐射源识别是利用有序的多个脉冲同时匹配识别,因此更可靠。计算机仿真表明该方法是有效可行的,为复杂雷达辐射源识别提供了一种新思路。     

一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。