一种合成孔径雷达回波模拟器校准方法研究CSCD

针对目前合成孔径雷达回波模拟器图像校准方法存在的诸多不足,介绍了一种测量图像参数的方法。根据此方法建立的合成孔径雷达回波模拟器图像校准装置,可以通过对数据的正交解调、脉冲压缩、成像算法以及滤波等处理方法,实现合成孔径雷达回波的成像及校准。     

基于Matlab的被动型氢原子频标仿真模型研究CSCD

针对被动型氢原子频标的特点,分别建立了物理系统和伺服环路的仿真模型,搭建了氢原子频标的整个系统的闭环仿真模型。在开环和闭环两种情况下对氢原子频标进行仿真分析和实验验证。     

同心锥形TEM室结构设计及性能研究

针对目前场强探头在实际使用中无法进行宽带场强校准的问题,研制了同心锥形TEM室宽带场强校准系统,该系统可实现200MHz～40GHz频段内(1～200)V/m场强范围的场强探头频率响应、线性响应、场强幅度范围等参数的校准能力,为满足宽频带、大动态的场强校准需求打下良好基础。本文主要介绍同心锥形TEM室的阻抗匹配段和屏蔽门自顶向下的结构设计,并对其电性能进行了实验验证。     

基于X射线脉冲星导航试验卫星观测数据的到达时间估计

中国首颗X射线脉冲星导航试验卫星（X-ray Pulsar Navigation-1, XPNAV-1）搭载了两种体制的X射线探测器,其主要任务是在轨开展X射线脉冲星的探测以及进行脉冲星导航体制的验证。为了实现到达时间（Time of Arrival,TOA）的高精度估计,提出了利用阵列信号处理领域的多重信号子空间分类（Multiple Signal Classification,MUSIC）方法进行脉冲星导航的TOA估计,进行了试验仿真验证,并且对XPNAV-1观测到的蟹状星云（Crab）脉冲星的光子数据进行处理。在观测时间为协调世界时（Coordinate Universal Time,UTC）57727.0约简儒略日（Modified Julian Day,MJD）到UTC57812.0MJD内,选取了0.5~10keV频段内的121段光子观测数据,对这些数据进行了脉冲轮廓折叠,得到了Crab脉冲星的折叠轮廓,然后分别利用互相关法和MUSIC方法进行折叠轮廓的TOA估计,最后对比了两种方法的估计结果。     

MEMS陀螺阵列的RCC-OBE估计融合方法

为提高微机电系统（MEMS）陀螺的精度,提出一种基于松弛Chebyshev中心（RCC）的最优定界椭球（OBE）算法,并用于陀螺阵列信号的融合。以单个陀螺误差输出模型为基础,建立了阵列系统的机动融合模型;由于噪声统计特性的不确定会导致传统融合方法精度下降,引入仅要求噪声未知但有界的集员估计理论,运用OBE算法实现角速率信号的稳健估计;在OBE算法中,往往采用椭球几何中心作为真实值的点估计,但该中心并没有理论上的最优特性,而可行集的Chebyshev中心具有很多优良特性,同时,考虑到准确的Chebyshev中心求解十分困难,转而求解可行集的RCC,作为速率信号的点估计,设计了以RCC作为输出的OBE更新过程和新的参数优化准则。采用6个陀螺构成的阵列进行了验证试验,结果表明基于该算法的阵列估计融合方法在获得角速率保证边界的基础上,可以进一步提高MEMS陀螺精度。      

LEO enhanced Global Navigation Satellite System (LeGNSS) for real-time precise positioning services

Global Navigation Satellite System (GNSS) has been widely used in many geosciences areas with its Positioning, Navigation and Timing (PNT) service. However, GNSS still has its own bottleneck, such as the long initialization period of Precise Point Positioning (PPP) without dense reference network. Recently, the concept of PNTRC (Positioning, Navigation, Timing, Remote sensing and Communication) has been put forward, where Low Earth Orbit (LEO) satellite constellations are recruited to fulfill diverse missions. In navigation aspect, a number of selected LEO satellites can be equipped with a transmitter to transmit similar navigation signals to ground users, so that they can serve as GNSS satellites but with much faster geometric change to enhance GNSS capability, which is named as LEO constellation enhanced GNSS (LeGNSS). As a result, the initialization time of PPP is expected to be shortened to the level of a few minutes or even seconds depending on the number of the LEO satellites involved. In this article, we simulate all the relevant data from June 8th to 14th, 2014 and investigate the feasibility of LeGNSS with the concentration on the key issues in the whole data processing for providing real-time PPP service based on a system configuration with fourteen satellites of BeiDou Navigation Satellite System (BDS), twenty-four satellites of the Global Positioning System (GPS), and sixty-six satellites of the Iridium satellite constellations. At the server-end, Precise Orbit Determination (POD) and Precise Clock Estimation (PCE) with various operational modes are investigated using simulated observations. It is found out that GNSS POD with partial LEO satellites is the most practical mode of LeGNSS operation. At the user-end, the Geometry Dilution Of Precision (GDOP) and Signal-In-Space Ranging Error (SISRE) are calculated and assessed for different positioning schemes in order to demonstrate the performance of LeGNSS. Centimeter level SISRE can be achieved for LeGNSS.     

触地关机模式下的着陆器软着陆稳定性研究

以触地关机软着陆模式下的某型着陆器为研究对象,建立其软着陆过程的动力学仿真模型。基于仿真模型,结合优化方法与多岛遗传算法（MIGA）确定了着陆器的极恶劣地形工况参数,并利用径向基函数（RBF）神经网络建立了反映极恶劣工况下着陆器速度参数与稳定性指标值之间映射关系的代理模型。将着陆器速度参数做离散化处理得到样本点,利用神经网络模型计算了各样本点对应的软着陆稳定性指标值,基于计算结果给出了各项软着陆稳定性指标的云图和三维速度稳定性边界,并得到了综合各项稳定性指标的着陆器速度稳定性边界。分析结果可直观地确定保证着陆器安全着陆的速度取值范围,为着陆器速度的合理控制提供参考。      

基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法（GNSS-IR）,提出了一种基于支持向量机（SVM）的土壤湿度反演模型,利用遗传算法（GA）的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差（MAPE）仅为0.69%,最大相对误差（MRE）为1.22%,线性回归方程决定系数达到了0.956 9。进一步与统计回归、粒子群优化的SVM模型（PSO-SVM）及反向传播（BP）神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。