多学科设计优化技术在卫星设计中的应用

概述了多学科设计优化(Multidisciplinary Design Optimization,MDO)理论及其研究进展;结合卫星总体设计的特点和设计优化研究现状,分析了开展卫星总体MDO的难点,并指出了需要突破的关键技术;最后综合国内外MDO理论与应用研究的热点,提出了卫星总体MDO的发展方向。     

月面巡视器定向天线对地指向规划方法研究

针对月面巡视器的工作特点,对其定向天线进行对地指向规划。文章给出了天线波束中心方向矢量和地面站方向矢量的计算方法,并通过调整天线机构转角和巡视器姿态角使天线波束中心指向地面站。一种方法是将巡视器的姿态角作为输入参数,仅调整定向天线2个自由度的转角,即偏航角和俯仰角,实现对地指向;同时巡视器的姿态角也可进行调整,即用巡视器的运动适当地代替天线机构的运动,使定向天线实现对地指向。地面试验结果表明本文的规划方法可行、有效。     

一种星载GNSS-R海面风向反演方法

针对目前海面风场反演中风向反演困难,准确性低的问题,提出一种利用深度网络反演海面风向的新方法,该方法采用星载GNSS-R信号作为遥感源,根据海面反射信号特性与风向相关关系选择反演观测量,建立海面风向反演的深度网络模型。引入ReLU函数作为网络激活函数,并基于遗传算法(GA)优化了网络模型,对输入数据进行时空匹配与归一化处理,通过机器学习建立风向与输入变量的对应关系,利用深度网络模型反演得到海面风向,该方法反演结果的均方根误差εRMSE=18.14°,满足海面风向测量精度均方误差小于20°的一般测量要求,并通过两组对比试验验证了该方法的有效性和鲁棒性。     

基于RBF神经网络的非均匀阵列波达方向估计

通过构建RBF(径向基函数)神经网络测向模型对非均匀阵列的单信号源和多信号源进行来波方位估计。仿真实验表明,在非均匀阵列情况下基于RBF神经网络的DOA估计方法比常规的测向方法具有更高的估计精度和时效性。     

航天器太阳圆面速度差/太阳视方向组合导航

针对航天器，尤其是深空探测器的自主导航问题，提出了一种新的太阳圆面速度差天文量测信息，该信息利用太阳的较差自转所造成的太阳圆面各点速度不同的特性，是探测器当前位置的函数，其几何本质是一个探测器的位置圆锥。在此基础上，基于太阳圆面速度差和太阳视方向互补的特性，提出了一种太阳圆面速度差/太阳视方向组合导航新方法，将太阳圆面速度差与太阳视方向2种量测量结合起来，实现了量测量之间的优势互补，进一步提高了导航性能。以太阳探测器为例进行了仿真，仿真结果表明相比较于单独用太阳圆面速度差或太阳视方向的导航方法，基于太阳圆面速度差/太阳视方向的组合导航方法精度分别提升了10.2%和16.0%。此外，还分析了光谱仪精度、采样周期和光谱仪数量对导航性能的影响，为深空探测自主导航提供了新的理论与方法。     

极化敏感阵列的空间谱估计测向技术研究

传统的空间谱估计测向模型中没有考虑来波极化这一维度的信息,将其用于极化敏感阵列进行测向时会导致测向的灵敏度和精度下降。为此,对传统的空间谱估计测向模型进行了修正,加入对来波极化信息的考虑,提出一种极化敏感阵列的空间谱估计测向技术,并对该技术的可行性进行了研究。给出极化敏感阵列的空间谱估计测向模型,在此基础上,采用M USIC算法进行测向,并对影响测向精度的因素进行仿真。仿真结果表明,提出的极化敏感阵列空间谱估计测向技术可以实现极化敏感阵列的测向,所得结果对极化敏感阵列的测向问题具有重要意义。     

基于频域相关的宽带干涉仪测向新算法

提出一种基于频域相关的宽带干涉仪测向新算法,该算法利用DFT作为接收信道化的手段,在感兴趣频点上通过对不同接收通道的复频谱序列求互相关来估计通道相差,为在宽频带范围内对多个信号的频率和波达方向同时估计提供了一种新的途径。理论分析和仿真实验都表明该算法具有良好的性能。     

CCD敏感器系统测距测角技术的研究

进行了CCD敏感器系统用于空间飞行器交会对接中测量目标距离和角度的理论研究，计算机模拟结果表明了测量方法是可行的。通过对结果分析，得出了一些重要的结论。     

相位干涉仪测向定位研究

对实施被动无源测向定位的主要手段之一的相位干涉仪进行了较详细和系统的研究，给出了一维、二维和三维相位干涉仪的基本关系式，分析了测向精度，并对解相位模糊问题进行了探讨。以星载相位干涉仪为重点，导出了对辐射源相对定位的方程，并对定位误差进行了较详细的分析，导出了主要的计算公式。     

Learning relative directions between landmarks in a desktop virtual environment

This study presents two experiments that examine howindividuals learn relative directions betweenlandmarks in a desktop virtual environment. Subjectswere presented snapshot images of different virtualenvironments containing distinguishing landmarks anda road network. Following the presentation of eachvirtual environment, subjects were given a relativedirection test. The relative direction test involvedindicating the direction of hidden landmarks fromdifferent vantage points in the environment. Half ofthese vantage points were presented during thelearning phase, while the other half were novel.Results showed that subjects learned relativedirections between landmarks equally well when sceneswere presented in either a sequential or random order.Furthermore, viewing a configuration of landmarks ina desktop virtual environment from multipleperspectives produced a viewpoint dependentrepresentation in memory. Subjects had significantlygreater response times for new viewing perspectives,as compared to previously viewed scenes. Thisviewpoint dependent representation of the environmentpersisted despite learning under conditions ofspatio-temporal discontinuity and changes to anenvironmental frame of reference.