基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

阵列高分辨方位估计方法统计性能分析

在简要回顾近年来阵列高分辨定向技术发展的基础上,从算法机理出发,对目前出现的各种高分辨定向算法进行合理分类。重点对一批典型算法的多目标定向性能进行统计分析,并利用统一的仿真模型对它们的估计精度和分辨能力进行比较,结论为：MUSIC,Mini-Norm两种方法的实用性较强,而WSF,IMP,TLS-ESPRIT等方法具有较高的理论研究价值,有待进一步开拓其实用性。     

多传感器数据融合的平均航迹算法

提出了一种适用于分布式多传感器的平均融合算法,对其算法机理进行了详细描述。对融合算法、未融合算法和算术平均算法三者的跟踪航迹和方差进行了仿真比较。仿真结果表明,融合算法优于算术平均算法和未融合算法。它提高了跟踪精度,改善了航迹质量。尤其在多传感器跟踪系统工作异常的情况下具有独特的优良位能。     

运算放大器SET效应的试验研究

模拟器件的单粒子瞬态脉冲效应的研究, 成为近来国际上单粒子效应研究的热点. 针对中国生产的运算放大器SF3503, 利用脉冲激光单粒子效应测试装置, 试验研究了SF3503工作于反相放大器与电压比较器模式SET效应的特征与规律. 获取了器件的敏感节点分布、LET阈值和SET脉冲波形的特征参数, 其中器件的敏感节点均分布在输入级与放大级, LET阈值不大于1.2 MeV•cm2•mg-1, 电压比较器产生的最大SET脉冲的幅度达27 V、脉冲宽度为51μs. 试验表明SF3503对SET效应极其敏感, 在不采取任何措施的情况下, 在空间任务中直接使用, 会严重影响系统的可靠性.      

空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

微小型热层大气风场仪能量分析器设计优化

为满足低轨航天器高精度大气阻力分析及热层-电离层耦合机理研究需求,需要开展基于皮纳卫星的热层大气全球组网探测。文章对一种基于平行平板式静电场能量分析器的热层大气风场仪原理进行分析,指出其可获得热层大气沿着和垂直于卫星轨迹的风速,并利用COMSOL多物理场仿真软件对能量分析器进行优化设计,使得离子的能量分辨率和最大通过率分别较优化前提高1倍和1.5倍。     

基于蒙特卡罗射线追踪的航天器空间环境因素暴露通量统一计算方法

航天器空间环境效应分析评估的首要条件是获取空间环境因素的暴露通量。文章分析总结了蒙特卡罗方法在原子氧、微流星体、太阳光压、气动力、辐射剂量、材料放气污染等环境因素暴露通量计算中的应用,提出基于蒙特卡罗射线追踪方法实现统一的空间环境因素暴露通量计算,并给出计算流程及初步验证。统一算法的计算结果与理论值(或文献值)符合较好,证明其能够正确计算环境因素暴露通量。     

一种基于贝叶斯估计的高分辨目标定向新方法

提出一种高分辨方位估计新方法。它是建立在阵列输出信号和噪声参数联合后验概率密度基础上的空间谱估计。仿真结果表明,该方法具有以下几个显著的优点：①极高的空间分辨率和估计精度;②可解相干源;③低信噪比、少快拍数的情况下很有潜力;④可以估计不同方向目标源的能量;⑤具有较好的工程应用前景。该方法和ＭＵＳＩＣ方法的性能进行了比较并给出计算机仿真结果。     

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.