卫星导航技术专题讲座(三) 第6讲 组合导航技术

组合导航是导航技术发展的重要方向。随着科学技术的发展,出现了多种导航手段,而各种导航手段都有自己的优缺点,在很多应用中依赖单一手段无法达到某些应用需求。为了获得更好的导航性能,可以将各种导航手段有机组合起来,互相取长补短,使整个导航系统的性能优化。常用的组合方式有惯性导航与卫星导航的组合以及多卫星导航系统的组合。未来也将会有新的导航手段和组合方式出现,推动组合导航技术不断发展。     

GPS干扰与抗干扰技术发展现状分析

首先从GPS信号特点入手分析了GPS信号的易干扰性,介绍了GPS干扰技术的基本原理及美国和俄罗斯目前常用的GPS干扰技术;然后详细介绍了目前常用的GPS抗干扰技术和提高GPS抗干扰技术的综合措施。     

通道失配对GNSS阵列抗干扰性能的影响分析

卫星导航接收机极易受到电磁干扰的影响,基于阵列接收机的空时(频)抗干扰技术被证明是目前最有效的抗干扰手段。在工程实现时,阵列通道存在通道失配,本文以统计性能的评估方法评估了通道失配对阵列抗干扰性能的影响。研究结果表明,通道间群时延偏差和幅度失配是导致阵列抗干扰性能下降的主要因素,前者可通过增加空时滤波器阶数来消除影响,而后者对空时滤波器阶数不敏感,需要进行必要的校正。     

基于聚合模型的高轨预警卫星威胁评估

高轨预警卫星威胁评估是导弹作战指挥辅助决策的重要环节，可以为指挥员的太空目标选择提供依据。在分析其威胁要素特征的基础上，提出了采用“聚合模型”开展威胁评估的方法，并给出了威胁评估步骤。通过分析美国高轨预警卫星的工作模式及作战流程，选取了扫描探测、凝视跟踪及外部等三个方面的关键性威胁要素，并构建了各要素的评价函数模型。基于上下层威胁要素之间关系的不同，给出了两种不同的聚合模型，采用该模型分析了所选要素之间的聚合关系，得到了高轨预警卫星威胁评估模型。最后通过实例计算，验证了该评估方法的可行性和实用性。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

基于约束条件的海上机动目标位置长期预测模型

海上目标运动模型已经有很多,但是对海上机动目标位置的长期预测问题还没有得到很好的解决。灰色系统理论是解决时间序列问题的有效工具,将其与海上机动目标的运动特点相结合,可以较准确地预测海上机动目标在未来较长时期内的位置分布,为引导卫星搜索海上机动目标提供理论依据。     

军用卫星的发展趋势分析

给出了军用卫星未来的发展趋势 ,包括成像侦察卫星、预警卫星系统、通信卫星系统和导航卫星系统的发展趋势 ,指出了小卫星应用的发展方式 ,归纳了卫星组网的设计方法和应用现状 ,最后分析了小卫星编队飞行的应用特点。     

基于恒虚警的多卫星信号快速盲检测算法?

在分析实际盲卫星通信信号的基础上，提出了一种对不重叠多卫星信号数量、中心频率进行实时估计的快速盲检测算法。算法基于恒虚警率准确地估计了噪声的统计特性进而设置了信噪分离的门限，并根据卫星通信信号的实际带宽特性实现了盲信号的检测。仿真结果表明，算法能够在较低的信噪比下实现对多卫星信号的快速准确盲检测，且与其他算法相比，该算法准确率高、通用性强，更能满足实际工程的需要。     

“动中通”系统中的跟踪识别技术

天线跟踪与卫星识别是"动中通"系统中的关键技术.首先在对各种跟踪方式比较分析的基础上,提出了一种基于惯性制导、程序跟踪和圆锥扫描跟踪的组合天线跟踪方案,缩短了系统搜索卫星的时间,提高了天线跟踪卫星的精度;而后通过分析卫星可供识别的特征,提出了应用解码后的数据流特征进行识别卫星的方案,降低了系统对传感器部件的精度要求,降低了系统成本.     

卫星导航系统信号的多普勒特性分析

在卫星导航定位系统中,多普勒频率偏移是影响接收机性能的关键因素之一。通过对地面卫星信号覆盖区内的多普勒频率偏移及不确定性范围的计算,给出了卫星导航系统信号的多普勒频率偏移与接收机位置之间的关系。对多普勒不确定范围做了定量分析,提出了压缩多普勒不确定范围的方法。