FBCB2系统的作战应用及未来发展

FBCB2是美国卫星导航、卫星通信、卫星遥感等航天系统与地面及空中通信系统、图像获取系统集成的一体化系统,是天、空、地系统综合应用的典范.介绍了FBCB2系统的性能特点及其在部队中的配备情况,在作战中的应用情况,就目前美国对FBCB2系统所进行的完善改进工作进行了分析.     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

舰炮武器系统的总体配置方案及关键技术

针对舰炮武器系统在对岸射击中的不足之处,分析了舰炮武器系统对岸射击时对导航系统的需求,对基于导航定位系统的舰炮武器系统的总体配置设计方案和关键技术进行了探讨;给出了系统整体构架及系统工作原理,指出了关键技术如何实现。为舰炮武器系统的设计及提高舰炮武器系统的作战效能提供了理论参考。     

北斗无源定位技术

研究无源北斗定位技术的目的,在于解决目前北斗定位体制下,存在用户数量受限、用户机需发射信号、定位数据更新率慢等缺点。利用现有的2颗北斗地球同步卫星、1颗备份卫星的星历信息以及测量获得的时差信息,可以推导出实现无源定位的数学模型。该方法通过试验数据获得了50 m范围的定位结果,从而验证了该项技术的正确性。     

一种模糊自适应INS/GPS组合导航方法

提出了一种基于模糊逻辑的自适应卡尔曼滤波新算法,即基于滤波数据残差构造一种模糊算法,以自适应控制卡尔曼滤波器的增益系数。从而可以消除异常的测量数据带来的影响,使滤波器的残差始终保持零均值,且使估计误差的协方差阵收敛,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真结果表明,该算法具有比常规卡尔曼滤波算法更高的导航精度。     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理,然后对现有蚁群算法进行了一些改进,使它能够快速地收敛以满足高速变化的卫星网络拓扑结构.采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题,将改进的蚁群算法应用于其上,并给出了相应的性能评估.所提出的改进的虚拟拓扑策略,能够大大减少一个系统周期内卫星网的时间片个数.应用于此基础上的改进的蚁群算法也体现了较好的性能.     

离心机试验中惯导平台误差系数辨识方法

针对离心机试验中惯导平台误差系数辨识问题,提出一种6位置辨识方案。建立误差系数辨识的非线性模型,再利用扩展卡尔曼滤波估计误差系数。由滤波中的估值方差矩阵计算各误差系数之间的相关系数,用相关系数分析系统的可观性,并将所有相关系数之和最小作为优化指标,利用遗传算法得到最优的位置组合。仿真结果表明,采用该方案可以有效辨识出惯导平台中与加速度高阶项有关的各项误差系数。     

北斗卫星伪距信号质量评估及偏差校正

针对北斗卫星信号存在系统性伪距偏差的问题,从多路径角度评估北斗三频信号的质量,验证了该项偏差与卫星轨道类型、卫星仰角及信号频率有关。为消除这一系统性偏差的影响,采用连续分段线性函数建立北斗三频伪距偏差校正模型。与现有的改正模型所不同,所提模型不仅采用了更长时间范围内的北斗实测数据,更为重要的是它顾及了改正数的精度信息。基于动态精密单点定位的实验结果表明,采用所提方法修正后,接收机定位性能有明显提升。     

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。