基于CCD器件的光电位敏探测器研究

本文作为原理性探讨,在一定实验的基础上,提出了一种利用CCD器件和模拟电路构成光电位敏探测器(PSD)的新方法.用此方法构成的PSD具有高于CCD空间分辨率的定位精度、较宽的线性工作范围和较高的动态响应速度,能够满足特殊场合的使用需要.     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。     

基于改进ESO的交流伺服系统FOPID定位控制

针对高炮炮控交流伺服系统高精度定位控制存在的外界干扰及诸多非线性因素,提出了基于连续光滑函数fan()的改进扩张状态观测器(ESO),并将其应用于分数阶PID控制器,即CS-ESO-FOPID。该控制器将所有外界干扰因素作为"总干扰"获取干扰实时量,并通过改进扩张状态观测器实现非线性因素的实时动态补偿。数字仿真证明,CS-ESO观测优于传统ESO观测,CS-ESO-FOPID的动态控制精度及对外部扰动的鲁棒性均优于FOPID控制,避免了基于传统ESO的分数阶PID易出现的高频颤振现象,从而验证了该控制策略的可行性和有效性。     

理想通信条件下弹星协同定位方法北大核心

为了提高弹载电子侦察设备的定位精度,对目标实施更精确的打击,提出了理想通信条件下的弹星协同定位方法,对基于概率的定位原理进行了分析,对定位系统的架构及定位流程做了说明,并在STK中做了仿真演示,提出基于概率的弹星协同定位算法,给出了该算法的数学推导,并对算法进行了仿真实验,验证了该算法的有效性并对算法性能做了一定分析。     

面向定位的分布式无线传感器网络细粒度调整方法

针对在初始的部署条件下不可定位的无线传感器网络,提出一种分布式的面向定位的网络调整方法。该方法通过节点所处的路径信息判别确定该节点的调整策略,从而使初始状况下不可定位的网络达到可定位条件,该方法仅需调整约11%节点就能够将稀疏的网络调整至可定位,比当前最好的网络调整方法减少了约40%。此外,该方法采用分布式执行策略,从而将定位所产生的通信负载和能耗均衡到网络中的多个节点,克服了先前集中式方法的可扩展性限制。大量的仿真实验结果表明,该方法较现有方法而言具有更高的执行效率。     

多径条件下的空时解相关接收机研究

通过建立了一般的空时CDMA系统模型 ,探讨多址干扰和多径效应的联合抑制问题。首先分析了系统的可辨识条件 ,然后利用多约束最优化准则研究了FIR空时解相关接收机设计和实现 ,并进一步分析了系统性能     

一种基于距离参数化CKF的单站无源定位方法

针对单站无源定位系统中,观测站机动导致的滤波精度降低问题,提出了一种基于距离参数化CKF的单站无源定位方法(range-parameterised cubature kalman filter smoothing, RPCKFS)。引入距离参数化的思想,结合观测站观测范围作为先验值,将观测范围划分为若干个区间,并赋予初始权重,在各个区间引入后向平滑容积卡尔曼滤波(cubature kalman filter smoothing, CKFS),利用各时刻的预测值与观测值的比值来更新区间权重,最后对各区间状态信息加权融合来实现目标状态的获取。仿真结果表明：该方法能够有效降低滤波全局对观测站机动的敏感性,提高滤波稳定性与定位精度。     

反“低慢小”无人机红外检测方法研究

针对“低慢小”无人机的空中威胁,各国均大力投入反无人机技术研究,提出了一种基于密度-距离空间的红外单帧检测新方法。利用红外小目标在有限的区域内拥有比邻近区域更高的灰度值特点,提出密度与距离概念,建立密度距离空间。通过等效目标的定位方法将不规则的目标区域转换成规则的几何图形来获得准确的目标位置。实验结果表明：密度-距离检测算法在复杂背景下具有更好的检测性能和鲁棒性,当目标明显且存在连续背景杂波时AUC值接近于1;平均每帧的检测时间为0.021 2 s,同时兼顾了检测精度和检测速度。该算法不受无人机自身尺寸和形状变化的影响,具有较强的适应能力,适合多种背景下的单帧红外小目标检测。     

基于惯导信息卫星定位与景象匹配的导航方法

针对飞行器在卫星信号失效时导航精度变差的问题,提出一种基于惯性导航系统(Inertial Navigation System, INS)、卫星定位与景象匹配的合成孔径雷达(Synthetic Aperture Radar, SAR)载机平台组合导航方法。首先根据INS、卫星定位与景象匹配的数学模型,构造了对应的量测方程,然后应用卡尔曼滤波(Kalman Filter, KF),对不同的量测推导了对应的滤波算法。其中对于卫星数据与景象匹配数据,通过扩展卡尔曼滤波(Extended Kalman Filter, EKF)进行了线性化处理。该方法不要求卫星数据直接提供定位信息,故在卫星数较少时也可以应用。仿真实验中,当卫星信号部分缺失时,本文方法能获得比INS与卫星组合定位方法更小的位置误差,在包含卫星信号时,也能提供比INS与卫星组合定位方法更优的精度。仿真结果证明了该方法的有效性。     

位置感知的覆盖网构建算法

提出了一个基于底层网络位置信息建立P2P覆盖网的算法Lanet:覆盖网中每个节点都选择和本节点物理距离相近的节点作为自己的邻居,逻辑上相邻的节点也是物理上相近的节点。由于路由路径中每跳的延时都较低,这使得所建立的覆盖网络具有非常低的延时伸展率(latency stretch)。Lanet不需要网络中固定的节点集充当地标节点,具有很好的分布性和可扩展性。模拟实验结果表明,利用该算法建立的位置感知的P2P系统能够大幅度降低数据定位的延时。