太阳对中低轨红外预警星座跟踪传感器的影响

中低轨天基红外星座是一种新型的能对自由段目标进行跟踪的导弹预警星座,太阳是影响其跟踪覆盖性能的重要背景条件。详细分析了太阳对跟踪传感器的影响条件、方式和大小,并进行了仿真验证。研究表明太阳对单颗卫星的影响较大,并且呈现周期性,但对整个星座的影响有限。     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

基于Matlab/Simulink的三轴随动跟踪平台仿真

在分析三轴随动跟踪平台控制原理和算法设计的基础上,运用Matlab/simulink仿真工具对其建立数字仿真模型。通过调节仿真模型系统参数,探索出具有精确指向的最优系统参数,以指导跟踪平台的设计与调试,优化和改善随动平台的跟踪性能。最后给出了仿真模型和随动平台在静态精度和动态精度方面的比较结果。仿真计算和实际应用结果表明,精度基本一致,验证了数字仿真模型建立的可行性和有效性。     

基于Lyapunov方法的轮式移动机器人全局轨迹跟踪控制

针对轮式移动机器人的运动学模型,通过设计复合跟踪误差,利用Lyapunov直接法,构造出了具有全局渐近稳定的全局渐近跟踪控制器,实现对参考轨迹的全局渐近跟踪,并根据Lyapunov稳定性定理证明了系统的全局渐近稳定性.最后,给出的仿真结果表明,初始跟踪误差很快收敛于零,轨迹跟踪效果良好,闭环系统具有良好的动态性能和全局稳定性,适用于轮式移动机器人的全局轨迹跟踪控制.     

跟踪雷达无塔校相方法及应用

在测控、火控和情报侦收等系统中,雷达的跟踪校相依赖于标校塔。通常的无塔校相是以浮空信号源代替标校塔,仍会在实战中暴露我方的位置和参数,招致反辐射导弹的攻击。首次提出伪相关解调技术,只需在跟踪接收机内增加一移相器,便可利用雷达通常都有的上行自检信道实现校相。方法极为简单、经济,适用于各种单脉冲跟踪体制,对迅捷完成大量现有雷达的改造,提高战场隐身能力,有很大参考价值。     

基于金属膜电阻的大功率低电感负载

利用金属膜电阻设计并制作了用于陡化前沿Marx发生器调试的大功率低电感负载.其阻值约为90Ω,电感约为55nH,基本不具备分散电容.该负载采用线性渐变的圆锥外型结构,有利于减小信号在负载上的反射,配合电容分压器使用能够很好地完成对前沿约为几ns的快前沿高压脉冲的测量.理论估算了该负载的功率容量,并利用PSpice软件模拟了对其进行脉冲方波加载的情况.该负载用于调试陡化前沿的Marx发生器的实验中,获得了幅值约210kV,脉宽近40ns,前沿为5ns的快前沿高压脉冲.多次实验结果表明该负载性能稳定,适用于陡化前沿Marx发生器的调试工作.     

基于星间测距和地面发射源的导航星座整网自主定轨

导航卫星星座自主定轨技术是我国新一代卫星导航系统的关键技术之一.但是仅仅依靠星间相互测距定轨会因缺少地面基准而出现基准秩亏现象.针对这个问题,提出利用少量地面发射源随机工作的方式提供地面基准,将星间测距和地面发射源信息融合起来进行星座整网定轨,进一步提高定轨精度.最后利用仿真实验对该方法的合理有效性进行了验证.     

相位非线性畸变对GPS伪距测量的影响

基于直接序列扩频体制的伪距测量在卫星导航、雷达、航天测控、深空探测等领域获得了广泛应用.射频链路、电缆多径等引入的相位非线性畸变会对扩频信号的传输时延产生影响,进而影响延迟锁定环(DLL)的伪距测量结果.传统群时延的定义难以描述一定带宽内的相位畸变,也难以与扩频信号时延建立对应关系.在对相频曲线进行Taylor展开的基础上给出了群时延的新定义,利用零阶群时延、线性群时延和抛物线群时延等来描述相位畸变,并定量研究各阶群时延对DLL伪距测量的影响.所得结论表明抛物线(二阶)群时延对伪距测量的影响最大.     

基于IMM的估计算法对机动目标跟踪的比较

机动目标跟踪一直是倍受关注的问题,而交互式多模型方法(IMM)是解决这类问题的经典方法.由于传感器的发展或受某种客观条件的限制等,产生了各种基于IMM的算法.为此,介绍了IMM及基于IMM的几种经典估计算法,对它们进行比较研究,并通过机动目标跟踪的仿真算例说明各算法的适用条件、原理、异同点、性能及复杂性,对机动目标跟踪估计器的选择有重要参考价值.     

基于模糊多传感器数据融合的目标跟踪系统

为了克服使用单个传感器的局限性,目标跟踪系统中引入了多传感器数据融合(MSDF)算法.MSDF能有效减小污染传感器测量量的噪声,又可排除估计过程中的无效测量量.它既能处理线性传感器的数据融合问题,又能处理含噪声的非线性传感器的数据融合问题.为了克服缺乏目标运动的前期信息的不足,目标跟踪系统中还运用了模糊运动学过程模型.因此,尽管缺乏有关目标运动及估计过程中所包含的传感器前期统计信息,该目标跟踪系统的性能却与基于已知目标精确过程模型的广义卡尔曼滤波器的目标跟踪系统相当.