应用卫星技术发展核爆监测装备

论述了星载核爆监测系统的作用：国土防御核爆监测,我军核反击效果评估和全球大气层及空间禁核试检查。文章阐述了核爆炸电磁脉冲、光辐射、X射线和中子、γ辐射产生的原理和信号特征。阐述了星载核爆监测系统探测上述核爆信号、排除主要干扰信号的基本方法。     

基于高斯伪谱法的弹道跟踪制导律

针对拦截临近空间高超声速飞行器的弹道跟踪过程,设计了一种基于高斯伪谱法的跟踪制导律。为了对标称弹道进行精确跟踪,基于线性二次型跟踪问题,应用最优控制理论推导最优解的充要条件,得到带时变增益的线性状态反馈控制量的表达式;基于高斯伪谱法,在离散的勒让德-高斯(LG)点上利用标称弹道数据计算差分矩阵和系数矩阵,求得状态扰动反馈控制律。仿真结果表明,该方法能够快速、有效的消除跟踪误差,满足在线实施要求。     

轴承装配误差及预紧量对导引头伺服机构谐振频率影响与分析

为了在精密装调过程中对导引头伺服机构的动态特性进行准确预测,采用理论建模的方法确定了轴承微量装配参数与伺服机构谐振频率的定量关系。基于Hertz接触理论,建立5自由度轴承刚度模型,并将微量装配误差对轴承刚度矩阵的影响进行建模和分析;采用Timoshenko梁理论推导弹性阶梯轴单元矩阵,并确定系统特征值和特征向量的求解方法;采用MATLAB/GUI建立伺服机构谐振频率分析系统,并搭建实验系统对理论模型进行验证。分析和实验结果表明,所建立的分析方法可以对轴承的微量装配误差引起的谐振频率变化进行比较准确的计算,解决了目前伺服机构精密装调过程中动态特性预测的难题。     

计及技术风险的复杂系统多分辨率风险评估方法

针对技术风险难以直接度量、模型参数设定主观性较强等问题,利用技术成熟度的规范化方法评估系统组成的技术实现条件和难度;通过矩阵化的系统描述及关联关系推理,建立各分系统技术成熟度与系统过程模型动态参数之间的量化关系;采用系统过程建模仿真的间接方法,计算进度或费用超出可承受范围的不确定性,用以评估复杂系统研制的技术风险。通过多分辨率建模方法提高系统分析粒度,使该方法具有随系统演化过程对技术风险评估保持更新和分析粒度提升的能力。     

主稀释剂He预热对燃烧驱动DF激光器输出性能的影响分析

针对燃烧驱动连续波DF激光器,对仅预热主稀释剂He的情况下激光器的输出性能进行了理论分析和仿真研究,并与燃料常温条件的结果进行了对比分析。对于燃料体系为(H_2+NF_3+He)+D_2和(C_2H_4+NF_3+He)+D_2的DF激光器,在燃烧室产生的F原子流量不变的条件下,当主He预热至(1100 K,1300 K)时,激光器比功率较常温条件下分别约提高了(21%,24%)和(46%,56%),同时燃烧室所需的燃料消耗分别约减少了(25. 5%,29%)和(32%,36%)。在工程应用方面,主He可成功预热至800℃(1100 K)。因此,主He预热是有效且可行的燃料预热方案,有利于改善激光器的输出性能,为激光器的高效率和紧凑化发展进程提供新的技术路线。     

基于单快拍数据的嵌套阵列DOA估计算法

针对嵌套阵列DOA估计实时性不好的问题,提出了一种基于单快拍数据的估计算法。该算法将嵌套阵分为阵元间距等于信号半波长和阵元间距大于信号半波长的两个均匀子阵。利用两子阵接收的单快拍数据分别构造Toeplitz矩阵,然后进行特征值分解结合MUSIC算法得到低精度无模糊的DOA估计和高精度有模糊的DOA估计,最后结合解模糊算法得到高精度无模糊DOA估计。在阵列孔径相同的条件下,相比于阵元间距等于信号半波长的均匀线阵,算法需要的阵元个数较少,节约了硬件成本。该算法具有较好的实时性,并且拥有较高的测向精度。仿真结果证明了算法的有效性。     

基于Cholesky分解的自适应抗干扰算法

介绍了卫星导航系统常用的自适应抗干扰算法,并指出了各自的优缺点。针对自适应抗干扰算法的难点,提出了一种基于Cholesky分解的自适应抗干扰算法,巧妙地回避了矩阵求逆等复杂运算,大幅度降低了运算复杂度。推导出了利用Cholesky分解求下三角矩阵并最终完成权值求解的公式,基于FPGA设计给出了具体的实现方法。该算法已成功应用于GNSS抗干扰系统中,实测结果表明该抗干扰算法性能优良,权值更新速度快,是一种简单、高效的实现方法。     

基于加速度的马尔可夫参数自适应IMM算法

针对标准的交互式多模型算法(IMM)模型切换存在滞后性,使得目标机动改变时跟踪误差增大的问题,提出了一种基于加速度的自适应转移概率矩阵的IMM算法。该算法通过当前时刻IMM算法输出的加速度估计值,得到相应的修正因子,修正下一时刻的转移概率矩阵,使得模型切换速度加快,减小目标机动时的跟踪误差。最后通过仿真实验证明,改进的IMM算法能够有效减小目标机动改变时跟踪误差,提高模型切换速度,同时还指出了该算法的适应范围。