基于U变换的空间站交会调相非线性协方差分析方法

针对空间站交会调相过程中的长时间偏差传播问题,提出一种基于U变换的协方差分析方法 UTCAM。在给出空间站交会轨道调相策略和轨道机动参数计算方法后,对UTCAM的原理和流程进行了介绍,通过和STK以及Monte-Carlo的对比验证表明,UTCAM与该两种分析方法的协方差相对误差均在1.2%以内,且计算耗时仅为Monte-Carlo的1/460,可快速准确地实现非线性系统的均值和协方差预报。最后基于UTCAM对长达20天的空间站交会调相的偏差传播进行了分析,并采用Monte-Carlo仿真对其分析结果进行了验证,验证了该方法的有效性。     

卫星位置视觉测量

目前卫星轨道参数的测量主要依靠地面测控站的无线电测量,使得测量受限于测控站的观测弧段;另一方面随着深空探测的不断深入,也对现有测控方法提出了新的挑战。利用卫星上已有的相机通过景象匹配对卫星自身位置进行精确测量,可以有效摆脱地面测量观测弧段和测量距离的约束。本文提出了一种基于星载实时图与基准图匹配的视觉测轨方法:通过景象匹配建立实时图中特征点与基准图的对应关系,再根据成像关系解算卫星的三维位置。利用卫星获取的立体图像和轨道测量数据进行了验证实验,证明了本文提出的方法具有较高的精度,实现了地基无线电测轨和视觉测轨的相互验证。本文提出的视觉测轨方法可以弥补现有测轨方式的不足,减轻地面测控系统负担,在深空探测等领域具有良好的应用前景。     

单站单圈卫星初轨确定方法研究

为实现低轨卫星轨道的快速确定和预报,基于单站单圈雷达站测量数据采用遗传算法和最小二乘法对卫星初轨确定及轨道预测问题进行了研究。通过比较分析不同观测误差下两种方法的仿真结果,验证了初轨确定过程中两种方法的可行性,同时指出了各自的优缺点和适用条件,为不同观测条件下卫星最优初轨确定的方法提供了参考。     

应用改进遗传算法优化天基光学监视平台轨道

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道倾角进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约1个量级。     

基于Powell法的GNSS卫星轨道拟合算法

针对GNSS导航信号模拟源中卫星轨道计算的高精度实时性要求,提出了一种基于Powell最优化理论的卫星轨道拟合算法。该算法将有限点卫星位置拟合问题转化为无约束极小值问题,使用最优化理论求解卫星轨道模型参数,从而可以方便计算任意时刻的卫星速度、加速度等高阶量。算例结果表明计算卫星星历时,位置误差小于1×10-4m,速度误差小于1×10-6m/s,计算量为广播星历直接计算的1/3;计算精密星历时,位置精度在2cm左右,拟合精度较拉格朗日插值算法提高了大约1倍。通过实际应用,充分验证了算法的有效性。     

伽利略导航系统若干关键技术分析

分析了目前最新的卫星导航定位系统———伽利略系统所采用的若干关键技术.从卫星轨道布置方式、信号与频率设计方法、伪卫星技术及信号服务等几个方面与GPS进行了对比研究.研究结果表明,Galileo系统具有定位精度高、兼容性好、功能全等优点,在新一代导航系统中具有重要地位.     

一种GNSS卫星轨道高精度实时插值方法

针对GNSS导航信号模拟源中多星座轨道计算实时性问题,从计算效率、精度等角度分析和对比了牛顿多项式和埃尔米特多项式插值算法的性能,通过对牛顿插值的加“窗”改进,使得卫星位置、速度的插值精度显著提高.算例结果表明,该方法能够在等间距时间点上多个卫星位置已知、速度未知的条件下,高精度实时地内插出卫星的位置和速度,其中卫星位置插值精度为mm级,速度插值精度小于1e-5 m/s,计算量为广播星历直接计算的1/7,位置和速度的拟合精度均优于三阶埃尔米特插值结果.     

低地球轨道卫星网络节能方法

通常卫星的唯一能源来源是太阳能,因此星上网络设备的能源供应问题比地面网络的更加严峻。通过修改和扩展链路容量受限的最小代价多商品流模型来适应卫星网络这一特殊的体系结构,并基于低轨道卫星网络的多重覆盖机制和流量分布模型,改进现有的启发式算法来关闭冗余的卫星节点、星地链路和星间链路。在满足链路利用率和路由跳数增加比例约束的条件下,仿真实验中关闭上述三种参数的比例分别可达59%、61%和72%,卫星网络的总体节能比例可达65%。     

一类军事技术创新模型的定性分析

应用非线性动力系统的定性理论方法,研究了一类军事技术创新非线性动力系统模型的无闭轨性、奇点的李雅朴诺夫稳定性及全局稳定性,并对结论进行了分析解释.     

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。