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.     

基于对偶四元数的单目视觉/惯性组合导航算法

提出一种适用于结构化道路的单目视觉/惯性组合导航定位算法.针对点特征匹配和连续多帧追踪受车速和相机视野制约的不足,提取道路上车道线的直线特征,引入对偶四元数描述直线特征.在基于对偶四元数的相对位姿估计算法的基础上,推导了图像特征增量与相机位姿增量的表达式.通过配准和时间同步,用惯导系统和相机分别解算的载体速度之差作为组合导航的观测量,建立kalman滤波修正组合导航系统的误差,包括相机测速标度因数误差.车载实验结果表明在结构化道路上算法是有效的.     

大攻角下基于卡尔曼滤波的大气参数修正算法

针对新一代航空飞行器在大攻角飞行时大气数据系统测量精度严重下降问题,提出了基于卡尔曼滤波的大气参数修正算法。该算法利用大气数据测量信息和惯性导航信息,基于飞行器力学方程构建卡尔曼滤波器,通过卡尔曼滤波的方法实现对大气参数的修正。仿真结果表明,经卡尔曼滤波修正后的大气参数能够有效消除大攻角下原始大气参数的剧烈波动性误差,并与真实大气参数吻合较好,有效的提高了大气数据系统在大攻角飞行状态下的测量精度和可靠性。     

二阶线性系统高阶PI观测器设计问题

考虑二阶线性系统的高阶比例积分(PI)观测器设计问题,提出了一种参数化方法。该方法给出了该类观测器的增益矩阵和左特征向量矩阵的参数化表达式。这些参数为控制系统设计提供了全部自由度,可通过优化等手段适当选择这些参数来满足某些性能要求,如干扰解耦、LTR和鲁棒性等。该观测器设计的参数化直接基于二阶线性系统的参数矩阵,不涉及二阶线性系统的变换或增广,表明了所提方法的简单有效性。     

反临近空间高超声速目标拦截弹中末制导交接班窗口

在视线旋转坐标系下建立拦截弹与目标的相对运动方程,分析采用纯比例导引律捕获高超声速目标的充分条件,并推导出在交接班处的最优拦截几何,即零控拦截流型。定性分析了拦截弹速度、高度、导引头特性以及末制导捕获条件等在中末制导交接班时所受到的限制,在此基础上定义了中末制导交接班窗口的概念,并介绍了交接班捕获窗口的影响因素、用途、特性以及计算步骤。以纯比例导引律拦截高速目标为例,定量描述了交接班捕获窗口和零控交接班区域,并通过数字仿真实验验证了交接班捕获窗口的合理性。     

俄罗斯应对导航战举措

卫星导航系统作为重要的战场传感器,已经成为现代战争不可或缺的重要组成部分,围绕卫星导航系统的攻防博弈由此兴起。针对美国首先提出的导航战概念,俄罗斯为进一步提升导航战作战实力,有针对性地采取了应对举措。文章介绍了导航战概念及相关作战案例,具体分析了俄罗斯应对导航战威胁的主要举措,并结合美俄围绕导航战开展的攻防博弈,得出掌握现代战争制导航权的改进方向。     

新体制导航信号下I/Q幅相不一致对接收机测距零值的影响分析

随着现代化导航信号带宽的增大,由于可以大幅降低采样率,复信号采样的优势日趋明显。由于存在I/Q幅相误差,复信号采样对导航接收机伪距测量造成了一定影响。改进了信道非理想与I/Q幅相误差共同影响BPSK/QPSK信号零值测量的分析模型;在该模型基础上,推导得到了任意I/Q误差和信道非理想特性影响BOC信号伪距零值的模型;探讨了二者在频域抗干扰应用场景下引起的零值变化;理论分析与软件接收机仿真结果高度吻合,误差在1.5×10^-4码片内,证明了分析模型的精确性。该分析方法可用于对高性能导航接收机信道特性进行事先约束及筛选,以确保干扰场景下的零值变化满足要求。     

通道失配对GNSS阵列抗干扰性能的影响分析

卫星导航接收机极易受到电磁干扰的影响,基于阵列接收机的空时(频)抗干扰技术被证明是目前最有效的抗干扰手段。在工程实现时,阵列通道存在通道失配,本文以统计性能的评估方法评估了通道失配对阵列抗干扰性能的影响。研究结果表明,通道间群时延偏差和幅度失配是导致阵列抗干扰性能下降的主要因素,前者可通过增加空时滤波器阶数来消除影响,而后者对空时滤波器阶数不敏感,需要进行必要的校正。     

基于矢量分配的组合导航容错联邦滤波算法

针对高动态环境下飞行器组合导航系统因不确定故障导致导航精度下降的问题,提出了一种基于矢量信息分配的容错联邦滤波算法。设计矢量形式的故障检测函数,对各观测量进行单独的故障程度划分,克服了将故障子系统所有观测量同时隔离的缺陷;根据观测量是否异常,重构时变量测噪声矩阵和信息分配矢量系数,对子滤波器的状态变量进行信息分配,在隔离故障子系统异常观测量的同时,最大限度地利用正确观测信息。仿真结果表明,采用该算法能够充分发挥各导航子系统的优势,极大提高了导航子系统信息利用率,具有较高的精确性和容错性。     

Robust adaptive UKF based on SVR for inertial based integrated navigation

Aiming at the problem that the traditional Unscented Kalman Filtering (UKF) algorithm can’t solve the problem that the measurement covariance matrix is unknown and the measured value contains outliers, this paper proposes a robust adaptive UKF algorithm based on Support Vector Regression (SVR). The algorithm combines the advantages of support vector regression with small samples, nonlinear learning ability and online estimation capability of adaptive algorithm based on innovation. Firstly, the SVR model is trained by using the innovation in the sliding window, and the new innovation is monitored. If the deviation between the estimated innovation and the measured innovation exceeds a given threshold, then measured innovation will be replaced by the predicted innovation, and then the processed innovation is used to calculate the measurement noise covariance matrix using the adaptive estimation algorithm. Simulation experiments and measured data experiments show that SVRUKF is significantly better than the traditional UKF, robust UKF and adaptive UKF algorithms for the case where the covariance matrix is unknown and the measured values have outliers.