星图识别的一种扩充栅格算法

栅格算法作为一种鲁棒性好、识别率高的星图识别算法,要求星图中不少于6颗星才能进行正常的识别,限制了其在小视场或低星等敏感极限的星敏感器中的应用.针对这种情况,提出了星图识别的扩充栅格算法,该算法将扩充星图法与栅格算法结合,将视场进行有效地扩充,得到了更加丰富的星点信息,同时继承了栅格算法的优势,拥有比现有扩充星图法更强的噪声鲁棒性和更高的识别成功率.依据实际情况建立了仿真环境,并进行了大量实验,验证了算法的实时性和高识别率性能.结果表明:当应用于小视场星敏感器时,扩充栅格算法在位置噪声为1像素时的星图识别成功率大于97.4%,明显优于传统的扩充星图算法,同时其近邻星的识别成功率最高可达到86.7%,也明显优于传统栅格算法.扩充栅格算法更加适用于小视场或低星等敏感极限的星敏感器.     

GPS／SINS超紧组合导航系统自适应混合滤波算法

针对传统反馈校正滤波结构中,由于不可观测状态的反馈导致系统滤波精度下降,以及由于全球定位系统／捷联惯性导航系统(GPS／SINS,global positioning system／strapdown inertial navigation system)超紧组合导航系统量测方程的非线性导致滤波难度的增加等问题,本文重新推导了线性的量测方程,并将基于状态可观测性的混合校正滤波算法应用于该模型．通过对比三种主流可观测性分析方法,选用误差协方差阵的特征值和特征向量可观测性分析方法分析系统状态的可观测性．最后根据可观测性分析的结果制定自适应的反馈因子,从而对SINS和GPS接收机误差进行校正．仿真结果显示,该方法可以有效提高不完全可观测系统的估计精度．     

GPS／INS组合导航的变分贝叶斯自适应卡尔曼滤波

为解决GPS／INS组合导航的数据融合问题中卡尔曼滤波器因噪声统计特性会发生变化而性能严重退化的问题,针对组合导航的系统模型提出并推导了一种基于变分贝叶斯学习的自适应卡尔曼滤波算法。该方法从概率角度将系统状态与噪声的统计矩一起作为待估计的随机变量,在每次递推地对状态进行估计之前,用变分贝叶斯学习迭代逼近得到噪声的后验分布。仿真结果证明：在组合导航系统中,该自适应算法能够较好地跟踪变化的噪声方差,并对速度、位置等系统状态进行估计。     

具有最优模型传递矩阵的交互式多模型算法

在传统的交互式多模型（ IMM,interacting multiple model）算法中,描述模型马尔科夫切换过程的模型传递矩阵被定义成一个常值矩阵,并且将子滤波器间的相关性信息遗漏。然而,由于实际环境的复杂性,传统的IMM算法无法满足飞行器跟踪的需求。为此,提出一种具有最优模型传递矩阵的交互式多模型（ OMTM－IMM,optimal mode transition matrix IMM）算法,该算法在考虑子滤波器相关性的前提下,以线性最小方差理论为基础,推导出最优的模型传递矩阵,该传递矩阵更加符合实际情况,理论分析和仿真实验表明该算法有效地提高了飞行器跟踪精度。     

一种折射星图的模拟方法

星光折射法是一种很有发展前途的导航方法。由于航天实验费用巨大,往往不可能进行实时的星空拍摄。为解决这个问题,文中提出了一种折射星的模拟方法,该方法结合大气折射模型和星光折射几何方程来计算星光折射角,进而得到折射星的赤经和赤纬。再利用星图模拟方法就可以模拟折射星在星敏感器像平面的位置,而且能够根据实际情况考虑星敏感器噪声、环境噪声的影响,仿真结果验证了本方法的正确行和实用性。     

捷联惯性/星光折射组合导航算法

基于星光折射间接敏感地平的高精度特性,本文提出了一种捷联惯性/星光折射组合导航方法．利用星敏感器输出的姿态信息修正陀螺漂移,并结合大气折射模型得到星光折射角来修正位置、速度误差．推导了组合导航系统的观测模型,并对系统进行可观测性分析,最后使用卡尔曼滤波进行状态估计．仿真结果表明:捷联惯性/星光折射组合导航系统不但能够准确的估计陀螺漂移,而且能够有效修正由加速度计偏置造成的误差,从而进一步抑制速度、位置误差的发散,是一种提高系统定位精度的实用方法．     

适用于软件无线电基带芯片验证的实时原型平台

随着半导体芯片器件规模急剧增长,对芯片的功能验证以及场景验证提出了更多的挑战。而对于基带SOC芯片,挑战则更加显著。基带SOC芯片的设计验证涉及到大量算法、信号处理专用电路、软硬件协同、实时复杂场景等功能评估与验证。一般通用的芯片验证方法(基于测试用例的服务器离线验证以及FPGA原型验证)无法覆盖对基带芯片评估、验证以及测试的要求。针对基带芯片设计验证需求,本文设计并实现了一个基于软件无线电的通用实时原型平台,可满足不同频段、不同协议的基带芯片的算法评估、功能及场景测试需求。本文基于该通用实时原型平台,成功的对一款GPS/BD导航基带芯片进行了实时原型验证,解决了原有离线仿真不能满足的实时场景验证需求,使得基带芯片的验证环境更加贴近真实环境,从而极大的提高了芯片的成功率。     

多重时滞离散非线性系统的鲁棒预测控制

为解决一类同时存在多重状态时滞、输入时滞和非线性扰动的不确定离散非线性系统的控制问题,提出一种具有状态反馈控制结构的鲁棒模型预测控制器设计方法.首先,充分利用时滞的上下界信息构造一个改进的二次Lyapunov-Krasovskii泛函;其次,利用线性矩阵不等式(LMI)方法将min-max最优化求解困难的问题转化成具有LMI约束的凸优化问题,并给出鲁棒预测控制器存在的充分条件及其表达式.理论证明该方法设计的控制器保证闭环系统鲁棒渐进稳定.仿真算例验证了所提出方法的有效性.