极化域DOA估计与阵元姿态位置误差自校正

极化阵列波达方向估计的多重信号分类(multiple signal classification,MUSIC)算法可以利用数据的多线性关系减少需搜索参数,适用于跳频、宽带信号。电磁矢量传感器在空间单一位置接收的完备电磁信息,可以转化为任意姿态下接收信号。无需专用校正信号源,利用系统使用期间获得的参照信号,可得到各传感器位置误差参数。仿真实验表明,该方法可实现极化阵列阵元六维空间参数误差自动校正。     

矢量传感器幅相误差校正与补偿

提出了利用同一个校正源先后两次发射的两个到达方向相同极化状态不同的电磁信号估计矢量传感器幅相误差的一种新方法。首先根据矢量传感器的特点给出了矢量传感器的幅相误差模型,并利用ESPRIT方法给出了存在幅相误差情况下两个电磁信号的电磁场矢量;其次根据同一个矢量传感器对两个电磁信号引入的幅相误差相等估计两个电磁信号的极化参数,并由幅相误差模型得到矢量传感器的幅相误差的估计;最后推导给出了参数估计的克拉美-罗下界并通过仿真实验证明了算法的有效性。     

双插值拟合的共形电磁矢量传感器阵列解相干

共形电磁矢量传感器阵列依附在共形载体的几何表面上, 具有很高的分布自由度。但是不同传感器回波的极化矢量随着所依附的共形载体法线指向的变化而变化, 导致无法直接用平滑类算法解决相干信号的参数估计问题。本文创造性地利用双插值拟合思想, 将子阵列虚拟平移后得到一个同极化分量的插值子阵列, 然后对插值子阵列进行极化平滑估计目标参数。同时, 为了降低插值拟合误差对插值子阵列数据的影响, 提出了一种双插值拟合方法实现了回波解相干并有效估计了信号的二维角度和二维极化角。最后,数值结果分析了双插值拟合误差和解相干性能。     

基于各向异性参数模型的六自由度电磁跟踪系统

为了解决六自由度电磁跟踪系统三轴增益不一致带来的参数计算精度降低问题,提出了各向异性参数的模型.由三轴线圈匝数、面积、激励电流幅值和频率、电路增益决定各向异性参数的数值.在磁偶极子近场模型基础上推导出了包含各向异性参数的电磁跟踪系统模型.结合基于最大单位指向矢的跟踪算法和特征向量法求解位置参数,提高了算法的稳定性,克服了原跟踪算法位置参数求解局部误差放大的问题.,由接收信号矩阵直接推导姿态变换矩阵的表达式,避免了误差积累.该模型符合系统的实际运行环境,降低了硬件设计难度.实验结果验证了模型的正确性,提高了系统定位的精度.     

新型拉伸电磁矢量传感器的两维高精度波达方向估计

较之传统的共点电磁矢量传感器,拉伸电磁矢量传感器能够显著降低阵元间互耦,且非共点结构在硬件设计上更易于实现。但是现有拉伸电磁矢量传感器无法实现阵列的两维孔径扩展,导致了两维波达方向估计精度较差。针对此问题,提出一种新型的拉伸电磁矢量传感器。该阵列结构由单个拉伸电磁矢量传感器和单个电偶极子组成。利用单个拉伸电磁矢量传感器提供一维孔径扩展,再利用垂直于该拉伸电磁矢量传感器的单个电偶极子实现另一维的孔径扩展。针对该两维孔径扩展阵列,提出一种矢量叉积算法与相位干涉法相结合的算法来获取两维波达方向的高精度估计。所提阵列在降低互耦的同时,利用电磁矢量传感器提供的极化分集与两维孔径扩展带来的空间分集,使得两维波达方向估计精度大大提高。     

空间微动目标极化欺骗式干扰信号合成方法

基于宽带逆合成孔径雷达原理,提出一种动态产生微动目标有源欺骗式干扰信号的合成方法。在多散射中心假目标模板中引入了目标全姿态运动模型、全极化散射模型,推导了与进动参数直接相关的微多普勒及姿态角表达式,建立了目标本地极化基到任意雷达极化基下的散射矩阵变换关系,基于瞬时姿态角动态生成了虚假的微动相位和极化散射调制因子,实现了距离或速度欺骗干扰。对进动假目标合成信号的时频分析和雷达成像结果表明,该方法可有效合成具有特定的微动效应、极化散射特性和结构特征的假目标信号。     

基于矢量传感器扭曲声波方位角和俯仰角估计

由于幅值和相位扭曲声波到达单个矢量传感器时仍能保持空间一致性,基于单个矢量传感器,采用计算有效的子空间技术,提出了一种幅值和相位扭曲水下声波的方位角和俯仰角估计算法。分析了影响算法性能的因素,并针对单个矢量传感器接收的信号波形具有扭曲幅值和扭曲相位的情况,推导了方位角和俯仰角估计的CRB(Cramer-Rao bound)。数值仿真表明算法对信号的振幅和相位扭曲具有很强的鲁棒性。     

矢量脱靶量测量系统定位算法研究

提出了一种基于空间目标运动轨迹提取的矢量脱靶量参数估计新方法。该方法利用不同接收天线接收的目标回波信号之间的相位差得到距离差,基于距离差定位方法获得目标运动轨迹的空间定位点序列。通过建立目标运动模型,采用固定区间Kalman平滑滤波的方法获得目标运动的较精确轨迹。利用平滑滤波后的空间位置点,通过对一组线性方程进行求解得到矢量脱靶量参数的估计。仿真结果表明该定位方法可以得到满意的脱靶量估计结果。     

一种改进的TRIAD飞行器姿态确定方法

为了提高飞行器姿态测量精度和简化姿态确定的复杂性,提出了一种基于加权矢量和的TRIAD飞行器姿态确定算法。该算法基于TRIAD姿态确定原理,通过对观测矢量加权求和的方式以获得一个较传感器观测矢量更精确的矢量,并以此矢量作为TRIAD算法的基准矢量,然后运用TRIAD算法进行姿态计算。仿真结果表明,这种算法获得的飞行器姿态精度优于传统的TRIAD算法,与优化的TRIAD算法精度近似,但简化了姿态确定的过程,提高了姿态确定的速度。     

基于解析振速的ESPRIT算法

基于声矢量传感器在二维平面波入射时的输出信息,提出了其"解析振速"的输出模型,将目标的方位信息蕴含在输出信号的相位之中,并由此得到了矢量阵的输出模型.当ESPRIT算法应用于矢量阵时,由于矢量阵的内禀属性,旋转矩阵不再与阵型和信号的频率有关,只与目标方位信息有关,从而能够实现任意阵型全空间的无模糊测向.理论分析和仿真表明:本算法无需先验已知阵型;单声矢量传感器也可以应用ESPRIT算法,且此时其性能逼近克拉美-罗界.湖试表明本算法是有效的.     

基于电磁矢量阵列的加权极化平滑解相干算法

针对极化平滑(polarization smoothing, PS)算法解相干源时没有利用子阵的互相关信息导致分辨率较差的问题,提出一种新的解相干源预处理方法--加权极化平滑(weighted polarization smoothing, WPS)算法。该算法利用了电磁矢量阵列6个分量组成的子阵的全部自相关和互相关信息。对接收阵列协方差矩阵的36个子矩阵做加权滑动平均,得到等效阵列协方差矩阵,以该协方差矩阵对角化为约束,推导最优加权系数的理论表达式,并分析等效信源协方差矩阵的秩,得到WPS算法最大的解相干源数为6。计算机仿真结果表明WPS算法与PS算法相比具有更高的分辨性能和估计精度。     

基于视觉的飞机自主着陆导航

提出一种基于视觉的飞机自主着陆导航信息提取新方法。它克服了国外方法中利用点对应关系而难于提取特征点的问题,只需对两条跑道边线和一条着陆阈值线进行检测,这些线具有明显的可视性和直线性。由此可直接算出飞机的姿态向量,若跑道的宽度已知,还可以算出飞机的位置矢量。依据成像的几何原理,文中对算法进行了完整的推导,通过对飞机着陆过程中实际采集的跑道图像序列进行处理和实验,表明基于视觉的飞机自主着陆导航信息提取与转换是可行的。     

基于红外虚拟偏振的目标增强方法

研究了一种基于虚拟变偏振理论的红外面目标细节增强方法,该方法充分挖掘和利用了红外偏振信息的固有特点,利用入射光Stokes矢量和出射光光强之间的描述关系推导出出射光光强和起偏角度的解析关系,并据此虚拟实现了任意起偏角度的出射光光强,然后依据面目标信杂比最大准则,利用粒子群算法迭代实现了最优起偏角度的搜索,最终得到增强后的红外面目标图像。利用实测的长波红外偏振图像数据对算法的可行性和有效性进行了验证,实验结果表明,在灰度对比度、平均梯度、图像熵3种图像质量评价指标下,经此算法增强后的图像质量更高,为后续目标细节识别和攻击点选择等算法的实现奠定了良好的数据基础。     

基于深度强化学习的UAV航路自主引导机动控制决策算法

针对无人机(unmanned aerial vehicle, UAV)航路终端约束情况下航路自主引导机动控制决策问题,采用Markov决策过程模型建立UAV自主飞行机动模型,基于深度确定性策略梯度提出UAV航路自主引导机动控制决策算法,拟合UAV航路自主引导机动控制决策函数与状态动作值函数,生成最优决策网络,开展仿真验证。仿真结果表明,该算法实现了UAV在任意位置/姿态的初始条件下,向航路目标点的自主飞行,可有效提高UAV机动控制的自主性。     

基于辅助信标的无人机协同目标跟踪

针对无人机姿态角误差与观测误差影响目标定位精度问题, 构建基于辅助信标的无人机协同目标跟踪模型, 提高了对目标的定位精度。提出基于辅助信标的姿态校正方法, 利用辅助信标的精确位置实时校正无人机的姿态角, 减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型, 设计双无人机协同控制律, 得到无人机观测的优化轨迹, 以提高无人机对目标的观测质量, 最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响, 提高目标跟踪精度, 具有一定的工程应用价值。     

基于矢量约束的随机特征点选取算法

无人机利用视觉在未知区域自主着降时,提取的特征点具有数量多、随机性强等特点。针对利用随机特征点进行位姿估计精度低、稳定性差的问题,提出一种基于矢量约束的随机特征点选取算法。首先通过分析位姿估计方程可知,特征点地理坐标是影响方程组求解精度的重要因素;然后在引入矢量角均分度、矢量模值均值及矢量模值最大值三项约束指标基础上,制定了一种基于矢量约束的特征点选取策略;最后利用正交迭代算法对所选取的特征点进行位姿估计精度验证。实验结果表明,提出的算法相比于随机选取的特征点进行相对位姿估计精度更高,鲁棒性更强。     

改进Quatre算法的无人机编队快速集结方法

为了提高多无人机在编队集结过程中的稳定性, 提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary, IQuatre)算法的无人机编队集结方法。首先, 基于分布式模型预测控制(distributed model predictive control, DMPC)建立无人机编队的运动预测模型, 通过预测无人机的“未来态”规避编队内碰撞风险, 滚动优化的数学模型提高了无人机到达指定位置的稳定性, 使得无人机更好、更快地加入编队飞行; 其次, 对Quatre算法进行种群优化改进, 将携带最优基因的父代个体有选择性地加入子代种群, 加快种群收敛。实验结果表明, 基于DMPC的无人机编队集结未出现碰撞情况, 减小了无人机调整状态过程中出现的位置偏差; 对比仿真验证了IQuatre算法能够提高编队集结的稳定性, 较原Quatre算法减少了5.2%的平均迭代次数, 在计算时间上节约了4.6%, 位置误差减小了0.45 m。     

锥面共形阵列天线的极化-DOA估计

由于共形载体曲率的影响,锥面共形阵列中的阵元不仅具有不同指向的方向图,而且具有不同的极化特性,从而使得共形阵列呈现多极化特性。利用锥面共形阵列的多极化特性,针对现有共形阵列下空间超分辨算法对信号极化参数估计缺失这一问题,结合多重信号分类(multiple signal classification, MUSIC)算法实现了入射信号的极化参数与二维波达方向(direction of arrival, DOA)的联合估计。算法对阵列形式无特殊要求,不需要参数配对;在此基础上进一步对算法的估计性能进行了理论分析与推导,给出了算法多参数估计的克拉美-罗边界(Cramer-Rao bound, CRB)。最后通过计算机仿真验证了算法的有效性。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。