一种低运算量GNSS接收机快速捕获方法

为了减少捕获阶段占用的时间与功耗,提出了一种低运算量的快速捕获方法。首先选取伪码周期整数倍数据进行二维重排,利用降采样理论对每个数据横块混叠;其次通过竖块FFT运算实现频率补偿以增强叠加信号的信噪比,使用横块FFT运算细化多普勒频移分辨率并得到特定的伪码相位筐,搜索特定筐内伪码相位的最大相关值。最后得到确切的伪码相位与多普勒频移。实际数据仿真结果表明,降采样因子与数据块个数取2时,所提方法运算效率是基于FFT捕获方法的4.1倍,基于SFT捕获方法的1.7倍,运算效率随降采样因子与数据块个数增大显著提升,能更好满足接收机的性能要求。     

一种改进RANSAC校验的失效卫星位姿估计回环检测方法

为解决失效卫星位姿估计中视觉SLAM方法回环检测效果差的问题,结合空间特殊的应用环境,提出一种改进RANSAC校验的空间失效卫星位姿估计回环检测方法。首先利用深度学习提取图像的全局特征和局部特征;然后对全局特征进行快速检索,建立回环候选帧集合;最后,将图像网格化并提取优质特征点作为RANSAC算法的随机抽样点集,采用改进的RANSAC算法对回环候选帧集合进行图像匹配校验,挑选出匹配程度最高的作为回环检测结果。实验表明：在牛津数据集上,所提方法与无校验的方法对比,100%准确率下的最大召回率提升了30.6%,说明改进RANSAC校验在回环检测中的有效性;在失效卫星数据集上,所提方法无需预训练,对光照变化的空间场景具有高适应性,和基于词袋模型（BoW）算法相比,缩减时间24.1%。     

基于谱分解的SINS传递对准可观测度分析方法

针对舰载武器捷联惯导系统的快速精确传递对准问题,对"速度+姿态"匹配进行了简化,给出"速度+航向"匹配的传递对准模型。在此基础上,提出了一种基于Hermite矩阵谱分解的可观测度分析方法,该方法仅需要对阶数与系统状态维数相同的Hermite矩阵进行谱分解,算法简单。最后,应用该方法分别对三种匹配(速度匹配、"速度+姿态"匹配和"速度+航向"匹配)的系统状态进行可观测度分析。仿真试验结果表明:基于谱分解的可观测度分析方法是正确有效的,"速度+航向"匹配的对准精度在10 s内优于4′,能够实现捷联惯导系统的快速精确传递对准。     

基于栅格法的室内指示路径规划算法

随着导航的应用场景日趋复杂,对利用室内地图的全局路径规划提出更高的要求。为提高全局路径规划算法效率,提出一种指示路径规划算法。首先运用栅格法对已知地图进行建模,然后在算法中引入方向向量引导路径方向,接着多次执行并通过奖励与惩罚措施来将关联矩阵与路径质量形成正反馈机制,并采用路径优化策略,最终得到一条较好质量的结果路径。仿真结果表明,较A*算法而言,指示路径规划算法在时间上减少49%,并且在较复杂的栅格地图中,其路径长度缩短了17%。     

未知纬度的捷联惯导系统晃动基座自对准方法

传统捷联惯导系统晃动基座对准方法中,一般要求提供当地准确的地理纬度信息,如果给定的纬度存在误差,会对初始对准精度造成影响.针对纬度未知情况下的晃动基座对准问题,提出了利用三个不同时刻的重力视运动向量的运算进行对准的方法,推导了三矢量定姿对准的基本原理.针对含有随机噪声的加速度计测量值构造的重力视运动向量会导致向量运算时出现共线向量的问题,设计了一种基于平均权重系数的自适应卡尔曼滤波器,能在未知动态环境下有效去除加速度计随机噪声,提高对准精度.仿真和试验结果表明,该方法可在纬度未知条件下完成捷联惯导系统晃动基座下的自对准并估计出纬度值,对准精度可达惯性器件误差所决定的对准极限精度.     

流动注射氢化物发生-蒸气贮存脉冲进样原子荧光法测定地质样品中的痕量砷

本文研究了流动注射氢化物发生－蒸气贮存脉冲进样原子荧光法测定地质样品中痕量砷的方法，砷的灵敏度提高17.6倍，精密度(RSD)为2.1%，检出限为0.32ng/mL。用于地质标准样的测定，结果满意。     

用于ICP－AES双套可拆式循环喷雾系统

研制了一种用于ＩＣＰ－ＡＥＳ小体积样品分析的循环喷雾系统，该系统是将同心喷雾器垂直安装在可拆式双套筒雾室中，具有测定精密度好，检出限低，样品溶波消耗少，喷雾系统易于清洗等特点。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。