简介：研究了GPS软件接收机捕获算法；针对常规时域串行搜索算法速度慢和并行码相位频域搜索算法FFT计算量大等缺点，采用常规串行捕获算法牙口频域并行码空间捕获算法相结合的混合搜捕算法来实现对空中可见卫星的捕获；针对信号较弱情况下的卫星捕获，采用了非相关积分捕获算法；设计了中频信号仿真器，并使用其产生的仿真信号对捕获算法进行了验证。测试结果表明，混合搜捕算法能够为软件接收机提供较快的捕获能力，非相关积分捕获算法能够有效地实现微弱信号的捕获。

简介：GEO卫星在导航系统中发挥着基本导航、增强和转发等三大功能。针对北斗系统GEO卫星的特殊性和兼容性,对北斗GEO卫星播发的D2导航电文的特点进行了分析,利用GEO的静地特性在基带信号处理中应用数学思想提出了基于二次函数逼近的快速牵引,推导了GEO卫星位置速度的计算公式,提出了基于模糊控制的GEO伪距测量算法,提高了信号处理通道的通用性和兼容性。对相关算法和策略在基于DSP＋FPGA的软件接收机中利用实际信号进行了验证,在省略精捕获时间的情况下实现了50Hz以下的多普勒频移精度,伪距测量方法的通用性节省了50%的资源和工作量,相关算法具有良好的实用价值。

简介：主要介绍了GPS仿真导航仪训练软件的主要功能、构成原理、设计技术等,其设计思想与部分技术设计技巧可为其它同类型仪器的仿真模拟提供一定的借鉴.

简介：GPS可提供全天候的精确位置与定时信息，但GPS卫星信号较弱，任何障碍物都会影响其信号的接收。本系统在国家GPS重点实验室支持下，通过在GPS导航芯片Orion中添加GPRS／GSM无线通信模块来实现GPS辅助定位。经过测试，本系统在障碍物附近可以明显提高GPS导航定位的速度，且大大提高了首次定位时间，率先在我国实现了A-GPS技术的产品级开发。

简介：基于windows平台,采用VC++6.0开发了光纤陀螺捷联惯组标定测试软件,着重阐述了该软件的设计思想和关键技术的实现.该软件实现了对光纤陀螺捷联组合误差系数的标定与测试,为光纤陀螺捷联系统标定测试提供了方便,具有很强的工程实用价值.

简介：介绍了一种基于ARM的GPS接收机的开发过程，对接收机的软件设计和信号处理技术进行了详细的阐述，给出了软件结构和程序流程图。为了能够快速地对扩频信号进行捕获跟踪，采用了四相鉴频器、符号叉积频率跟踪算法和科斯塔斯环混合进行载波跟踪的变带宽跟踪策略。实验证明，采用本方案设计的GPS接收机能较好地完成信息提取与处理任务。

简介：目前数字信号处理器已经由单核系统发展为多核并行系统,可通过并行执行任务加快信号处理速度。北斗CB2I码是GPSC/A码码长的两倍,若使用传统捕获算法将会延长信号捕获时间。基于此问题,提出了一种基于组合FFT的并行捕获算法。该算法将信号奇偶点分开进行并行处理,可将单次FFT变换点数减半,并通过高效利用多核资源加快信号捕获速度。为了验证算法性能,对比了传统算法和改进后算法的PTP值。仿真结果表明,两算法PTP均值分别为2.961和2.938,改进后算法未降低捕获精度。最后,以多核嵌入式平台为基础分析了两算法的单核运算量,结果表明：当待处理的信号点数由1000增加到256000时,改进后算法单核乘法运算量减少比例由33%增加到了40%,而加法计算量始终减少50%,改进后算法可达到快速捕获的效果。

简介：研究了GPS软件接收机的捕获和跟踪算法，并基于Matlab软件平台和射频前端在Pc上实现了GPS软件接收机样机。介绍了GPS软件接收机的结构和数据采集硬件，讨论了GPSC／A码的特性、产生原理以及捕获过程。针对传统的串行搜索算法慢的缺点以及高动态GPS软件接收机的特点，在该样机中实现了快速的基于循环卷积的并行捕获算法，并联合使用超前滞后环和对相位反转不敏感的科斯塔斯锁相环分别对码相位和多普勒频偏进行跟踪，解调得到导航电文。仿真和测试结果表明，使用GPS软件接收机进行信号处理的思想使用户在算法处理和软件升级等方面具有更大的灵活性，可应用于下一代任何全球导航卫星定位系统（GNSS）和空基增强系统（SBAS）接收机的设计。

简介：为给GPS软件接收机的跟踪环提供精确的初始条件，捕获后得到的载波频率应在几十Hz范围内，所以必须寻找一种既能精确测量载波多普勒频移，又能有较快运算速度的方法。针对这一特点，提出了一种载噪比较高时采用相位测量和较低时采用长相干处理的载波频率精确估计策略。利用Matlab仿真产生的卫星中频数据作为数据源对该策略进行验证，结果表明当输入信号的载噪比大于35．5dB·Hz的时候，相位测量算法得到的多普勒频率值的误差保持在约10Hz之内。对于微弱信号的捕获，如果将相干处理的时间从200ms扩展到600ms，捕获频率的误差从3Hz减小到0．5Hz。此外，与传统的FFT方法相比，该方法的加法和乘法运算量分别降低了96．2％和35％。测试结果体现了该算法的有效性和优越性。

简介：强电离层闪烁会导致信号幅度深度衰减和载波相位激烈震荡,引起GPS载波跟踪环的失锁,从而导致定位误差增长甚至导航中断。本文研究了GPSL1软件接收机在经历强电离层闪烁时的信号处理算法。研究数据采集于构建于巴西的一个多GNSS多频段中频信号采集系统,数据采集时间为2013年11月,此年为太阳活动极大年。信号捕获、跟踪算法以及由载波跟踪环计算得出的闪烁指数（包活幅度指数S_4和载波相位指数σ_φ等）都在文中进行了详细阐述。分析强电离层闪烁对GPS软件接收机的影响对于研究卫星高级跟踪算法和提高GPS接收机的鲁棒性及定位精度将发挥重要作用。

简介：Schuler振荡阻尼技术是提高惯导长期工作精度的关键技术之一。针对采用低阶阻尼网络的惯导系统抑制高频和低频参考速度误差难以兼顾的问题,基于互补滤波思想,提出一种高阶水平阻尼网络设计方法。将两个采用低阶网络、分别具有优良高频和低频特性的Schuler回路通过一对互补滤波器进行组合,形成双Schuler回路组合系统。它等效于采用某高阶网络的单Schuler回路,该回路对高频和低频参考速度误差的衰减率可同时达到40dB/10deg或更高。计算机仿真和海上试验结果均表明：采用所设计高阶网络的系统对参考速度误差兼有优良的高频和低频滤波特性,综合滤波性能优于采用低阶阻尼网络的系统,具有工程应用价值。

简介：为实现网络差分系统的高精度差分定位,利用虚拟参考站技术提出一种网络RTK差分改正信息的生成方法。利用VRS技术建模生成了虚拟参考站的双频伪距观测值、双频载波相位观测值,重点推导了关键的载波相位数据项参数的算法公式,遵循RTCM2.3国际标准协议编码生成了RTCM3、RTCM18、RTCM19号差分改正电文,通过同步实验的方法与标准RTCM相应的主要参数进行了数值对比。实验表明,该方法生成的差分改正信息主要数据项与标准值的误差小于0.04cycle,当被用于GPS网络差分定位时,移动站的平面精度优于5cm.

简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：本文针对某型陀螺启动特性进行了试验研究，在陀螺启动漂移特性试验数据基础上，用神经网络建立了启动漂移速率温度的非线性模型，并对模型进行了检验，证实了神经网络的有效性

简介：从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。

简介：为了提高潜器导航定位精度，针对等值线算法在惯导系统初始误差较大时易发散的问题，提出基于概率神经网络调优的等值线改进方法。首先，在搜索区域内，利用概率神经网络算法对惯导系统航迹进行调优，并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹；在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析，得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论，然后在潜器行驶6h后，初始误差为5.438？的条件下进行仿真验证，结果表明，改进方法定位精度均值优于0.537？，从而证明改进方法是有效的，即使在大的初始误差下仍然能够达到较高的定位精度。

简介：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

简介：针对卫星姿态测量系统(SAMS),将径向基函数RBF(RadialBasisFunction)网络和多传感器信息融合技术相结合,并将其应用在系统的故障检测与诊断中.研究结果表明,此方法是可行有效的,可以提高系统的测量精度和性能.

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。