李佩娟，徐曉蘇，劉亦亭，樊海霞

（1.微慣性儀表與先進(jìn)導(dǎo)航技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，南京210096；2.東南大學(xué) 儀器科學(xué)與工程學(xué)院，南京 210096；3.南京工業(yè)職業(yè)技術(shù)學(xué)院，南京 210023）

基于智能濾波技術(shù)的抗高過載陀螺信號處理方法

李佩娟1,2，徐曉蘇1,2，劉亦亭1,2，樊海霞3

（1.微慣性儀表與先進(jìn)導(dǎo)航技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，南京210096；2.東南大學(xué) 儀器科學(xué)與工程學(xué)院，南京 210096；3.南京工業(yè)職業(yè)技術(shù)學(xué)院，南京 210023）

陀螺作為捷聯(lián)慣性導(dǎo)航系統(tǒng)的關(guān)鍵傳感器，其測量精度直接決定了整個系統(tǒng)的性能和精度指標(biāo)。針對艦船高過載環(huán)境下捷聯(lián)慣性導(dǎo)航系統(tǒng)陀螺輸出信號出現(xiàn)畸變的問題，提出一種基于 BP神經(jīng)網(wǎng)絡(luò)技術(shù)的陀螺信號智能模擬濾波方法。該方法根據(jù)系統(tǒng)加速度計輸出值對艦船運(yùn)動狀態(tài)進(jìn)行判斷，當(dāng)其輸出小于設(shè)定閾值時，視為非過載環(huán)境，此時將陀螺輸出用于導(dǎo)航計算并作為 BP神經(jīng)網(wǎng)絡(luò)在線訓(xùn)練樣本，以保證網(wǎng)絡(luò)參數(shù)與當(dāng)前艦船運(yùn)動態(tài)勢的一致性；否則視為進(jìn)入高過載環(huán)境，并利用之前最新訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模擬當(dāng)前陀螺信號輸出，保證捷聯(lián)慣性系統(tǒng)的平穩(wěn)工作。采用智能模擬的優(yōu)點(diǎn)是：數(shù)據(jù)并行計算速度快，不需要改變系統(tǒng)硬件條件。半物理仿真試驗(yàn)結(jié)果表明：該方法在加速度計輸出為5～50g的高過載環(huán)境下，可有效改善陀螺輸出信號出現(xiàn)畸變的問題，實(shí)現(xiàn)艦船運(yùn)動狀態(tài)的實(shí)時模擬。

捷聯(lián)慣性導(dǎo)航系統(tǒng)；姿態(tài)基準(zhǔn)測量系統(tǒng)；高過載；BP神經(jīng)網(wǎng)絡(luò)

姿態(tài)測量系統(tǒng)廣泛應(yīng)用于各個領(lǐng)域中，無論是定位定向還是測姿和導(dǎo)航上，其精度都將直接影響最終的系統(tǒng)性能。對于艦載武器系統(tǒng)，姿態(tài)測量是其必不可少的基準(zhǔn)信息，它所提供的載體實(shí)時姿態(tài)基準(zhǔn)信息是武器系統(tǒng)火控解算的基礎(chǔ)平臺，其測量精度是決定武器打擊精度的第一級保證[1-2]。

捷聯(lián)慣性導(dǎo)航系統(tǒng)(SINS)具有體積小、重量輕、成本低、可靠性高的優(yōu)點(diǎn)，目前被廣泛應(yīng)用在航空航海等領(lǐng)域。對于艦船系統(tǒng)，其主要用于戰(zhàn)術(shù)武器的局部基準(zhǔn)、導(dǎo)彈平臺的導(dǎo)航系統(tǒng)、平臺式主慣導(dǎo)系統(tǒng)的備份系統(tǒng)等[3]。當(dāng)捷聯(lián)慣性導(dǎo)航系統(tǒng)作為艦載武器的局部基準(zhǔn)進(jìn)行姿態(tài)測量時，隨著現(xiàn)代戰(zhàn)爭中防護(hù)功能的加深，相對應(yīng)的武器系統(tǒng)穿甲破壞力也需相應(yīng)提升，艦炮口徑的增大和射速的提高，使得發(fā)射時的巨大反沖力量對局部基準(zhǔn)造成瞬時沖擊將達(dá)20～50g，捷聯(lián)慣性系統(tǒng)陀螺輸出結(jié)果受到很大影響，不能準(zhǔn)確地表示實(shí)時姿態(tài)基準(zhǔn)信息，因此捷聯(lián)慣性導(dǎo)航系統(tǒng)的抗過載能力也需相應(yīng)提高。盡管艦炮發(fā)射時間很短在0.5～1 s之間，但相對于陀螺采樣間隔時間來說造成的受影響數(shù)據(jù)將達(dá)到上百個，當(dāng)它們作為量測量引入到導(dǎo)航解算時，將會對系統(tǒng)精度產(chǎn)生很大的影響，因此降低高過載環(huán)境下陀螺輸出信號畸變對捷聯(lián)慣性導(dǎo)航系統(tǒng)精度的影響具有重要意義[4-6]。

近年來，神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的容錯、聯(lián)想、推測、記憶、自適應(yīng)、自學(xué)習(xí)和處理復(fù)雜多模式等優(yōu)點(diǎn)，在許多學(xué)科中掀起了研究熱潮[7]。BP算法作為應(yīng)用最普遍的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法之一，具有很強(qiáng)的生物背景，其卓越的輸入輸出映射特性，使得BP網(wǎng)絡(luò)在多變量函數(shù)逼近方面具有很強(qiáng)的優(yōu)勢，并以其獨(dú)特的結(jié)構(gòu)和處理信息的方法，在許多實(shí)際應(yīng)用領(lǐng)域中取得了顯著的成效[8-9]。本文充分考慮到艦船運(yùn)動特點(diǎn)，即其運(yùn)動具有周期性，在定常狀態(tài)下，前進(jìn)速度在比較長的時間段內(nèi)的平均值具有定值，其它方向上的自由度在比較長的時間段內(nèi)的平均值為零，提出一種基于神經(jīng)網(wǎng)絡(luò)技術(shù)的高過載環(huán)境下船用姿態(tài)測量捷聯(lián)慣性導(dǎo)航系統(tǒng)陀螺信號智能濾波方法。該方法的優(yōu)點(diǎn)是不改變系統(tǒng)硬件要求，通過在捷聯(lián)慣導(dǎo)系統(tǒng)的導(dǎo)航計算機(jī)中增加一個與導(dǎo)航計算主線程并行運(yùn)行的陀螺信號智能濾波專用線程實(shí)現(xiàn)高過載環(huán)境下陀螺信號智能模擬輸出功能，使其在高過載環(huán)境下能夠保持平穩(wěn)輸出，大大提高了武器系統(tǒng)在高過載條件下的精確打擊能力。

1 陀螺信號智能濾波方法設(shè)計

為盡量避免武器發(fā)射時的沖擊力對局部基準(zhǔn)陀螺輸出的影響，并考慮到艦船運(yùn)動實(shí)際情況，本文采用陀螺信號智能濾波技術(shù)，利用工程實(shí)用性強(qiáng)的 BP網(wǎng)絡(luò)方法對于非線性變量的實(shí)時學(xué)習(xí)、建模和模擬的特點(diǎn)，在捷聯(lián)慣性導(dǎo)航系統(tǒng)的計算機(jī)中增加一個與捷聯(lián)慣性導(dǎo)航系統(tǒng)導(dǎo)航計算主線程并行運(yùn)行的捷聯(lián)慣性導(dǎo)航系統(tǒng)陀螺信號智能濾波專用線程實(shí)現(xiàn)高過載環(huán)境下陀螺信號智能模擬輸出功能。當(dāng)判斷艦船處于非過載環(huán)境時，導(dǎo)航計算主線程通過采集陀螺實(shí)際輸出完成導(dǎo)航計算，而陀螺信號智能濾波線程則工作在學(xué)習(xí)狀態(tài)，并利用當(dāng)前陀螺輸出訓(xùn)練更新BP網(wǎng)絡(luò)內(nèi)部參數(shù)，更好的保證 BP網(wǎng)絡(luò)結(jié)構(gòu)與當(dāng)前載體運(yùn)動狀態(tài)一致；當(dāng)判斷艦船處于高過載環(huán)境時，控制陀螺信號智能濾波線程切換到模擬輸出狀態(tài)，導(dǎo)航計算主線程采用陀螺模擬輸出代替陀螺實(shí)際輸出，這樣避免了陀螺輸出信號畸變對捷聯(lián)慣性導(dǎo)航系統(tǒng)的測量精度影響；高過載結(jié)束后，陀螺信號智能模擬模塊恢復(fù)到在線訓(xùn)練學(xué)習(xí)模式。其工作原理如圖1所示。

圖1 捷聯(lián)慣性導(dǎo)航系統(tǒng)陀螺信號智能濾波工作原理圖Fig.1 Intelligent gyro signal filtering diagram of SINS

2 BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

BP網(wǎng)絡(luò)通常由一個輸入層，一個輸出層和隱含層構(gòu)成，隱含層可以有一層或者多層，網(wǎng)絡(luò)通過改變隱含層的狀態(tài)來影響輸入輸出之間的映射關(guān)系。本文通過采集非過載環(huán)境下的陀螺輸出信息來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)，改變隱含層的權(quán)系數(shù)，從而調(diào)整整個網(wǎng)絡(luò)的性能，使其更逼近載體的運(yùn)動特性。理論上已經(jīng)證明，在BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)量可以根據(jù)實(shí)際需要進(jìn)行自由設(shè)置的前提下，三層前向神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)以任意精度逼近任意連續(xù)函數(shù)的功能[10]，因此本文采用標(biāo)準(zhǔn)的三層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)形式組成輸入層、隱含層與輸出層三部分，BP網(wǎng)絡(luò)具體結(jié)構(gòu)如圖2。其中網(wǎng)絡(luò)輸入變量為時間相關(guān)值，輸出為艦船姿態(tài)信息，相鄰層采用互聯(lián)方式連接，3個BP網(wǎng)絡(luò)輸入層到隱含層的連接權(quán)值為，i、j表示輸入層第i個節(jié)點(diǎn)與隱含層第j個節(jié)點(diǎn)；隱含層到輸出層之間的連接權(quán)值為，k表示輸出層第k個節(jié)點(diǎn)，；3個BP網(wǎng)絡(luò)隱含層激活函數(shù)都為Sigmoidal函數(shù)，表達(dá)式如下（在此以X方向陀螺輸出為例）：

各神經(jīng)元之間沒有任何連接，輸出層與輸入層之間也沒有直接的聯(lián)系，各隱含層節(jié)點(diǎn)計算結(jié)果如下：

圖2 模擬陀螺輸出的BP網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 BPNN structure used to simulate the gyro output

3 智能濾波算法過程

建立3個上節(jié)所述結(jié)構(gòu)的BP網(wǎng)絡(luò)結(jié)構(gòu)，分別模擬高過載環(huán)境下X、Y、Z軸陀螺輸出。根據(jù)捷聯(lián)慣性導(dǎo)航系統(tǒng)的加速度計輸出值判斷艦船當(dāng)前運(yùn)動狀態(tài)，當(dāng)加速度計輸出大于設(shè)定閾值5g時，則視為進(jìn)入高過載環(huán)境，否則視為非高過載環(huán)境；如果判斷為非高過載環(huán)境，則利用X、Y、Z軸上的陀螺輸出信號，對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，改變隱含層的權(quán)系數(shù)，調(diào)整整個神經(jīng)網(wǎng)絡(luò)的性能，使其更逼近當(dāng)前載體的運(yùn)動特性（在此以X方向陀螺輸出為例），訓(xùn)練過程如下：

② 依次輸入p個學(xué)習(xí)樣本，計算各層的輸入及輸出值：。

④ 記錄已學(xué)習(xí)過的樣本個數(shù)p。如果p＜N，轉(zhuǎn)步驟②繼續(xù)計算；如果p=N，轉(zhuǎn)步驟⑤。

⑤ 按權(quán)值修正公式修正各層權(quán)值：

上述算法在調(diào)節(jié) BP網(wǎng)絡(luò)連接權(quán)值時，每次均是以一個與網(wǎng)絡(luò)誤差函數(shù)或其對權(quán)值導(dǎo)數(shù)大小成正比的固定因子η進(jìn)行的，因此在誤差曲面較平坦處，由于偏導(dǎo)數(shù)值較小，以至需要經(jīng)過多次調(diào)整才能將誤差函數(shù)曲面降低；而在誤差曲面較高曲率處，偏導(dǎo)數(shù)較大，權(quán)值參數(shù)調(diào)節(jié)的幅度也較大，以至在誤差函數(shù)最小點(diǎn)附近發(fā)生過沖現(xiàn)象，使權(quán)值調(diào)節(jié)路徑變?yōu)殇忼X形，難以收斂到最小點(diǎn)，導(dǎo)致網(wǎng)絡(luò)收斂速度慢。

為改進(jìn)算法收斂速度，本文采用加入有關(guān)上一時刻權(quán)值調(diào)節(jié)方向記憶的動量項(xiàng)，即：

本文設(shè)計了自主切換和被動切換兩種方式，自主切換采用加速度計輸出作為判據(jù)，被動切換由外部武器火控平臺控制。當(dāng)判斷艦船處于高過載環(huán)境時，則利用 BP網(wǎng)絡(luò)模擬陀螺輸出信號，且分別以當(dāng)前最新權(quán)值的神經(jīng)網(wǎng)絡(luò)輸出作為X、Y、Z軸上陀螺的模擬輸出信號用于導(dǎo)航計算。當(dāng)過載消失后，系統(tǒng)自動恢復(fù)正常工作模式，考慮到陀螺輸出狀態(tài)的恢復(fù)需要一個過渡過程，故在過載結(jié)束5 s后切換智能濾波線程，系統(tǒng)恢復(fù)正常工作模式。

4 計算機(jī)仿真驗(yàn)證

本研究采用上述 BP算法模型模擬陀螺輸出，仿真試驗(yàn)采用VC++6.0與Matlab7.5工具箱完成。為盡量減小神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，根據(jù)以上理論分析和介紹，實(shí)驗(yàn)采用三個單輸入單輸出的三層 BP網(wǎng)絡(luò)結(jié)構(gòu)分別代替X、Y、Z軸上的陀螺輸出，隱層單元數(shù)采用公式來確定。其中，n和r分別為輸入和輸出單元個數(shù)此處都為1，而a為[1,10]之間的某一數(shù)，a的最終取值通過多次試驗(yàn)確定。

根據(jù)多次試驗(yàn)得到的對艦船運(yùn)動狀態(tài)的模型分析，仿真獲取3000組艦船運(yùn)動樣本對BP網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練學(xué)習(xí)，訓(xùn)練的期望誤差設(shè)為 0.001°，最大迭代次數(shù)為1000。以模擬X軸陀螺輸出的BP網(wǎng)絡(luò)為例，抽取不同訓(xùn)練樣本進(jìn)行離線多次仿真試驗(yàn)比較，部分代表性訓(xùn)練結(jié)果參數(shù)見表1。

表1 網(wǎng)絡(luò)訓(xùn)練相關(guān)參數(shù)結(jié)果統(tǒng)計表Tab.1 Statistics of network correlated parameters

根據(jù)訓(xùn)練結(jié)果統(tǒng)計分析，從網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜度和運(yùn)行效率綜合考慮，本文3個BP網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定為10，即1-10-1的BP網(wǎng)路結(jié)構(gòu)。

根據(jù)確定的網(wǎng)絡(luò)結(jié)構(gòu)和智能濾波算法，利用計算機(jī)仿真艦船正常工作狀態(tài)的陀螺輸出數(shù)據(jù)對 BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練和測試，該仿真選取了600組樣本對 BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練，訓(xùn)練的期望誤差為0.001°，最大訓(xùn)練步數(shù)為1000，以X軸陀螺輸出為例，訓(xùn)練結(jié)果如圖5。結(jié)果可見由于艦船運(yùn)動狀態(tài)具有較強(qiáng)的規(guī)律性，600組樣本數(shù)據(jù)經(jīng)過30步訓(xùn)練結(jié)束后模型誤差就可到達(dá)期望誤差，該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計能夠滿足本文應(yīng)用需求，神經(jīng)網(wǎng)絡(luò)可以有效模擬非過載環(huán)境下艦船運(yùn)動狀態(tài)。

圖3 訓(xùn)練結(jié)果Fig.3 Training result

圖4 BP網(wǎng)絡(luò)輔助智能濾波輸出結(jié)果Fig.4 Simulation result of BPNN aided intelligent filter

圖5 過載環(huán)境下陀螺輸出與智能濾波輸出對比結(jié)果Fig.5 Compared results of gyro output and intelligent filter output under overload environment

利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行計算機(jī)仿真試驗(yàn)，仿真時間為5 min，仿真數(shù)據(jù)發(fā)生器在第3 min時給數(shù)據(jù)加上跳變誤差，圖4為本文設(shè)計的智能濾波算法輸出的結(jié)果圖，圖5為過載過程中陀螺輸出與神經(jīng)網(wǎng)絡(luò)模擬輸出結(jié)果對比圖，黑色曲線代表陀螺實(shí)際輸出，紅色虛線代表神經(jīng)網(wǎng)絡(luò)輸出。

5 半物理仿真試驗(yàn)

試驗(yàn)采用時間長度為45 s的海試陀螺輸出信息，在第 41.5 s時艦載武器發(fā)射造成艦船處于高過載狀態(tài)，此時利用陀螺信號智能模擬輸出替代系統(tǒng)陀螺輸出。以模擬X軸陀螺輸出為例，系統(tǒng)實(shí)際輸出如圖6；高過載環(huán)境下利用陀螺信號智能模擬輸出替代陀螺輸出的結(jié)果如圖7；圖8為實(shí)際陀螺輸出與智能模擬模塊輔助輸出結(jié)果對比圖，實(shí)線代表根據(jù)陀螺實(shí)際輸出解算的結(jié)果，虛線代表陀螺信號智能模擬功能模塊輔助輸出結(jié)果。

圖6 過載環(huán)境下陀螺實(shí)際輸出結(jié)果Fig.6 Gyro output under overload environment

圖7 陀螺信號智能模擬輔助輸出結(jié)果Fig.7 Intelligent analog output of gyro signal

圖8 陀螺輸出與智能模擬輔助輸出對比結(jié)果Fig.8 Compared results of gyro output and intelligent analog output under overload environment

6 結(jié) 論

實(shí)驗(yàn)室離線仿真試驗(yàn)和半物理實(shí)驗(yàn)結(jié)果表明，利用BP網(wǎng)絡(luò)可以模擬艦船捷聯(lián)慣性導(dǎo)航系統(tǒng)在高頻、過載沖擊的高海況環(huán)境下的陀螺輸出，從而避免因?yàn)闆_擊、振動條件下陀螺輸出畸變引起的捷聯(lián)慣性導(dǎo)航系統(tǒng)解算誤差，為艦載武器的對準(zhǔn)和導(dǎo)航提供相對更加準(zhǔn)確的姿態(tài)信息。

（References）：

[1]Silson P M G.Coarse alignment of a ship's strapdown inertial attitude reference system using velocity loci[J].IEEE Transactions on Instrumentation and Measurement,2011,60(6):1930-1941.

[2]張磊，李輝，韓濤，等.艦船武器系統(tǒng)姿態(tài)基準(zhǔn)塢內(nèi)標(biāo)校新方法[J].中國慣性技術(shù)學(xué)報，2013，21(2)：275-280.ZHANG Lei,LI Hui,HAN Tao,et al.New method of dock calibration for naval vessel weapon system attitude reference[J].Journal of Chinese Inertial Technology,2013,21(2):275-280.

[3]Grandvallet B,Zemouche A，Boutayeb M，et al.A realtime sliding window filter for projectile attitude estimation[C]//AIAA Guidance,Navigation and Control Conference.Toronto,Ontario Canada,2010:1-14.

[4]錢偉行，劉建業(yè)，李榮冰，等.高速、高動態(tài)下的捷聯(lián)慣導(dǎo)空中粗對準(zhǔn)方法[J].中國慣性技術(shù)學(xué)報，2009，17(4)：388-392.QIAN Wei-xing,LIU Jian-ye,LI Rong-bing,et al.Coarse alignment method of airborne SINS in high speed and high dynamic conditions[J].Journal of Chinese Inertial Technology,2009,17(4):388-392.

[5]Muhammad U,Fang Jiancheng.A robust data fusion scheme for integrated navigation systems employing fault detection methodology augmented with fuzzy adaptive filtering[C]//Proceedings of SPIE- The International Society for Optical Engineering.2013,8916(3Q):1-15.

[6]王星來，岳鳳英，孫笠森.彈載慣性測量系統(tǒng)抗高過載技術(shù)[J].火力與指揮控制，2013，38(4)：165-168.WANG Xing-lai,YUE Feng-ying,SUN Li-sen.Study on anti-high-g technology of missile body attitude measurement system[J].Fire Control and Command Control,2013,38(4):165-168.

[7]尚琳，劉國華，張銳，李國通.基于BP神經(jīng)網(wǎng)絡(luò)的自主定軌自適應(yīng)Kalman濾波算法[J].宇航學(xué)報，2013，34(7)：926-931.SHANG Lin,LIU Guo-hua,ZHANG Rui,et al.An adaptive Kalman filtering algorithm for autonomous orbit determination based-on BP neural network[J].Journal of Astronautics,2013,34(7):926-931.

[8]Wang Gensheng.An improved BP neural network algorithm and it's application in customer classification[J].International Journal of Applied Mathematics and Statistics,2013,46(16):111-118.

[9]Zhang Huo-Ming,Sun Zhi-Lin,Gao Ming-Zheng.Application of the improved BP neural network in ship and ocean engineering[J].Journal of Ship Mechanics,2010,14(6):619-632.

[10]Ito Y.Approximation of continuous functions on Rdby linear combination of shifted rotations of a sigmoidal function with and without scaling[J].Neural Netwroks,1992(5):105-115.

Anti-high-overload gyro signal processing method based on intelligent filtering technology

LI Pei-juan1,2,XU Xiao-su1,2,LIU Yi-ting1,2,FAN Hai-xia3
(1.Key Laboratory of Micro-inertial Instrument and Advanced Navigation Technology,Ministry of Education,Southeast University,Nanjing 210096,China;2.School of Instrument Science &Engineering,Southeast University,Nanjing 210096,China;3.Nanjing Institute of Industry Technology,Nanjing 210023,China)

Under high-overload ship environment,the gyro signal in strapdown inertial navigation system may have the problem of distortion.To solve this problem,an intelligent gyro signal filtering method based on BP neural network is proposed.This method takes the accelerometer output values as the threshold to judge whether the high overload happens or not.If the output is less than the setting threshold,it means a non-overload environment,in this case the gyro outputs are used for navigation calculation and used to train BP neural networks online,to ensure that the network parameters are kept consistent with the current situation of the ship movements;otherwise it means high overload happened,and the latest trained BP neural networks are used to replace the gyro signal outputs,which can ensure the strapdown inertial navigation system works smoothly.Adopting intelligent filtering technology has lots of advantages,such as fast speed in parallel calculating,and not having to change the system hardware environment.The simulation results show that this method can effectively improve the problem of the gyro signal distortion under high overload environment with 5gto 50gaccelerometer outputs,and achieve real time calculating of ship movements.

strapdown inertial navigation system;attitude measuring system;high overload;BP neural network

聯(lián) 系 人：徐曉蘇（1961—），男，教授，研究方向?yàn)閼T性組合導(dǎo)航技術(shù)。Email：xxs@seu.edu.cn

U666.1

A

1005-6734(2014)03-0322-05

10.13695/j.cnki.12-1222/o3.2014.03.009

2013-12-07；

2014-04-03

國家自然科學(xué)基金項(xiàng)目（51175082，51375088，61203192，61273056）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助（3222003061）；江蘇省博士后科研資助項(xiàng)目

李佩娟（1982—），女，博士后，研究方向?yàn)閷?dǎo)航、制導(dǎo)與控制。Email：lpj4444@126.com