一种雷达导引头天线罩斜率误差实时估计方法

首先建立了完整的考虑导引头天线罩误差斜率的目标-导弹相对运动问题数学描述,包括非线性的状态方程和测量方程。其次,简化得到纵向通道考虑天线罩误差斜率的目标-导弹相对运动数学模型,推导出纵向通道联合估计视线角速率和天线罩误差斜率的数学模型,证明了上述数学模型对应的视线角速率和天线罩误差斜率联合观测系统的可观性。最后,设计了纵向通道和侧向通道联合估计视线角速率和天线罩误差斜率的推广Kalman滤波器。在仿真实验中应用该滤波器,与不考虑天线罩误差斜率的视线角速率估计Kalman滤波器做了仿真对比。仿真结果表明,联合估计视线角速率和天线罩误差斜率的推广Kalman滤波器的效果很好,可以显著提高天线罩误差斜率情况下的制导精度。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存在不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Qk的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Qk,则在机动时的状态估计偏差较小。但当目标不作机动时,此时的Qk只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。     

导弹末制导中的目标机动估计

在空空导弹末制导段为了能更好地估计目标的逃逸机动,以满足制导要求,基于"当前"模型描述目标加速度,提出了一种利用相对速度估值差来调整目标加速度方差的算法.并在导弹-目标相对运动的三维空间内,由导弹对目标的速度测量值偏差调整状态噪声,并通过自适应扩展卡尔曼滤波实现对目标机动的估计.仿真结果表明,该算法在末制导中目标的机动估计精度要优于传统方法.     

基于UKPF的雷达与红外传感器融合跟踪算法

针对异类传感器融合跟踪中状态估计与量测的非线性问题,分析了粒子滤波器在解决非线性和非高斯问题的优势,提出了一种基于unscented Kalman粒子滤波器(UKPF)的雷达与红外传感器融合跟踪算法,给出了算法的详细步骤.然后将该算法用于三维空间的目标跟踪上,仿真结果表明该算法比现有算法具有更高的跟踪精度.     

仅用测量视线速率的准最优制导规律

本文给出了一种新的准最优制导规律,它采用有相位超前补偿的比例导引法。制导增益、相位超前和最大相位超前量出现时的频率是根据导弹和目标的动态延迟来确定的。准最优制导规律的实现除了需要视线速率外不需要其它任何信息。为了验证准最优制导规律的性能是良好的,采用了线性寻的系统和真实的非线性寻的系统进行了仿真研究,将准最优制导规律的性能与古典比例导引法的性能做了比较,获得了如下的一些结果:1) 在线性寻的系统中当存在发射误差或目标做等加速运动时,为使脱靶量达到设计要求,准最优制导规律的最小剩余时间与比例导引法相比可以减小一半。2) 准最优制导规律产生的加速度值小于或等于比例导引法的加速度值。3) 准最优制导规律由于采用相位超前补偿,它对测量噪声的敏感性要比比例导引法高。因此设计者根据测量噪声情况必须精心设计噪声滤波器。4) 真实的非线性寻的系统仿真结果与线性的寻的系统伤真结果性能是相同的。通过结果比较可以得出结论,准最优制导规律用于对付高机动目标是一种很有效的制导规律。     

估算目标加速度的方法及其在导弹制导律中的应用

引言设计导弹制导律时,通常假设目标不作机动飞行,因此应用一般比例导航法制导导弹可以得到较直的飞行弹道和较小的脱靶距离。如果目标在飞行过程中突然以某种规律机动,则应用一般比例导航法就得不到预期的效果。然而如能测量到目标加速度并用来制导导弹,就可对付这种机动。问题是如何确定目标加速度。国外七十年代后期的研究末制导规律的文献中,给出了有价值的成果。在减小终端脱靶距离的意义上,对比例导航法进行了改进。这种     

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。     

高阶控制导弹自适应滑模制导律

为改善制导精度,提高对目标信息滤波器估计误差的鲁棒性,提出了一种滤波器加自适应滑模制导律的设计方法。滤波器提供制导律执行所需的必要信息,如目标加速度等,而自适应滑模制导律进一步增强对信息估计误差的鲁棒性,同时由于采用了自适应设计,避免了对干扰或误差上界保守估计所带来的制导性能损失。滤波器和滑模制导律从一般意义上进行设计,可适用于拦截导弹和目标具有高阶控制动态的情形。基于Monter Carlo法进行了仿真验证,结果表明相比于最优制导律具有较强的鲁棒性和制导性能优势。     

一种新型非线性滤波器在目标状态估计中的应用

研究了球坐标系中目标状态估计问题,应用一种新型非线性滤波器设计了目标状态估计器,选择了机动目标“当前”统计模型作为目标加速度模型,对所设计的状态估计器进行了仿真,仿真结果表明该估计器具有令人满意的性能。     

一种色噪声下的自适应Kalman跟踪滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题.该文章针对传统Kalman滤波器噪声统计特性未知时,受色噪声的影响精度严重降低,甚至出现发散等现象,设计了一种基于神经模糊网络的自适应的Kalman滤波跟踪器.该滤波器通过利用神经模糊网络作为误差估计器,估计出Kalman滤波器的估计误差,从而对Kal...     

采用非线性目标模型的目标机动检测和跟踪

本文介绍两种跟踪机动目标的方法。跟踪滤波器由两个主要部分组成:目标加速度估计和目标机动的检测。第一种方法是首先假定目标的加速度为若干分段加速度值,进行构造加速度估计器。机动检测用以证明上述假设是否正确,即证明目标是否仍保持等加速运动。如果断定目标有机动,则滤波器被重新预置,并识别出加速度值。第二种方法是建立在非线性状态模型基础上的,该模型对平面内机动的目标和非等加速运动的目标跟踪精度较好。     

粒子滤波在误差配准中的应用

系统偏差严重影响了多部雷达航迹的互联和目标状态的融合,因此如何解决误差配准成为一个关键问题。因为系统偏差和雷达的量测之间是一种非线性关系,所以无法直接使用Kal-man等线性滤波直接进行系统偏差的估计。为解决这一问题,利用非线性的粒子滤波器(PF),对目标状态和系统偏差的估计进行了探讨,为了对比其性能,设计了一种扩展Kalman滤波算法。仿真结果表明PF在误差配准中的应用是可行的,性能高于扩展Kalman滤波。     

红外传感器目标跟踪算法

对红外传感器目标跟踪进行了系统的阐述 ,包括航迹起始、已知目标强度分布模型时的红外目标跟踪 ,对目标质心伪测量的红外目标跟踪 ,基于质心及质心偏移测量的红外目标跟踪 ,红外传感器的目标机动检测、利用图像分割和目标特征的红外目标跟踪 ,图像相关算法和 Kalman滤波的红外目标跟踪 ,简化充分统计量的红外目标跟踪 ,修正球坐标系 (MSC)的红外目标跟踪、利用主客观知识的红外跟踪 ,红外传感器的微弱信号检测与跟踪以及红外传感器检测 -跟踪的联合优化等研究具有一定的参考意义     

一种多红外传感器融合算法

多红外传感器跟踪系统常常由于目标机动或传感器相对目标位置导致距离估计信息不可用.一种新的多红外传感器融合算法,采用一种改进的交互多模型滤波器,实现了对机动目标的三坐标跟踪.通过分析多红外跟踪系统的可观性,证明了系统的不可观定理;同时对算法进行了仿真实验,定理和仿真结果均表明算法有效.     

基于模糊多传感器数据融合的目标跟踪系统

为了克服使用单个传感器的局限性,目标跟踪系统中引入了多传感器数据融合(MSDF)算法.MSDF能有效减小污染传感器测量量的噪声,又可排除估计过程中的无效测量量.它既能处理线性传感器的数据融合问题,又能处理含噪声的非线性传感器的数据融合问题.为了克服缺乏目标运动的前期信息的不足,目标跟踪系统中还运用了模糊运动学过程模型.因此,尽管缺乏有关目标运动及估计过程中所包含的传感器前期统计信息,该目标跟踪系统的性能却与基于已知目标精确过程模型的广义卡尔曼滤波器的目标跟踪系统相当.     

三轴MEMS加速度计的最大似然校正算法

加速度计是惯性导航系统的重要测量元件,而由于制造工艺及各类传感器误差,低成本加速度计很难达到要求的精度,因此需要对其进行校正。提出一种基于最大似然估计的加速度计自校正算法。综合考虑加速度计零偏、比例误差、非正交误差、安装误差与测量噪声,建立了传感器误差模型。在此基础上,将加速度校正问题转化为校正参数的最大似然估计问题。通过数值仿真和实测试验验证,表明算法具有较高的参数估计精度,能够有效地对上述因素引起的误差进行校正。     

一种基于零控脱靶量的滑模末制导律设计

基于零控脱靶量的思想,提出一种能够有效针对大气层再入目标的滑模末制导律.首先,建立纵向平面内的弹目相对运动方程;然后利用扩张状态观测器对目标机动加速度信息进行估计,并对零控脱靶量算法进行分析,提出了制导律的设计思路;接着利用滑模变结构控制理论进行制导律的推导;最后进行仿真分析,仿真结果证明,所设计的制导律能够很好地对目标弹进行拦截,并且指令的跟踪效果也很好,从而验证了算法的有效性.     

机动目标拦截末制导技术研究

为了实现对机动目标的有效拦截,综合考虑机动加速度对视线转率信息的影响,基于机动加速度估计实现对视线转率信息提取,并采用具有较强鲁棒性的非线性滑模变结构方法对制导律进行了研究。仿真结果表明所研究末制导技术能够实现对机动目标的有效拦截。     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

发射后截获制导律研究

研究了发射后截获制导律设计问题.为了保证导引头顺利截获目标,提出了一种包含离轴角增益控制比例导引项、变系数追踪项和导弹纵向加速度补偿项的组合制导律.比例项主要稳定视线角速度,保证弹目距离收敛;变系数追踪项控制导弹前置角,能有效克服前置角震荡,增大导引头视场角截获概率并保证导引头尽早截获目标;导弹纵向加速度补偿项消除弹体纵向加速度变化对制导的不利影响.仿真验证结果表明,提出的制导律在大离轴角发射条件下能够满足发射后截获要求,简单易行.