快速传递对准的抗野值方法研究

快速传递对准对滤波精度与收敛速度有着严格的要求,而测量野点的存在会严重破坏传递对准的精度。提出了一种新的抗野值滤波方法,在线取测量信号的一个小区间,采用正向对称延拓的方法构成新序列并对其进行小波阈值去噪,检测出野点,用前几个周期的信号构造新的测量值进行Kalman滤波,有效地剔除了野点的影响,滤波系统保持了很好的精度,满足了传递对准的要求。     

基于粒子滤波的目标跟踪抗野值算法

运用粒子滤波对目标位置进行跟踪时,测量数据的异常突变点、目标的机动转弯、粒子数量的制约和重要性密度函数的优劣都会导致估计误差较大的野值出现,这将严重影响雷达对目标的跟踪精度。现有的野值剔除方法在目标发生机动时,都存在误剔率较高的问题。针对这个问题,采用莱特准则与机动门限准则相结合的方法,提出了不确定观测点的概念,设计了一种适用于机动目标的抗野值粒子滤波算法。仿真结果表明,该方法能较好地检测和更新野值,降低跟踪误差,提高跟踪精度。     

TF工程应用中的地形数据处理方法研究

研究了地形跟随(TF)工程应用中的地形数据合理性检验、误差消除以及地形数据的转换、存储和更新3个问题。针对地形数据的特点,提出了地形测量数据中数据合理性的判别准则;根据TF工程应用和减小测量随机误差的需要,给出了地形数据转换、存储和更新算法,并根据数据处理结果修正了系统误差。数据处理结果表明,应用该方法可以剔除野值,减小随机误差,地形数据存储与更新算法可行,满足TF工程应用需求。     

一种实时剔除雷达测量数据中野值的方法分析

实时剔除雷达测量数据的野值对于提高目标轨迹精度具有重要意义,分析了一种利用残差和误差相关矩阵构造二次型作为判定野值的方法,并给出了这种方法的实现思路和仿真结果,指明了该方法可推广应用的领域.     

目标机动和观测野值的双假设滤波辨识算法

针对目标跟踪观测过程中野值和机动互存的辨识问题,根据标准Kalman滤波算法不具有容错性的特征,提出利用Kalman滤波收敛时间辨识野值抑或机动导致观测值异常的方法,以减少测量值准确有用信息的丢失。然后,采用改进3σ准则对近似服从正态分布的小测量域内观测数据进行粗略预处理,并对异常值建立了残差扰动因子的双滤波器辨识,同时以设置同步并行动态的时间计时为判决条件,有效减小了后续目标跟踪的误差。仿真实例表明:所提出的双假设辨识算法能够实现实时辨识,且有效跟踪目标。     

几种野值剔除准则在目标预测中的应用研究

观测数据中的野值会影响目标预测的精度。分析比较了几种常用的野值剔除准则,包括最常用的3σ准则、奈尔准则、格拉布斯准则和狄克逊准则,将其应用到目标预测的数据预处理中,并比较了各种方法的野值剔除能力和对目标预测精度的影响。仿真结果表明:野值剔除准则的引入可有效减少数据中野值的数量,提高目标预测的精度。其中,格拉布斯准则的实用效果尤为明显,且误剔除率也得到了较好的控制。     

一种抑制卫星信号野值的改进Sage-Husa滤波方法

针对组合导航中经常出现的卫星信号野值和滤波精度不高的问题,提出了利用Sage-Husa和新息正交性来消除卫星信号野值及抑制滤波器的发散,从而提高导航的精度和稳定性。首先,用改进的新息Sage-Husa卡尔曼滤波器对组合导航系统的测量信号进行滤波处理,其次,引入抗野值判断函数对测量信号进行判断,剔除卫星信号测量过程中的野值。通过跑车试验将新息Sage-Husa滤波与经典的卡尔曼滤波和Sage-Husa滤波的效果进行对比,结果表明改进的滤波算法能够有效地去除卫星野值、提高导航精度。     

传递对准野值加权矩阵修正方法应用研究

卡尔曼滤波器广泛应用于传递对准中,在实际系统中,由于各种原因的影响,传递对准过程所采用的量测序列中会出现野值,量测序列中的野值会影响到滤波器的估计效果,使得滤波精度下降.为了解决该问题,采用一种加权矩阵的方法对量测信息中的野值进行了修正,仿真结果表明,该方法可以有效减弱野值对滤波效果的影响.     

改进的最速跟踪微分器滤波效果仿真

为保证获得数据的实时性以及滤除数据在获取过程中存在的一系列野值干扰,利用鲁棒滤波理论对最速跟踪微分器的跟踪和抗野值功能进行了改进,利用误差反馈的思想,对最速跟踪微分器进行实时在线的补偿修正,并将改进型跟踪微分器与标准最速跟踪微分器和鲁棒Kalman滤波器仿真结果进行了比较,表明经改进的最速跟踪微分器有更好的跟踪、滤波以及抗野值效果。     

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。     

平流层飞艇抗风场干扰CUKF算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。首先确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;然后证明该算法的状态估计量不仅是无偏的,而且协方差小于标准UKF的协方差;最后将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应UKF算法进行比较,结果表明：提出的约束UKF算法的滤波性能明显优于自适应EKF和抗差自适应UKF算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。     

卡尔曼滤波框架下优化增益异类噪声处理方法及其应用

针对基于卡尔曼滤波框架算法只能处理已知高斯噪声系统的局限性,设计能够同时处理含有异类噪声系统的改进算法。将不确定系统受到的干扰分成高斯噪声和未知有界噪声,对噪声特点进行分析,并将其加入状态方程和观测方程;在吸收集员滤波优点的基础上,对标准卡尔曼滤波进行改进,通过计算包含两种异类噪声系统状态的最小均方误差,得到该条件下滤波增益的调整值;将利用集员滤波得到的状态统计量以及两类噪声信息和调整后的滤波增益代入卡尔曼滤波体系,得到改进后的滤波算法。将提出的改进方法应用于不确定车辆导航系统中进行解算,仿真结果表明:改进滤波方法能够有效克服异类噪声的干扰,性能优于扩展卡尔曼滤波方法,对异类噪声具有较好的抵抗能力。     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合.并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性.     

大攻角下基于卡尔曼滤波的大气参数修正算法

针对新一代航空飞行器在大攻角飞行时大气数据系统测量精度严重下降问题,提出了基于卡尔曼滤波的大气参数修正算法。该算法利用大气数据测量信息和惯性导航信息,基于飞行器力学方程构建卡尔曼滤波器,通过卡尔曼滤波的方法实现对大气参数的修正。仿真结果表明,经卡尔曼滤波修正后的大气参数能够有效消除大攻角下原始大气参数的剧烈波动性误差,并与真实大气参数吻合较好,有效的提高了大气数据系统在大攻角飞行状态下的测量精度和可靠性。     

联邦滤波器的SINS/GNS/DVS水下组合导航

针对现有的水下导航系统不能全面满足AUV导航的需要,为了提高水下航行器组合导航系统长时间远航程的隐蔽性,可靠性及精度,提出了一种基于联邦滤波器的惯性导航系统、地磁导航、多普勒速度声纳的组合导航方案,并采用简化自适应卡尔曼算法对水下航行器组合导航系统进行误差估计,解决了传统卡尔曼滤波容易发散的问题.仿真结果表明,在SINS/GNS/DVS组合导航中采用该算法,提高了定位精度,保证了滤波的快速性,验证了该算法的可行性和正确性.     

数据同化系统中的集合时间局地化鲁棒滤波方法

针对传统的卡尔曼滤波方法对不确定因素不具备鲁棒性问题,在集合鲁棒滤波的基础上,提出一种从观测角度构建优化数据同化的方法,称之为放大观测协方差矩阵的集合时间局地化鲁棒滤波,并推导了新方法的算法准则和递归公式。利用非线性系统Lorenz-96模型,基于性能水平系数、驱动参数、观测数目和集合数目变化的条件,对新方法和集合卡尔曼滤波方法的鲁棒性和同化精度进行比较。结果表明:集合卡尔曼滤波方法的均方根误差大于时间局地化鲁棒滤波的;在观测数或集合数较少的情况下,集合卡尔曼滤波出现了滤波发散问题,而鲁棒滤波的均方根误差波动较小;相较于传统的集合卡尔曼滤波算法,观测角度构建的时间局地化的H_∞滤波方法对系统参数的变化更具鲁棒性,滤波精度更高。     

基于CSS的室内测距优化技术?

基于CSS（ Chirp Spread Spectrum，线性调频扩频）技术的无线测距是基于TOA（ time of arrival，到达时间）的测距方法，在室内应用中，存在较多的NLOS（ Non?Line of Sight，非视距）干扰，因此测距精度低。针对这个问题，对传统卡尔曼滤波进行改进，将NLOS误差加入状态向量进行估计，进行两步卡尔曼滤波，从而抑制NLOS误差对测距的影响。考虑到LOS（ Line of Sight，视距）和NLOS并存的情况，对两步卡尔曼滤波算法进行改进，在第二步滤波中对NLOS误差鉴别和滤波处理部分做出改进，并应用到测距系统中。实验表明，利用该测距优化方法，TOA测距的精度和抗干扰能力得到了明显的提高。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.