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。     

基于强跟踪扩展Kalman滤波的X射线脉冲星导航定轨精度研究

为提高X射线脉冲星导航定轨精度,依据脉冲星导航原理,建立了X射线脉冲星自主导航系统的状态方程和观测方程,提出用强跟踪扩展Kalman滤波（Strong Tracking Extended Kalman Filter,STEKF）替代扩展Kalman滤波,并对3颗脉冲星卫星运行的位置和速度估计进行了仿真实验。仿真结果表明：STEKF具有使滤波器能够自适应地校正估计偏差并迅速跟踪状态变化的能力,有效地提高了卫星运动状态的估计精度和数值稳定性。     

基于高斯和-容积Kalman滤波的高轨双星辐射源跟踪

高轨双星系统可通过测量辐射源信号的到达时差、频差和到达高轨卫星的多普勒频移,跟踪沿地球表面巡航且载频固定、已知的运动辐射源。针对辐射源运动方程和观测方程的强非线性,提出了基于高斯和框架与5阶容积Kalman滤波的运动辐射源跟踪算法GS-5CKF。算法将起始时刻的时差观测量所确定的处于地球表面的时差线按辐射源经度等间隔划分,初始化多个并行的5阶容积Kalman滤波器,线性组合各滤波器每个时刻的输出以获得辐射源运动状态的估计。针对5阶容积Kalman滤波器,提出了相应的非线性测度并引入滤波器分裂与合并,以提高跟踪精度并保持GS-5CKF算法计算复杂度基本不变。仿真表明,相对仅使用单个5阶容积Kalman滤波器和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等算法,提出的跟踪算法具有更高的估计精度。     

基于误差修正模型的自适应递推滤波算法

提出自适应滤波算法是经典Kalman滤波与最小方差自适应控制结合的成果。通过引入一个可变因子,将线性系统的状态转移方程与观测方程合并,然后平滑估计未知白噪声,使原本不相关的估计量被映射在同一线性流型中,由此获得可变因子的最优值。可变因子的最优调节保证了滤波的自适应性。最后通过仿真将此算法与经典的Kalman滤波对同一目标状态进行比较,发现由于误差修正因子的引入,此算法在滤波精度上得到显著提高。     

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.     

双基阵纯方位TMA的一种自适应算法仿真

为了改善普通卡尔曼滤波算法在观测噪声统计特性未知情形下处理双基阵纯方位TMA问题时的滤波性能,提出了一种在线估计观测噪声统计特性的自适应卡尔曼滤波算法,计算机仿真结果表明,该算法能够在线估计观测噪声统计特性,使Kalman滤波器始终处于稳定状态,并精确地估计目标的运动参数,同时指出了自适应算法的初值选取对滤波收敛速度的重要影响,当滤波初值选取恰当时会明显加快滤波收敛过程.     

基于自适应无迹卡尔曼滤波的小波网络算法及其应用

针对扩展Kalman滤波(EKF)训练小波网络存在收敛慢、精度不高、计算Jacobian矩阵困难等问题,在自适应Kalman滤波理论基础上,提出一种基于自适应无迹Kalman滤波(UKF)的小波网络训练算法。该算法在在UKF框架内引入自适应因子,通过其调整观测协方差与状态参数协方差的比例,使状态向量预测值的协方差更趋向真实值,有效地提高了小波网络的精度。仿真结果表明,基于自适应UKF的小波网络的收敛速度快,估计精度高,无需计算Jacobian矩阵,适于解决非线性系统的建模预测问题。     

不同系统组合的精密单点定位性能分析

在分析研究星间单差精密单点定位算法和抗差Kalman滤波解算模型基础上,利用全球定位系统、全球导航卫星系统、北斗卫星导航系统数据,对单、双、三系统精密单点定位精度和收敛时间进行了分析,得出了以下结论:三系统精密单点定位技术无论定位精度还是收敛速度均最优,多系统组合导航定位有利于提高导航定位精度。     

多频码相结合渐消因子扩展卡尔曼滤波实时定位方法

基于卫星导航定位系统多频载波相位线性组合,采用较长波长的组合波观测值与码观测值,能够较快并准确地获得模糊度,在此基础上,尝试综合利用最小二乘以及渐消因子扩展Kalman滤波技术进行实时单点定位,通过应用分析,获到较好的导航定位结果,具有一定工程应用价值。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

高速旋转弹位置与姿态测量数据分析方法

精确的弹箭位置与姿态测量数据是提高制导弹箭射击精度的基础。通过分析高速旋转弹位置与姿态传感器的量测噪声,采用卡尔曼滤波方法进行误差估计,以提高测量精度。基于高速旋转弹质心运动和角运动方程,建立了系统状态方程;根据全球定位系统和地磁传感器的测量原理,建立了量测方程;以某弹飞行数据为例,采用扩展卡尔曼滤波(EKF)和无味卡尔曼滤波(UKF)分别对弹箭的位置和姿态进行最优估计。仿真结果表明,采用上述方法可有效减少系统误差,并使综合误差进一步降低,射程与高度误差均控制在±1 m,攻角和侧滑角误差分别为±0.02 rad和±0.01 rad,可满足工程应用的要求。     

自适应两步滤波算法在机载IRSTS被动定位中的应用

在机载红外搜索跟踪系统被动定位研究中,针对扩展卡尔曼滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用两步滤波算法并结合Sage-Husa噪声估计器构建了适用于机载IRSTS被动定位特点的自适应两步滤波算法模型,算法不仅实时在线地估计了观测噪声的统计特性,而且避免了观测模型线性化误差.仿真结果表明,在完全相同的初始条件下,自适应两步滤波算法对目标运动参数的估计结果明显优于扩展卡尔曼滤波,从而提高了机载IRSTS被动定位的精度.     

基于MVEKF的空地反辐射导弹被动定位研究

采用捷联惯导系统的空地反辐射导弹在攻击过程中,容易因敌雷达突然关机而丢失目标,针对此问题,研究了新的抗目标雷达关机制导方法,该方法将修正极坐标系下的扩展卡尔曼滤波(EKF)算法在修正协方差扩展卡尔曼滤波(MVEKF)算法应用于目标雷达被动定位。仿真结果表明,与EKF算法相比,MVEKF算法是一种性能良好的滤波方法,可以用于解决空地反辐射导弹对目标雷达的被动定位问题。     

一种新的复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求，而多传感器数据更新率不同步的问题，建立一种新的微惯导/毫米波/红外复合制导体制，研究了该体制下多传感器异步信息融合的时间同步和空间配准问题；提出一种自适应Unscented卡尔曼滤波算法，该算法采用预测残差构造状态模型误差统计量，通过自适应因子调整状态模型信息对状态参数估值的贡献，有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证，结果表明，提出的自适应Unscented卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和Unscented卡尔曼滤波算法，能有效提高导弹的制导的解算精度。     

关于自适应滤波技术的一些思考

本文研究工程实践中应用Ｋａｌｍａｎ滤波时出现的滤波异常现象。文中从滤波异常的检测出发,由此构成动力学噪声方差阵的自适应估计。对于常用的衰减记忆滤波,提出了衰减因子的自适应确定方法,对于未知的动力学噪声和观测噪声的方差阵,运用Ｂａｙｅｓ－ＭＬ估计方法给出了递推估算方案。对于构造自适应滤波的技术途径,提出了一些看法。     

级联SINS/GPS系统的相关卡尔曼滤波

针对级联式 SINS/ GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题 ,提出了一种相关程度未知条件下的估计量最优融合算法 ,并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法。通过对一套 SINS/ GPS数据的计算 ,证明了新算法是成功的     

野值存在下的BP网络自适应卡尔曼滤波

提出了一种抗野值的BP网自适应卡尔曼滤波算法.通过BP网络对新息序列的方差和均值的速率进行在线实时监测计算,输出一组加权系数对新息做修正处理,从而有效地抑制了野值对滤波器的影响.仿真证明该算法保持了新息的统计特性,提高了滤波器的精度和稳定性.     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。     

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.     

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。