基于内差修正数据INS/APS卡尔曼滤波器组合定位

研究基于水声定位系统(APS)和惯性导航系统(INS)的潜艇水下定位误差修正方法.在建立APS模型和INS模型的基础上,设计了INS/APS卡尔曼滤波方法,基于INS的APS内差修正方法和基于INS/APS内差修正数据的卡尔曼滤波方法,分析仿真结果表明,三者均可提升潜艇水下定位精度,其中基于APS内差修正数据的卡尔曼滤波器具备最佳的组合定位效果.     

神经网络辅助多目标跟踪数据融合

多目标跟踪(MTT)算法包括卡尔曼滤波和数据关联算法等,而数据关联算法又是最重要、最困难的方面.联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增.提出了一种改进的方法,一方面将神经网络引入到卡尔曼滤波器中,提高滤波器的自适应能力,减小卡尔曼滤波器的估计误差从而改善多目标跟踪精度;另一方面用神经网络辅助JPDA提高正确关联概率,减小计算量.经仿真研究表明,该方法是行之有效的.     

神经网络在目标跟踪数据融合中的应用

卡尔曼滤波是大多数多目标跟踪算法的基本组成部分,其余组成部分通常包含若干形式的数据互联方法。这里打算把神经网络加到正规的卡尔曼滤波器中,使此神经网络提供滤波所需要的自适应能力。这样,卡尔曼滤波器的估计误差将会减小,从而改进了多目标跟踪的解。仿真结果表明此方法是有效的。     

一种模糊自适应INS/GPS组合导航方法

提出了一种基于模糊逻辑的自适应卡尔曼滤波新算法,即基于滤波数据残差构造一种模糊算法,以自适应控制卡尔曼滤波器的增益系数。从而可以消除异常的测量数据带来的影响,使滤波器的残差始终保持零均值,且使估计误差的协方差阵收敛,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真结果表明,该算法具有比常规卡尔曼滤波算法更高的导航精度。     

车辆导航Kalman滤波衰减因子自适应算法实现

系统介绍了车辆导航系统中卡尔曼滤波器的设计,给出了误差校正的方法.提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法.并在INS/GPS组合导航系统中进行了计算仿真,结果表明该算法能够较好地估计出衰减因子的大小有效地抑制滤波发散,提高导航精度.     

基于频谱与小波分析的卡尔曼滤波器监控技术

新息是卡尔曼滤波中预测量与量测的差值,它是表征滤波器稳定性的重要信息.通过对新息进行小波分析,并与其频谱相对比可以清楚地了解量测干扰信号对卡尔曼滤波器的影响,为对不同的干扰信号采取不同措施提高卡尔曼滤波精度提供了借鉴.     

水下导航数据融合方法

设计了一种基于多模型自动识别与转换的潜艇水下自适应卡尔曼滤波算法,并以此为基础,引入联邦卡尔曼滤波思想,结合模式识别技术,实现模型的自动识别、转换与跟踪,克服常规卡尔曼滤波对于变模型系统没有自适应能力致使在很多情况下误差太大或无法应用的缺点.仿真结果证明此方法可以复杂的潜艇水下综合导航的数据融合技术开辟一条新的有效途径.     

基于多机载预警雷达的机动目标融合跟踪方法

机动目标跟踪是多机载预警雷达数据融合中的一个难点,传统的卡尔曼滤波本身不足以解决该问题.基于量测噪声协方差估计设计了一种可适用于机动目标的卡尔曼滤波器;引入了协方差交集,提出了一种针对多机载预警雷达数据融合中机动目标跟踪的新方法.仿真实验表明,该方法能够成功稳定地跟踪机动目标,与现有的主流方法相比,该方法的误差性能是最佳的.     

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.     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

基于卡尔曼滤波的跳频信号跟踪算法

相对于传统的固定载波频率信号的测控体制,使用跳频扩频信号进行测速在提高了测控系统抗干扰能力的同时带来了信号跟踪精度不高的问题。针对这一问题,文章提出一种使用卡尔曼滤波器替换传统锁频环路低通滤波器的环路结构,推导了卡尔曼滤波器跟踪算法的递推公式。仿真结果表明,经过改进之后的环路跟踪精度大大提高,系统的测速精度达到15cm/s,比未使用卡尔曼滤波时候的测速精度提高了约6倍。     

突发扩频信号码相位精确估计的卡尔曼滤波方法

文章首先分析了延迟锁定环在突发模式下码相位测量精度低的问题,然后建立了用于扩频信号伪码相位估计的卡尔曼滤波模型,并分析了该卡尔曼滤波器最优运行和提高测量精度的条件,提出用宽带延迟锁定环引导卡尔曼滤波的方法对突发扩频信号的码相位进行精确估计。通过仿真对比了在突发扩频信号下该方法与单独使用延迟锁定环的性能情况。     

基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

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。     

回归分析在多雷达航迹关联和融合中的应用

雷达数据关联融合是多站多目标跟踪的主要问题,提出了一种回归分析的数据融合方法.首先,对测量数据进行统计分析,给出观测融合的点估计和置信区间估计,之后基于目标的观测融合数据,采用强跟踪滤波器对多目标进行跟踪.利用上述方法,进行了各种态势下的仿真实验,验证了算法的有效性.     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

自适应交互式多模型滤波在被动制导中的应用

首先给出了一种更加简单的关于BOM问题的变增益函数的推导,新的增益形式比原先的形式更具有数字稳定性.然后考虑当模型具有不确定性时的被动制导仿真.当模型具有参数不确定时,一般的单模型滤波器已经不能满足制导的性能要求.采用交互式多模型算法,与修正增益扩展卡尔曼滤波器结合,并使用能实时估计量测噪声的Sage-Husa估值器,设计出一种新型自适应交互式多模型修正增益扩展卡尔曼滤波,将其应用到被动制导中,仿真结果表明该方法的优越性和实用性.     

卡尔曼滤波器在弹道重构中的应用与仿真

弹道重构是评价弹道精度、有效实施弹道控制技术的关键.为了有效地利用卡尔曼滤波器实施弹道重构技术,建立了适用于在线弹道重构的非线性弹道模型,引入了积分预测算法,能减少离散卡尔曼滤波器一步预测的误差.给出并分析了适用于弹道重构的EKF和UKF算法,UKF避免了处理非线性系统时的线性化同题.仿真试验对比了两种方法的重构精度,...     

船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。