基于"姿态矩阵"量测的机载导弹传递对准技术

"速度+姿态"量测匹配方案是目前比较理想的机载导弹传递对准技术.采用"姿态"量测时存在矩阵计算量大等缺点,在具体工程应用时更会受到计算机速度的限制,尤其是需要快速进行卡尔曼滤波计算时.引入了一种与"姿态"量测具有相同特点的"姿态矩阵"量测方案,设计了快速对准卡尔曼滤波器,并进行了仿真分析.结果表明是一种具有工程意义的实用快速传递对准技术.     

使用位置量测值乘积的多目标跟踪(一)

本文主要介绍用于多目标跟踪(MTT)中航迹保持的对称量测方程(SME)滤波器的继续研究。与其他的MTT方法比较起来,在SME滤波器中,为了进行目标状态估计,没有必要考虑目标/量测互联,这将导致MTT问题计算复杂性的实质性的简化。本文集中在由原始位置量测值的积构成的和产生SME的情况。对于其运动包括围绕等速轨迹随机扰动的N个目标情况研制了SME滤波器。假设x坐标位置的量测值是可得到的,并假定量测数等于目标个数。研究了SME滤波器的各种解析特征,尤其是证明了:在极不充分的条件下,估计误差方程是局部指数稳定的。通过把SME滤波器与最佳(最小方差)估计器比较和在六个目标情况下进行的计算机模拟研究了SME滤波器的性能。     

多传感器量测融合算法的性能比较

归纳三类多传感器量测融合算法,即扩维滤波法、伪序贯滤波法和复合量测滤波法。采用协方差分析的方法比较各类算法的滤波精度,证明它们均能在各自给定的条件下实现线性最小均方意义上的最优滤波。仿真实例对各类算法的计算量和灵活性等性能进行比较,结果表明扩维型信息滤波器的计算量最小、灵活性最高,扩维型Kalman滤波器、伪序贯滤波器的计算量较大,而两种复合量测滤波器对各传感器的量测矩阵有一定要求,以致灵活性较差。所得结论对量测融合算法的实际应用具有一定的指导意义。     

实用的解耦自适应跟踪滤波器

本文提出了一种在非线性量测环境下对机动目标的解耦自适应滤波算法。在视角直角坐标系中实现了一种修正的输入估计方法。由于所提出的这种滤波器有解耦结构,因此在不降低性能的前提下可以大幅度减少计算量。同时,由于伪量测噪声之间的交叉相关性较小,因此可以提高机动探测的精度。     

舰船等速航行下基于FAKF的舰载机捷联惯导自对准技术

详细推导了舰船在等速航行下基于惯性系下重力加速度信息的舰载机捷联惯导系统的自主精对准状态空间模型,针对该状态下海况对舰船产生的大幅摇摆,使得自主精对准中滤波值的量测值产生较大的附加不确定干扰,可能导致卡尔曼滤波器发散、对准精度低的问题,根据量测方程中残差的均值和实际方差与理论方差的比值对量测方差阵的影响,设计了一种模糊自适应卡尔曼滤波器(Fuzzy Adaptive Kalman Filtering,简称FAKF)。在典型海况下的仿真结果表明,采用FAKF比常规卡尔曼滤波器能更好地抑制量测噪声干扰,且对准精度高,水平姿态误差角小于,0.01°方位姿态误差角估计误差小于0.1°。     

用具有输入估计的可变维滤波器跟踪

本文提出一种跟踪机动目标的改进方法。通过组合输入估计方法和可变维滤波方法的递归公式,构成所提出的跟踪滤波器。在所提出的方法中,当探测到目标机动时,滤波器还提供目标开始机动瞬时的估计。用这种估计的机动开始时间,也估计机动输入并且跟踪系统变成了机动模型。所提出过程的计算负载与输入估计方法的计算负载不相上下。为了说明所提出跟踪滤波器的效果,进行了仿真,把输入估计滤波器和可变维滤波器与交互式多模型(IMM)滤波器进行了比较。     

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.     

考虑输入受限的高超声速飞行器预设性能控制

针对考虑输入幅值与速率受限的高超声速飞行器跟踪性能问题,提出基于受限指令滤波器的预设性能控制方案。为了提高系统瞬态和稳态性能,设计预设性能反演控制器,并通过设计新的性能函数使得跟踪误差超调量更小。引入指令滤波器来处理反演控制器设计中难以求导的问题。针对输入受限问题,构造一种受限指令滤波器来约束系统控制律,保证控制输入满足幅值和速率的限制要求,并进行相应的理论证明。另外,考虑系统参数不确定性与外界干扰,采用线性扩张状态观测器进行观测并补偿。基于Lyapunov稳定理论证明系统的所有跟踪误差最终一致有界。通过仿真验证该方法的有效性。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。     

基于GPS相位差的炮弹滚转角测量方法

针对高速旋转炮弹滚转角的测量问题,在分析天线载波相位差与滚转角、滚转角速率关系的基础上,将GPS相位差作为量测输入,利用卡尔曼滤波器估计载体的滚转角和滚转角速率。仿真结果表明:该方法能很好地估计出载体的滚转角,具有一定的工程应用价值。     

附加运动约束的MEMS惯性传感器融合定姿算法

针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的"双矢量法+EKF"模式有大幅提升。     

三维雷达跟踪改进的卡尔曼滤波设计

本文探讨了三维雷达的跟踪问题。在高度非线性情况下,通常的跟踪滤波器设计依赖于一阶(或线性)近似,结果导致滤波器的收敛性和稳定性很差。对于两种不同类型的三维雷达量测,本文开发了能够克服这些不良影响的简单滤波算法。对每一种雷达量测,经过坐标转换,通过估计雷达量测固有的非线性,可以获得量测协方差的精确表达式。在表达式的基础上,应用代数计算和合理的近似,可以产生简单的滤波公式。产生的滤波方程与广义卡尔曼滤波(EKF)公式相似,并提供了一些用于雷达量测的线性卡尔曼滤波的有用见解。模拟结果表明本文提出的方法对解决量测的非线性是非常有效的。     

改进的通道特性校准方法在干涉仪中的应用

多通道测角系统中,通道幅相特性是影响测角精度的重要因素。提出一种不失一般性的自适应滤波器校准模型,分析了滤波器暂态效应对测角结果带来的影响,指出暂态效应的持续时间与滤波器的阶数有关。并对此提出改进,改进后的方法根据滤波器阶数进行野值点剔除,修正了暂态效应对测角结果的影响。仿真验证在样本数较少,信噪比为10 dB的情况下时,角度估计精度可以提升0.1°~0.3°。     

基于极坐标多普勒伪状态的最佳线性无偏估计算法

理论和实践已经证明,除位置量测外,包含目标速度信息的多普勒量测具有有效提高目标状态的估计精度的潜力。基于目标匀速运动场景在直角坐标系下提出了一种可使用多普勒伪量测(即距离量测与多普勒量测的乘积)和多普勒伪状态的跟踪算法。从理论上讲,它是在最佳线性无偏估计准则下的近似最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过与目前几种流行的方法进行仿真比较,验证了新算法的优越性和可靠性。     

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.     

使用联合概率数据互连滤波器的改进的多目标角跟踪 …

联合概率数据互连皮器用于多个运动目标的角跟踪。为了改进性能。在数据互 方面,除了角量测外,该滤波器还使用功率量测。用ＭＵＳＩＣ算法获得了这些量测。由使不同轨迹的蒙特卡洛仿真来评估本算法的跟踪性能。     

使用位置和速率量测值的三状态卡尔曼跟踪器

本文叙述了跟踪类似飞机的运动目标的三状态卡尔曼跟踪器,该跟踪器利用使用脉冲多普勒处理过的边跟踪边扫描雷达传感器获得的位置和速率量测值,例如,提供清晰的多普勒数据的动目标探测器就是这种雷达传感器。在白噪音机动能力的假设条件下,已经解析地获得了稳态滤波器参数。这些参数的数值计算与用递归卡尔曼滤波器矩阵方程得到的数值计算完全一致。在只能得到距离量测值的情况下,作为这种模型的特殊情况获得了这种情况的解。为了举例说明这个解是怎样取决于不同的参数,本文还介绍了归一化的协方差和增益图象。     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。     

杂波环境下基于IMM-PSNF的机动目标跟踪算法

鉴于现有算法对杂波环境下的机动目标跟踪,在杂波密度较大、机动性强的情况下滤波器容易发散且算法复杂度较大的问题,提出了交互式概率最强邻算法(IMM-PSNF)。该算法以传统的机动目标跟踪算法IMM为基础,利用算法复杂度较小的概率最强邻算法(PSNF)进行滤波更新,并借助两级模型概率加权波门技术增强滤波器的稳健性。理论分析和仿真结果都表明,通过最强邻思想对量测的有效选择,IMM-PSNF无论是跟踪精度还是航迹丢失率都要优于全邻滤波器IMM-PDAF。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。