基于影响图方法的信息战模型

由于粒子滤波的算法原理,其计算量很大。研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法。该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一般基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性。     

多速率交互式多模型粒子滤波研究

由于粒子滤波的算法原理,其计算量很大.研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法.该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一搬基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性.     

相控阵雷达导引头的惯性视线重构北大核心

针对弹载相控阵雷达导引头的惯性视线重构问题,提出了基于Unscented卡尔曼滤波(UKF)的视线重构方法。与传统方法相比,提出的方法无需对导引头测量的角信息使用微分网络,避免了对测量噪声的放大。仿真结果表明,该方法可有效地重构视线角,从而进一步提高视线转率的估计精度。     

相控阵雷达导引头的惯性视线重构

针对弹载相控阵雷达导引头的惯性视线重构问题,提出了基于Unscented卡尔曼滤波(UKF)的视线重构方法。与传统方法相比,提出的方法无需对导引头测量的角信息使用微分网络,避免了对测量噪声的放大。仿真结果表明,该方法可有效地重构视线角,从而进一步提高视线转率的估计精度。     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

提高视线转率精度的一种改进方法

视线转率算法的改进是提高视线转率精度的重要途径之一。提出了一种计算视线转率的修正的几何算法,并利用该算法改进了α-β滤波器,改进的α-β滤波器具有更高的精度,其性能与Kalman滤波器相当,但算法更简单、可靠。仿真结果验证了该方法的有效性。     

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统.进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有现测信息的最优估计.理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果.     

机动目标跟踪的模糊逻辑方法

作者描述了一种使用模糊逻辑理论推广的交互式多模型(IMM)算法。每一个卡尔曼滤波器都被认为是局部有效的,适用于滤波调节值所确定的目标加速度空间的区域。每个卡尔曼滤波器的有效性是由模糊集合和目标的加速度估值所决定的。用选择适当的模糊集合的叠区间判断接近加速度估值要求的模型的子集。仿真结果包括了典型的机动目标情况,它说明了不同形式的模糊集合的作用。这些证明了这种方法在估计精度和计算量两方面都比IMM优越。     

基于IMM滤波器的纯方位机动目标跟踪

针对无源纯方位跟踪中目标机动的问题,提出了一种基于交互式多模型的目标跟踪算法。该算法用伪量测变换估计器(PLE)将纯方位跟踪中非线性观测模型线性化,避免了计算雅克比行列式。机动目标跟踪中通过实时调整模型匹配概率,提高了滤波器对状态变化的跟踪能力。同时该算法实时修正观测噪声协方差,消除目标远离基阵时观测噪声对目标定位的影响。最后通过与MGEKF进行比较,Monte Carlo仿真结果验证了该算法的优越性。     

用于跟踪机动目标的交互式加速度补偿算法

两级卡尔曼估计器研究针对在有随机偏差的情况下的状态估计,通过把目标加速度视为一偏差向量,用于对机动目标的跟踪。此时,目标加速度作为一个偏差,第一级估计器包含了一个常速机动模型,由其估计出目标位置和速度,而第二级估计器则估计目标加速度。当目标机动被检测出时,则该加速度估计用于修正第一级估计器中的估计。本文介绍的交互式加速度补偿算法(IAC)能克服对两级估计器明显机动检测的要求。此IAC算法被视为是一个具有两个加速度模型的两级估计器:零加速度的等速度模型和等加速度模型。交互式多模型算法(IMM)用于计算加速度估值,以补偿等速滤波器的估值。仿真结果表明,IAC算法的跟踪性能和IMM算法的性能相当,而计算量大约是IMM算法的50%。     

一种消除瞄准线漂移的实现方法

由地球自转引起的瞄准线漂移是坦克火控面临的棘手问题。提出了一种基于惯性姿态信息的瞄准线漂移抑制方法,借助车载惯导系统,获得瞄准镜的地理坐标和姿态信息,计算出地球自转角速率在瞄准镜坐标系上的分量。伺服系统依此向两个方向的控制通道增加补偿值,由此抵消地球自转的影响,乘员就会感到瞄准线始终对准目标,而不会产生偏离,因而省去了频繁调整的工作。该方法既可用于坦克作战训练,也可用于机载或舰载稳瞄装置的调试。     

基于旋量方法的高超声速飞行器三维非线性伪最优制导律设计

针对高超声速飞行器制导过程中的通道耦合问题,设计一种基于旋量方法的三维非线性伪最优制导律。引入角度矢量、视线旋量、视线旋量速度等概念,通过等价性证明,得出视线旋量、视线旋量速度控制分别与视线方位、视线角速度控制具有一致性的结论,从而将制导问题转化为视线旋量和旋量速度的控制问题;基于旋量方法构建弹目视线旋量、视线旋量速度模型,构建得到飞行器制导的三维非线性模型;为避免直接求解Riccati微分方程过程的复杂性,引入伪控制变量,将三维非线性制导模型转化为线性制导模型;分别针对无终端约束和有终端约束情况,基于二次型最优方法得到三维非线性伪最优制导律。该制导律避免了通道解耦,其制导参数又满足一定物理意义下的最优性。仿真结果验证了所设计制导律的有效性。     

惯性平台自标定中惯性仪表安装误差可观测性分析

针对惯性平台自标定中惯性仪表安装误差可观测性问题,深入研究了系统模型与平台坐标系对惯性仪表安装误差可观测性的影响。根据不同系统动力学模型和观测量构建四种系统模型。从可观测性定义出发,分析与判断惯性仪表安装误差在不同系统模型和不同平台坐标系下的可观测性。理论分析和仿真结果均表明惯性仪表安装误差在以下两种情况完全可观:观测量为平台框架角和加速度计输出,系统动力学模型为框架角模型,平台坐标系以平台六面体为基准定义;观测量为加速度输出,系统动力学模型为姿态角或失准角模型,平台坐标系以加速度计敏感轴为基准定义。     

基于实际飞行数据插值的INS/GNSS组合导航仿真轨迹发生器

针对INS/GNSS组合导航仿真中,捷联惯导系统陀螺、加速度计信号高精度模拟问题,提出了基于实际飞行数据插值的动态轨迹解析生成仿真算法。对转换到地心惯性坐标系中的载体姿态、位置和重力场数据进行关于时间的样条函数插值,得到载体坐标系下陀螺角速率、角增量以及加速度计比力积分增量的高精度分段解析表达式。使生成的陀螺、加速度计信号符合载体运动学和动力学特性,反映杆臂效应影响,同时与经事后处理的实测GNSS伪距、伪距率等数据特征保持一致。提出了四元数约束插值算法,可满足四元数解析插值时范数为1的约束限制条件。基于某实际无人机飞行数据,验证了所提出算法的有效性,完全满足组合导航动态仿真精度要求。该算法也适用于其他高精度高动态导航系统和刚体运动控制仿真中的角运动、线运动传感器信号模拟。     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。     

再入目标质阻比估计算法研究

再入段目标识别的核心问题是快速高精度地估计出目标的质阻比。针对再入过程的非线性问题,重点研究了样条卡尔曼滤波器、扩展卡尔曼滤波器和一种基于"无损传输"的扩展卡尔曼滤波器,仿真实验从质阻比的估计精度和收敛速度以及计算量等方面比较了各滤波算法的性能。仿真结果表明基于无损传输的扩展卡尔曼滤波器的估计精度最高,收敛速度最快。     

Robust cubature Kalman filter method for the nonlinear alignment of SINS

Nonlinear initial alignment is a significant research topic for strapdown inertial navigation system(SINS).Cubature Kalman filter(CKF)is a popular tool for nonlinear initial alignment.Standard CKF assumes that the statics of the observation noise are pre-given before the filtering process.Therefore,any unpredicted outliers in observation noise will decrease the stability of the filter.In view of this problem,improved CKF method with robustness is proposed.Multiple fading factors are introduced to rescale the obser-vation noise covariance.Then the update stage of the filter can be autonomously tuned,and if there are outliers exist in the observations,the update should be less weighted.Under the Gaussian assumption of KF,the Mahalanobis distance of the innovation vector is supposed to be Chi-square distributed.Therefore a judging index based on Chi-square test is designed to detect the noise outliers,determining whether the fading tune are required.The proposed method is applied in the nonlinear alignment of SINS,and vehicle experiment proves the effective of the proposed method.     

基于EV模型的惯导平台误差分离方法

针对惯导平台误差分离过程中输入输出观测数据均含有噪声的问题,应用基于EV模型的总体最小二乘方法进行误差分离.给出了惯导平台的误差模型及误差观测方程,介绍了EV模型及总体最小二乘方法,分析了利用车载试验进行误差分离时平台的安装方式以及所需的外测信号等问题.应用最小二乘法和总体最小二乘法进行仿真对比研究.仿真结果表明,基于EV模型的总体最小二乘法对惯导平台的误差系数分离精度较最小二乘法要高.     

基于时频分析的噪声去除

经典的数字信道化思想的实施都是建立在一组硬件滤波器构成的并行多路,虽然能实时处理,但随着处理数据带宽的增大和子信道频率分辨率的增加,设备开销将线性增长,整体可靠性也必然下降.基于信号的检测理论,在利用时频分析工具得到的时频图上进行信号检测,提出了检测去噪法.针对宽带数据背景噪声的特点,提出了噪声基底的3种估计算法:去大留小法、对数统计法和频移均值法,并线面结合对噪声基底进行平滑,实现了天电干扰的去除.通过实际接收到的某短波信号检验,证明了算法的有效性.     

线性测量海上机动目标状态估值器

本文导出了在惯性坐标系内利用线性测量卡尔曼滤波器(LMKF)来估值海上机动目标的状态估值器。LMKF 可以用于非线性测量条件下的目标状态估值。同时,LMKF 的公式比延伸的卡尔曼滤波器(EKF)要容易推导得多。在飞机坐标系里用蒙特卡罗方法进行了大量的数学模拟。模拟结果表明,两种滤波器的估值误差相同,但是LMKF 只需要比较少的计算量。应用线性测量的方法,导出了在飞机地理水平面坐标系内的LMKF。该滤波器有较高的溶液精度和较少的计算量。