UKF在MEMS陀螺随机噪声补偿的应用

论述了MEMS陀螺静态随机噪声与动态随机噪声的特点;系统分析了无迹卡尔曼滤波(UKF)的特点,将UKF用于MEMS陀螺随机噪声估计;针对MEMS陀螺静态噪声与动态噪声补偿用同一方法处理达不到一定性能的难题,提出了一种由阈值决策静态和动态滤波的工程方法;指出将时间序列用于建立随机噪声的数学模型的缺陷,指出欧美等使用的MEMS陀螺随机噪声补偿的优点与缺点.     

传递对准中机翼弹性变形处理

提出利用载机不同飞行状态下弹载子惯导陀螺仪与机载主惯导陀螺仪输出角速度差异对机翼弹性变形的AR模型参数进行在线辨识,采用一种改进的卡尔曼滤波算法对模型参数进行估计,利用信息对准模型的适应性进行检验.结合速度加姿态传递对准模型,建立了考虑机翼弹性变形的传递对准模型.仿真试验验证了该在线建模方法的有效性,在传递对准中考虑机翼弹性变形模型,可以有效地降低机翼弹性变形对传递对准的影响.     

火控系统中目标跟踪建模技术发展述评

对火控系统中的一个重要方面和核心问题——目标跟踪的建模作一综合论述,回顾并讨论先期和近期的发展情况     

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。     

冗余捷联惯组信息容错管理算法

对于单机多表斜置冗余捷联惯组的故障诊断、隔离和重构,提出无迹卡尔曼滤波结合三交叉容错融合方法。考虑各误差项,对不同的冗余配置建立统一数学模型。通过三交叉重构模型的设计可快速隔离一度故障并输出正确结果,对被隔离的故障表各误差系数采用无迹卡尔曼滤波方法标定,可辨识因误差系数改变而引起的软故障。以单机五陀螺的两种误差系数软故障为例仿真验证了冗余捷联惯组信息容错管理算法的正确性。     

非高斯背景条件下水声信号粒子滤波性能分析

基于贝叶斯滤波原理,介绍了粒子滤波(Particle Filter,PF)的基本思想和具体算法实现步骤。针对非高斯噪声对水下信号目标跟踪的影响,分别对符合高斯分布、韦伯分布和伽马分布的随机噪声序列,在噪声均值和方差相同的条件下,对比分析了扩展卡尔曼滤波(Extended Kaman Filter,EKF)算法和PF算法的估计精度。仿真结果表明,在非线性非高斯环境下EKF算法跟踪性能严重下降,而PF算法能继续保持较好的跟踪精度,证明PF算法在非线性非高斯系统中的有效性。     

基于通信延迟误差补偿的协同导航算法

多自主水下航行器(MAUV)协同导航技术是解决水下定位的重要手段。主从式多AUV协同导航系统利用水声通信方式实现数据共享,但由于声速在水中传播较慢,使得接收到的量测信息具有通信延迟。因此,针对通信延迟问题提出了一种新息重建的状态估计补偿方法,通过对从AUV进行状态递推,获得在有无量测延迟两种情况下的状态误差,将此误差作为重建的新息补偿到状态估计中。仿真结果验证了该方法能够有效地补偿协同导航中由于通信延迟造成的定位误差,提高从AUV的定位精度。     

未知环境下飞行器视觉/惯导组合测速测高方法

针对未知环境下飞行器导航问题,提出一种基于视觉/惯导组合的测速测高方法。该方法构建包含前若干个成像时刻飞行器位置的惯导扩展状态方程,并采用一种基于摄像机两视图对极几何约束的线性视觉量测方程,通过卡尔曼滤波进行惯导速度修正,在此基础上利用多帧成像的立体视觉交会估计地面特征点坐标,进而得到飞行器相对高度。以飞行器典型巡航轨迹进行的仿真实验表明,该方法能够有效修正飞行器速度和相对高度误差,给出不随时间漂移的速度和相对高度测量结果,并很好地抑制飞行器位置误差的发散。     

基于虚拟检测函数下的IMM-UKF机动目标跟踪

为了有效提高对机动目标的跟踪效果,将无迹卡尔曼滤波(UKF)引入到交互多模型(IMM)算法框架内,加强状态估计精度;引入强跟踪滤波器(STF)到UKF算法中,避免对强机动目标的过大时间延迟和跟踪性能差的缺点;提出虚拟检测函数法,在跟踪过程中自适应调整"当前"统计模型的机动参数,加大模型集与目标真实运动模式匹配概率。仿真结果验证了改进算法的有效性。     

道路约束条件下的地面运动目标跟踪

有效使用道路信息能显著提高地面运动目标跟踪性能。基于卡尔曼滤波理论,提出了道路约束条件下的滤波方法。首先建立了描述道路网中路段的数学模型,给出了将目标分配于道路的定位算法;然后推导了道路约束条件下的过程噪声矩阵;提出了路段切换时状态修正公式;在道路约束最大后验概率估计准则下,根据道路参数修正状态与协方差。蒙特卡洛仿真结果证明了该算法的优越性能,且定量分析表明其计算量是可接受的。