基于改进IMM-UKF的弹道导弹再入段跟踪数据滤波?

针对弹道系数未知的弹道导弹再入段跟踪雷达测量数据滤波这类非线性强的滤波问题,提出可变多模型无迹卡尔曼滤波算法。利用无迹卡尔曼滤波逼近精度高,计算量小,适应于任意非线性模型的特点,将其作为多模型的基本滤波器;滤波算法根据各模型正确描述目标状态的概率,动态地改变多模型数量和模型参数。上述方法的综合运用,提高对目标状态估计精度,降低了计算的复杂度,仿真实验验证了方法的有效性。     

用于消除缓变伪距偏差的抗差扩展卡尔曼滤波方法

针对卫星导航系统中伪距观测量存在缓变伪距偏差,导致定位精度下降的问题,提出了一种基于滑动积累的抗差扩展卡尔曼滤波方法。该方法在抗差扩展卡尔曼滤波算法的基础上,通过滑动窗口内多个历元残差矢量的累积,增大标准化残差矢量的伪距偏差,来提高对缓变伪距偏差故障的抗差能力。仿真表明,该方法能有效消除或者减弱微小伪距偏差和缓慢增长伪距偏差造成的位置误差,与传统抗差扩展卡尔曼滤波算法比较,定位精度得到明显改善。     

同时定位与制图辅助的GPS/DR组合导航

针对全球定位系统在信号失锁条件下与航位推算组合导航的系统误差快速累积问题,提出一种基于压缩扩展卡尔曼滤波的同时定位与制图的辅助的全球定位系统/航位推算组合导航方法。该方法利用同时定位与辅助实现运动平台在全球定位系统信号无效时连续稳定导航,抑制航位推算定位误差的累积,并利用全球定位系统定位结果校正同时定位与辅助制图误差,减小地图的不确定性。设计基于压缩扩展卡尔曼滤波的同时定位与辅助/全球定位系统组合滤波器,实现大尺度环境下同时定位与辅助/全球定位系统的实时解算。真实实验数据计算结果分析表明,相对于同时定位与辅助定位结果,同时定位与辅助的全球定位系统/航位推算组合导航可有效提高系统定位性能,使得制图精度提高10m。     

GPS/INS组合导航技术研究

随着GPS和INS技术的发展,组合导航系也逐渐成熟。采用卡尔曼滤波对GPS/INS组合导航系统进行仿真,并将仿真结果和INS仿真结果相比较得出,GPS/INS组合导航系统经过滤波的误差估计精度得到了显著提高,并比INS单一导航有明显优势。     

基于MEKF的航天器姿态确定算法

乘性扩展卡尔曼滤波(multiplicative extended Kalman filter, MEKF)方法被广泛应用于各种航天器姿态确定任务。针对任意参考坐标系,推导了姿态四元数的线性运动学方程和三分量姿态误差矢量的动力学模型,并分别设计了有陀螺和无陀螺两种姿态确定方案。系统研究了姿态敏感器常用的矢量观测模型,四元数观测模型以及欧拉角观测模型,设计了更具有一般性的MEKF滤波器,为航天任务中快速应用MEKF姿态确定算法提供理论参考和技术支撑。     

游移方位INS/GPS组合导航在极地地区的应用

针对极地地区复杂的导航环境,研究了一种游移方位INS/GPS组合导航系统,在详细推导游移方位惯性导航系统载体姿态误差的基础上,以位置、速度和姿态信息作为观测量,运用卡尔曼滤波算法进行仿真.结果表明,该组合导航系统满足极地地区的导航需求,引入姿态信息作为观测量,可有效增加对惯性导航的修正能力,提高系统的导航参数估计精度和速度.     

推动国防科技工业科技成果推广转化初探

国防科技工业领域的一系列举措对促进科技成果转化发挥了重要作用。但目前仍存在一些制约国防科技成果转化的问题,影响着科技成果转化的效果、效率近年来,国防和军队现代化建设的需求日益紧迫,对军民融合式发展提出了新的要求。在武器装备科研生产中,国家进一步加大了投入,形成了大批国防科技创新成果,推动其及时、有效地转化为战斗力和生产力,对于提升军工核心能力、促进国民经济发展无疑是重要的。     

四川省国防科技情报研究所(四川国防科技工业咨询中心)

四川省国防科技情报研究所(四川国防科技工业咨询中心)是具有独立法人资格的省属二级局科研事业单位,是西南地区国防科技情报信息与成果推广工作机构,下设信息室、技协室、推广室、核应急室、办公室等部门;设立有西南地区国防科技成果推广交流中心站、国防科技信息西南地区中心站、国防科技信息服务西南站、国防专利服务中心西南服务站、四川国防科技工业咨询中心、四川省技术合同02#登记点等专门工作机构,是四川省国防科技工业协会及其信息专业委员会以及四川省计算机学会情报专业委员     

抓好新《纲要》试点经验推广工作

新《纲要》颁发后,师团单位都抓了相应的试点工作。许多单位在抓试点过程中下了功夫,也取得了一定的成绩和经验,但对抓试点经验推广工作却重视不够、推广不力,致使试点始终停留在点上,没有完全发挥出抓试点的实际作用和效果。从目前了解情况来看,抓好新《纲要》试点经验推广工作应防止以下几种倾向。     

基于UKF-SOFNN的近距机动目标跟踪滤波算法

对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。