基于特殊矩阵的同时定位与地图构建

同时定位与地图构建是机器人在未知环境中自主导航的一个重要研究内容。为了提高全协方差SLAM算法的计算和存储效率,通过对系统状态向量进行重构和选择适当的观测向量,系统模型和系统协方差矩阵可以表示成特殊形式的矩阵。基于这两个矩阵的特性,提出了一个改进的SLAM方法,对机器人的位置和方向进行间接地估计,同时降低了SLAM算法的时间复杂度和空间复杂度。实验表明改进算法是一致的和收敛的。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

机载导弹惯导系统传递对准机动方式研究

研究了机动方式对机载导弹捷联惯导系统的传递对准时间和对准精度影响,通过理论分析和仿真计算的方法,比较了不同机动方式对传递对准效果的综合影响,分析了采用匀速直线飞行中一定范围的滚转幅值和平均滚转角速度的最优机动方式,可提高传递对准效率,为工程应用提供理论依据.     

导弹组合制导控制系统的研究

导弹要准确的击中目标,制导技术是关键的环节。目前GPS技术的发展和应用,推动了导弹采用GPS/INS组合制导技术的发展。本文设计采用了GPS/INS组合制导技术的导弹制导控制系统,对GPS/INS组合制导技术进行了研究,并对其中采用的卡尔曼滤波算法进行了详细的介绍。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

UKF及其在目标跟踪中的应用

在高斯噪声环境下,为了解决扩展卡尔曼滤波(EKF)在目标跟踪应用中精度低和滤波发散的问题,将无迹卡尔曼滤波(UKF)应用于非线性系统的目标跟踪.研究了无迹卡尔曼滤波估计方法,对采样策略进行了比例修正.通过UKF在目标跟踪中的应用仿真结果表明,与EKF相比较,UKF有更好的跟踪性能、收敛快、对噪声有更强的适应能力,算法实现简单.     

用一种自适应UKF滤波器跟踪机动目标

在非线性系统中用自适应Kalman滤波器跟踪机动目标时,必须采用扩展Kalman形式,但扩展Kalman有精度低、易发散的缺点.在标准UKF滤波器的基础上,应用无迹变换将测量坐标系下的滤波残差统计特性转换到三维笛卡儿坐标系下,根据三维坐标下的滤波残差变化实时改变过程噪声协方差矩阵的大小,实现了自适应UKF滤波.滤波器既具备UKF滤波器精度高,不易发散的优点,同时不需了解目标机动的先验信息.仿真表明了本滤波器的有效性.     

无陀螺捷联惯导系统角速度解算方法研究

传统的捷联惯导系统通常用陀螺仪测量载体的角速度,无陀螺捷联惯导系统用加速度计代替陀螺仪,从加速度计输出的比力中解算载体的角速度,角速度的解算精度决定了无陀螺捷联惯导系统的性能及能否在实际中得到应用。分析了一种12加速度计配置方式的无陀螺捷联惯导系统的角速度解算方法,并将卡尔曼滤波技术应用于角速度解算,提高了角速度求解精度。     

利用波达方位角及其变化率对运动辐射源的无源定位

阐述了利用波达方位角及其变化率对地面运动辐射源进行无源定位的原理,通过Jacobi矩阵推导出可观测性表达式,讨论了不同相对运动状态下的可观测条件.提出了融入波达方位角变化率信息的MGEKF(修正增益的扩展卡尔曼滤波)算法,并通过仿真与只利用方位角信息的MGEKF算法以及经典的EKF(卡尔曼滤波)算法进行了比较.     

舰炮弹道估计的卡尔曼滤波算法

针对舰炮弹道观测校正中的弹道最佳估计问题,提出了转换卡尔曼滤波算法,在三维空间里对观测弹丸飞行轨迹进行滤波,估计最佳弹道。给出了具体的算法并用某型海军舰炮进行了仿真,取得了较好效果。