基于自适应滤波的GPS/INS数据融合算法

研究了高动态环境下的GPS/INS组合导航系统,重点讨论了基于伪距、伪距率的GPS/INS数据融合算法.借助于载体的运动模型、GPS系统和INS系统的定位误差模型,建立了组合导航系统的状态方程和量测方程,利用自适应Kalman滤波算法实现了GPS/INS系统的伪距、伪距率融合.最后,利用实测数据对数据融合算法进行了仿真,结果显示该数据融合算法能够增强组合导航系统的精度、可靠性和完备性.     

DSSS中抑制窄带干扰的时域自适应技术

本文研究了DSSS中窄带干扰（NBI）抑制的时域自适应技术，由Masreliez提出的近似条件均值（ACM）滤波的适用范围比卡尔曼滤波更广，但实现起来比较困难，具体应用时，可采用与其性能相当，易于实现的多用户直接判决卡尔曼（MDK）滤波来完成抑制NBI的功能。     

复杂环境下数据关联算法的研究现状及发展趋势

系统地介绍了机动目标跟踪中数据关联算法的发展现状、发展方向及其与模糊理论和神经网络相结合的发展趋势,通过分析当前的数据关联算法本身存在的一些问题,指出了一些改进方法的可行性,进一步介绍了数据关联算法与模糊理论、神经网络以及遗传算法相结合进行目标跟踪的发展情况,并对以后数据关联算法研究方向进行了初步探讨.     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

纯方位TMA的变增益扩展卡尔曼滤波算法

通过对水下纯方位目标运动分析中的扩展卡尔曼滤波(EKF)算法的分析,利用方位新息,构成了一条反馈回路,从而将EKF算法改进为变增益扩展卡尔曼滤波(VGEKF)算法.对比仿真分析表明,VGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位目标运动分析的实现提供新的途径.     

单个非顺序量测的异步航迹融合算法

针对雷达航迹中存在的非顺序量测问题,在标准卡尔曼滤波的基础上,建立了该问题的数学模型,提出了用于解决单个非顺序量测一步滞后和多步滞后问题的异步航迹融合算法.通过在原A1算法和Al1算法的基础上融入平滑算法,提出了改进的A1算法和Al1算法,并进行仿真试验.仿真结果表明,改进后的算法能更准确有效的进行目标跟踪.     

SINS/GPS 组合导航系统的修正自适应滤波方法

模型误差和噪声是导致SINS/GPS组合导航计算发散的主要原因.提出了一种适用SINS/GPS组合导航计算的残差监控加权修正自适应卡尔曼滤波方法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高了滤波器对模型不确定性和噪声变化的适应能力和鲁棒性,显著改善了组合导航系统的定位精度.通过SINS/GPS组合导航系统仿真,验证了方法的可行性.     

基于UKF的自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯（CT）模型,采用无迹卡尔曼滤波（UKF）方法和自适应网格（AG）的模型集自适应策略,研究了一种变结构交互式多模型算法,即：基于UKF的自适应网格交互式多模型（UKF-AGIMM）算法。对二维机动目标跟踪的仿真结果表明,本算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用     

基于模糊卡尔曼滤波的锂电池SOC估算方法

为了估算锂电池的荷电状态,在研究与分析影响SOC值的因素及传统SOC估算方法的基础上,提出了对电池静置和充放电两种状态分别估算的方法。尤其在充放电状态下,以Thevenin模型为基础,建立易于工程实现的状态空间模型,采用模糊卡尔曼滤波实现了对电池SOC的估算。仿真结果表明,该方法可以提高电池SOC的估算精度。     

基于距离量测的主从式AUV协同定位方法

多AUV(Autonomous Underwater Vehicles)协同定位是多AUV协作系统研究的关键问题.通常在主从式协同定位中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,主从AUV均装备水声通信装置.为了改善从AUV的导航定位精度,提出了利用主从AUV水声通信时间延迟测量二者之间的相对距...