GBAS中抑制电离层异常的改进自适应Hatch滤波算法

针对单频地基增强系统(Ground Based Augmentation System, GBAS)中电离层异常时Hatch滤波器平滑精度降低问题,系统分析了电离层延时对Hatch滤波器平滑精度的影响,提出一种改进自适应Hatch滤波算法。根据卫星信号计算码载偏离度,并利用二阶线性时不变低通滤波器抑制码载偏离度高频信号,以实现电离层异常实时检测;建立平滑后伪距误差均方根与电离层延时变化率、伪距测量噪声标准差以及平滑时间三者之间的函数模型,并由此确定出Hatch滤波器最优平滑时间。利用GBAS原理样机进行验证实验,结果表明:自适应Hatch滤波算法能够根据卫星信号电离层延时变化率确定滤波器最优平滑时间,且当电离层异常时,自适应Hatch滤波器机载位置误差最大由1.15 m减小为0.43 m,从而验证了所提算法的有效性。     

传递对准野值加权矩阵修正方法应用研究

卡尔曼滤波器广泛应用于传递对准中,在实际系统中,由于各种原因的影响,传递对准过程所采用的量测序列中会出现野值,量测序列中的野值会影响到滤波器的估计效果,使得滤波精度下降.为了解决该问题,采用一种加权矩阵的方法对量测信息中的野值进行了修正,仿真结果表明,该方法可以有效减弱野值对滤波效果的影响.     

基于UKPF的雷达与红外传感器融合跟踪算法

针对异类传感器融合跟踪中状态估计与量测的非线性问题,分析了粒子滤波器在解决非线性和非高斯问题的优势,提出了一种基于unscented Kalman粒子滤波器(UKPF)的雷达与红外传感器融合跟踪算法,给出了算法的详细步骤.然后将该算法用于三维空间的目标跟踪上,仿真结果表明该算法比现有算法具有更高的跟踪精度.     

基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.     

基于卡尔曼滤波的计算机视觉和SINS组合导航

计算机视觉及其应用是目前研究的一个热点.在介绍计算机视觉和计算机视觉导航的基础上,提出了利用计算机视觉和SINS进行组合导航的方法.由于地球上的基准位置是三维点,而计算机视觉形成的是二维的图像,因此随后详细介绍了成像以及坐标转换的方法,并对提出的组合导航方法进行详细的分析,建立了组合导航的误差方程,然后利用卡尔曼滤波算法对误差进行估算.最后的试验仿真结果说明,提出的组合导航方法提高了导航精度,具有一定应用价值.     

多操纵面战斗机动态控制分配策略研究(英文)

现代先进飞机配置多个操纵面且又冗余,这有利于实现非常规飞行,提高飞机敏捷性,使飞机在机动和故障时有更多的选择,但是同时也导致了飞机控制设计复杂度的增加.为了达到更好的效果,就必须利用控制分配器来充分利用多操纵面的不同带宽.从频率域角度出发,研究了动态控制分配方法,并将其应用于某型先进战斗机的控制分配器设计中,利用鸭翼的频率特性抵消府舱过载,经仿真验证,采用动态控制分配策略时,可以有效地减小座舱过载,同时还可以减小配平阻力,取得了良好的控制效果.     

一种强干扰下均匀圆阵弱信号测向新方法

为了解决强干扰背景下常规空间谱估计算法对弱信号不能正确测向的问题,基于均匀圆形阵列(UCA),提出了一种扩展噪声子空间弱信号波达方向(DOA)估计算法。首先将强干扰方向向量并入噪声子空间形成扩展噪声子空间,然后构造波束函数和新的方向向量进行谱峰搜索。本算法能有效抑制强干扰的影响,对弱信号方向进行正确估计。最后计算机仿真实验验证了本算法的有效性和正确性。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。