基于光纤陀螺的INS/GPS组合导航仿真与应用

针对卡尔曼反馈校正难以工程实现的问题,提出了用卡尔曼输出校正来进行组合导航滤波的方法。对卡尔曼输出校正的滤波效果进行了理论分析和仿真验证,并在基于光纤陀螺的INS/GPS(Inertial Navigation System/Global Position System)组合导航系统上进行了实验。实车实验结果表明:卡尔曼输出校正的定位精度和GPS定位精度相当,惯性导航系统误差随时间增长特性得到了有效抑制,从而验证了卡尔曼输出校正的方法在组合导航的应用中是可靠的。     

基于自校正卡尔曼滤波器的信息融合算法

设计了一种新的基于ARMA模型自校正卡尔曼滤波器及其信息融合的方法,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点.仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能非常接近稳态最优卡尔曼滤波器;基于自校正卡尔曼滤波器的信息融合滤波性能接近基于稳态最优卡尔曼滤波器的信息融合滤波性能.     

车载捷联惯导/重力匹配/高度计组合导航方法

研究了一种基于捷联惯导、重力匹配和气压高度计进行车载组合导航的方法。建立了重力匹配导航的误差模型,将重力匹配获得的水平位置、高度计输出的高度与捷联惯导输出的对应信息相减作为量测,采用Sage-Husa自适应滤波进行组合导航滤波设计,并针对重力匹配导航非等间隔输出问题,对滤波方程进行了改进。仿真结果表明,该组合导航方法具有较高的导航定位精度,自主性强,抗干扰性好,在军用领域具有良好的应用前景。     

环境参数在线辨识及其在滑翔段制导中的应用

针对助推滑翔导弹,提出基于飞行环境参数在线辨识的滑翔段数值预测校正制导方法。综合考虑大气密度和气动系数对导弹运动的影响,引入滑翔段综合环境参数,利用扩展Kalman滤波方法对综合参数进行在线辨识。基于在线辨识结果,利用渐消记忆递推最小二乘方法在线建立环境参数预测模型,并利用最新辨识结果进行模型的在线修正。设计了纵向和横向制导律,并基于环境参数在线预测模型进行落点预测,以克服飞行环境扰动对落点预测精度的影响。进行了大气密度非定常扰动下的制导仿真,以及密度和气动参数随机扰动下的Monte Carlo仿真。仿真结果表明:环境参数在线预测模型能准确预报飞行环境参数,制导方法对飞行环境扰动具有较强的鲁棒性。     

在GPS/INS综合中的最佳非线性滤波

本文介绍了最佳非线性/非高斯滤波应用到临界情况的INS/GPS综合的问题。用所谓质点滤波的新技术使这种方法成为可能,并且当与诸如广义卡尔曼滤波这种经典的次最佳技术比较时,表现出优越性能。介绍了质点滤波理论并讨论了GPS/INS综合仿真结果。     

车辆导航Kalman滤波衰减因子自适应算法实现

系统介绍了车辆导航系统中卡尔曼滤波器的设计,给出了误差校正的方法.提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法.并在INS/GPS组合导航系统中进行了计算仿真,结果表明该算法能够较好地估计出衰减因子的大小有效地抑制滤波发散,提高导航精度.     

修正的EKPF算法在固定单站被动目标跟踪中的应用

基于以角度、角度变化率、多普勒频率变化率信息为观测量的固定单站被动目标跟踪系统,引入扩展卡尔曼粒子滤波(EKPF)算法对定位结果进行滤波处理。理论分析和仿真实验证明了其滤波性能在该系统中的优越性。针对EKPF算法运算量大、实时性差的问题,通过对部分粒子进行间隔EKF采样,将EKPF算法进行修正。修正的EKPF算法既有效降低了运算量,又增加了粒子的多样性,使粒子集更加逼近真实的后验概率密度函数。计算机仿真表明,与传统的EKPF算法相比,修正算法在保证滤波性能基本不变的前提下,算法实时性得到了有效提高。     

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。     

基于改进卡尔曼滤波方法的机动目标跟踪研究

针对在机动目标跟踪中当目标作高度机动飞行时卡尔曼滤波可能会出现严重发散的情况,提出利用BP神经网络校正其滤波结果,并将遗传算法应用于BP网络的训练过程,以解决BP网络训练速度慢的缺陷,提高算法的实时性。仿真表明该方法是可行的、有效的。     

基于强跟踪扩展Kalman滤波的X射线脉冲星导航定轨精度研究

为提高X射线脉冲星导航定轨精度,依据脉冲星导航原理,建立了X射线脉冲星自主导航系统的状态方程和观测方程,提出用强跟踪扩展Kalman滤波（Strong Tracking Extended Kalman Filter,STEKF）替代扩展Kalman滤波,并对3颗脉冲星卫星运行的位置和速度估计进行了仿真实验。仿真结果表明：STEKF具有使滤波器能够自适应地校正估计偏差并迅速跟踪状态变化的能力,有效地提高了卫星运动状态的估计精度和数值稳定性。     

弹道滤波算法研究

为导引我方发射的制导炮弹等目标,需要在炮瞄雷达跟踪炮弹的基础上准确估计炮弹目标的位置、速度等状态信息。鉴于直接对测量的弹道轨迹建立常规运动模型滤波效果较差,提出了两种方法。一种基于弹道偏差滤波的方法,另一种是基于弹道方程滤波方法。仿真计算比较结果表明文中建立的弹道滤波算法对弹道类目标的滤波精度和反应时间上有大幅度提高。     

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.     

一种新的脉冲噪声滤波算法

针对传统中值滤波法在去除脉冲噪声时存在的不足,提出了一种由噪声检测、噪声滤波和误检像素校正三个阶段组成的图像噪声滤波方法.通过对不同类型和不同强度噪声图像的实验结果表明,该方法在去除噪声的同时较好地保持了边缘,在噪声率为80%时,该方法比中值滤波法的峰值信噪比提高了16 dB.     

基于Jerk模型的一种改进多传感器数据融合算法

简要介绍了目前存在的一些机动模型和基于状态估计的滤波算法。将Jerk模型与强跟踪滤波算法有机地结合起来,并提出了一种通过时空综合分析的测量方差自适应估计方法以优化强跟踪滤波算法中次优渐消因子和滤波增益的在线选择,同时结合多传感器数据融合具有改善滤波精度的性质,最终给出了一种基于Jerk模型的改进多传感器数据融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

舰炮初速对命中点预测误差影响分析

针对舰炮初速对命中点预测误差定量评估的问题,建立了目标运动简化方程。利用Cramer-Rao下界理论,分析了滤波时间、数据采样间隔、预测时间、弹丸飞行速度等对命中点预测误差的影响,推导出命中点位置预测误差计算模型,并引入舰炮初速增大误差下降比作为命中点预测误差变化的衡量指标。以目标在匀加速和匀速运动为例,进行了仿真计算,结果表明:提高舰炮初速能够明显降低命中点预测误差,由此验证了该模型与方法的正确性。     

自适应采样数粒子滤波算法

基于统计决策规则提出自适应采样数粒子滤波算法,在定义综合性能风险函数的基础上,推导出粒子数与滤波误差方差之间的关系式,使得在跟踪过程中,可以根据目标的机动情况在线调节粒子数,以使跟踪性能达到最优。在Matlab仿真平台下进行了闪烁噪声下的机动目标跟踪实验,结果表明,自适应采样数粒子滤波算法是一种有效的机动目标跟踪方法,跟踪性能较基本粒子滤波算法提高了3.7倍。     

分段循环 Kalman滤波及其对估值精度的影响

正如文[3]所说,分段循环Kalman滤波是减少Kalman滤波计算的最有效最有前途的方法之一。本文讨论了这种方法以及它对估值精度的影量响,并讨论了采样间隔Δt、Δτ=N Δt如何选择的问题。最后给出一例证明这种方法的可用性。     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

一种使用非等权值粒子的确定性粒子滤波算法

介绍了粒子滤波及随机分布的代表点理论,将统计学中的数论方法应用于粒子滤波,使用随机分布的均方差代表点,对粒子滤波中关键的初始粒子生成、重点密度采样及再采样过程给出了相应的代表点算法,得到了一个包含最少随机操作的、使用非等权值粒子的确定性粒子滤波算法。仿真结果表明,确定性粒子滤波算法不仅是可行的,而且其滤波性能及计算效率均有不同程度的提高。     

用于机动目标跟踪和预测的闭环系统的设计

通过对机动目标的运动分析,应用自动控制理论,误差相消原理和自适应控制原理设计闭环跟踪滤波系统,经十条航路仿真计算证明,能适应机动目标跟踪,结果比符合假定的最小二乘法精度高,反应时间短。充分利用滤波的现在点位置信息,对预测点位置偏差的时间序列值进行校正,可使此模型更适合於打击机动目标。