在组合导航中应用H∞滤波来提高精度的研究

目前,Kalman滤波在组合导航中的应用已很广泛,但是,在系统模型和干扰噪声不确定的情况下,误差出现发散,精度下降.H∞滤波由于对系统模型不确定性和外界干扰具有较强的鲁棒性,可以提高滤波性能和精度.对这两种滤波方法用于导弹组合导航中的性能进行了分析.     

基于Kalman滤波对运动目标状态最优预测

给出了运动目标状态空间表达式,Kalman滤波递推公式及算例,实现了目标状态的滤波及预测,对于提高打击运动目标的精度,缩短火力反应时间及简化指挥程序具有较强的实践意义。     

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。     

惯性导航在线标定滤波技术

在整个惯性导航标定过程中,滤波性能的好坏会直接影响到在线标定的精度。首先描述了惯性导航的误差累积等系统特性;然后详细介绍了几种典型的滤波算法和鲁棒滤波技术所取得的理论成果及各自优缺点,并阐述了在线标定中的应用情况;接下来分析了在线标定滤波技术的发展趋势,介绍了一种新型滤波方法;最后提出在线标定滤波技术的研究发展方向。     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。     

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.     

基于自适应无迹卡尔曼滤波的小波网络算法及其应用

针对扩展Kalman滤波(EKF)训练小波网络存在收敛慢、精度不高、计算Jacobian矩阵困难等问题,在自适应Kalman滤波理论基础上,提出一种基于自适应无迹Kalman滤波(UKF)的小波网络训练算法。该算法在在UKF框架内引入自适应因子,通过其调整观测协方差与状态参数协方差的比例,使状态向量预测值的协方差更趋向真实值,有效地提高了小波网络的精度。仿真结果表明,基于自适应UKF的小波网络的收敛速度快,估计精度高,无需计算Jacobian矩阵,适于解决非线性系统的建模预测问题。     

一种基于增益调整策略的自适应滤波算法

针对现实C3I系统的工程要求,通过限定下限的衰减稳态增益滤波算法对Kalman滤波的稳态形式进行了扩展,提出了一种新的实时机动辨识算法和滤波增益的调整策略,同时对于航迹起始时的暂态过程进行了特殊的处理.仿真结果表明,该算法减小了自适应的滞后误差,提高了跟踪精度,极大地改善了滤波的收敛速度.     

非线性目标跟踪滤波算法的比较研究

针对不同的非线性目标跟踪滤波算法在性能上存在较大差异的问题,展开了5种非线性滤波算法的比较分析研究,通过分析不同滤波框架下非线性目标跟踪性能,阐述了算法理论中的关键异同点.通过仿真实验和跑车试验,比较了基于Kalman框架下非线性滤波算法和基于Monte Carlo贝叶斯估计的粒子滤波在估计精度、计算量等方面的优劣性.实验结果表明,在复杂的非线性环境中,粒子滤波相对于其他4种滤波器滤波精度更高,但计算复杂耗时长,该结果可为非线性目标跟踪滤波算法的选取提供有益的参考.