惯导系统动基座对准精度评估方法

弹载惯性制导系统空中对准是机载战术导弹发射前必须完成的任务,其对准精度直接影响导弹系统的制导精度。利用最优平滑技术对弹载惯导系统传递对准效果进行评估,是分析导弹系统的战术性能和惯导系统自身器件性能的有效方法。Rauch-Tung-Striebel(1965)提出了固定区间平滑算法,Meditch(1967)提出了固定点平滑算法;Bierman(1983)、Watamabe(1989)等许多学者对RTS算法提出了改进方法,这些方法在保证平滑算法中数值的稳定性和提高计算效率方面有了明显改善。针对固定区间平滑算法所适应的对象,分析了这类平滑算法的特点,提出了RTS固定区间平滑算法的改进方法;结合弹载惯性制导系统传递对准效果评估,进一步证明了分析的正确性。     

U-D分解单步迭代滤波在飞行状态估计中的应用

针对单步迭代滤波常规算法数值鲁棒性差、滤波易于发散的缺点对误差协方差矩阵使用了 U - D分解 ,从而形成了一种基于 U - D分解的单步迭代滤波算法。该算法提高了数值鲁棒性 ,并且对相关的量测噪声有一定处理能力 ,应用于飞行状态的估计问题 ,获得了较为满意的结果     

基于迭代卡尔曼粒子滤波的目标跟踪算法研究

粒子滤波在基于图像序列的目标跟踪中获得了广泛应用．针对其计算量较大的问题,提出一种迭代卡尔曼粒子滤波算法,将非线性跟踪问题分解为线性子结构的全局状态空间模型和非线性子结构的局部状态空间模型,利用粒子滤波在卡尔曼滤波估计值的局部范围内搜索目标,逼近真实目标状态．将实验结果与粒子滤波进行比较,结果表明,迭代卡尔曼粒子滤波减少了粒子数,降低了计算量,能够对高机动目标进行实时稳定的跟踪．     

一种高速公路车道线的快速检测和跟踪算法

提出了一种高速公路车道线检测与跟踪算法:初始检测时,首先估计消失点位置;再将图像特征点向消失点投影,通过检测投影直方图波峰来识别车道线;然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线;跟踪时,采用卡尔曼滤波缩小搜索区域.试验结果表明:该算法抗干扰能力强,跟踪算法运行速度大约为50 Hz.     

GNSS/INS组合导航的随机时延卡尔曼滤波

组合导航系统在实际应用中存在信号传输和解算的延时影响,直接使用带有延迟的测量数据会导致滤波算法的精度下降甚至发散.针对这类测量具有随机时延的滤波问题,提出了随机时延卡尔曼滤波算法,该算法的核心是将新的量测用于更新过去的多个状态,以此来对时延进行补偿.GNSS与INS的组合导航系统仿真结果表明,所设计的滤波算法在面对量测...     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

基于简化CKF的IMM算法北大核心

IMM算法中采用的运动模型多为线性,针对这一情况,首先对容积卡尔曼滤波(cubature Kalman filter,CKF)算法进行了简化,通过理论推导证明,简化CKF算法的时间更新结果与KF算法的一步预测结果一致。然后对简化算法进行了计算复杂度分析,分析结果表明简化算法的复杂度要远低于CKF。进而将简化的CKF算法与IMM算法相结合,提出了一种基于简化CKF的IMM算法,最后通过机动目标跟踪实验对新算法进行了仿真,实验结果表明,新算法在没有降低跟踪精度的前提下,大幅缩短了算法的运算时间,提高了跟踪的实时性。     

改进型卡尔曼算法解算小型弹箭姿态角研究

弹箭飞行姿态参数的准确获取是实现精确高效打击敌方的重要前提。其中最重要的关键环节是姿态角的算法解算,决定着最后的精确导航。卡尔曼滤波算法是组合导航中最常用的解算算法,然而仍不能满足精度要求。为了进一步提高解算精度,提出通过BP神经网络对误差建模,进而修正卡尔曼滤波增益矩阵系数的改进算法。实验证明,应用于高速旋转弹姿态角测试,改进后的卡尔曼算法较传统卡尔曼算法精度提高了3°左右。