基于高斯和粒子滤波的AUV水下地形辅助导航方法

针对自主式水下无人航行器(AUV)长时间潜航时的精确导航定位需求,以多波束测深系统为水下地形测量设备,提出一种基于贝叶斯估计的AUV水下地形匹配导航模型。针对贝叶斯滤波后验概率密度函数的求解问题,用高斯混合密度函数近似状态的后验概率密度函数,提出了基于高斯和粒子滤波的水下地形匹配导航方法。基于多波束测深数据的回放式仿真试验表明,提出的方法可以有效近似地形匹配的贝叶斯滤波模型,具有良好的实用性。     

再入飞行器弹道系数的自适应估计

运用Kalman滤波方法对再入飞行器的跟踪问题进行了分析,在动力学噪声已知的情况下,给出了一种弹道系数的自适应估计方法;在动力学噪声未知时,给出了弹道系数和动力学噪声方差的自适应估计方法。仿真算例表明这种方法是合理有效的。     

基于分治采样粒子滤波的三维跟踪算法

粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。     

一种基于粒子滤波的概率数据关联方法

针对复杂环境下的机动目标跟踪问题,提出了一种基于粒子滤波的概率数据关联方法(PF-PDA),首先利用跟踪门对回波进行预处理,筛选出有效回波;随后利用粒子滤波,对关联概率中的残差协方差阵进行修正,求得关联概率,进而得到融合测量;最后对目标状态进行更新。与PDA的仿真比较表明,在满足系统实时性的前提下,本方法在跟踪精度上有很大提高。     

高动态环境下基于H_∞滤波的深组合导航技术

捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统是适用飞机和现代武器装备的高精度导航系统。针对高动态环境下GPS/SINS组合导航系统的定位精度问题,以炮射无人机为例提出基于H∞滤波技术的SINS/GPS伪距、伪距率深组合导航方案,用于提高高动态环境下组合导航系统的精度和鲁棒性。仿真结果表明,H∞滤波器不但比Kalman滤波器鲁棒性强,而且可用于带有强有色噪声的高动态系统中,并能保持较高的精度。     

线性/非线性系统混合滤波

针对采用混合坐标系的跟踪系统,提出线性/非线性系统混合滤波方法(SRUKF-KF算法).该方法用SR-UKF估计系统状态空间模型中的非线性部分,用SR-KF估计其线性部分,提高了线性部分估计的精度和运算效率.仿真结果表明,该方法具有较强数值稳定性,较高估计精度和较好的实时性.     

基于滤波相关器技术的GPS接收机抗多径干扰研究

通过分析多径干扰引起的GPS接收机伪距测量误差影响,从GPS接收机内部鉴别器入手,详细介绍了一种以窄相关为基础的滤波相关器(strobe correlator)技术.通过仿真分析表明,滤波相关器可以显著抑制多径引起的误差,优于一般的窄相关技术.该技术应用于各种舰船卫星导航定位接收机,有效解决了因多径干扰影响而导致高程数据异常问题.     

基于多通道DMF的高动态信号捕获

为解决靶场对高动态目标测量中存在的信号捕获难题,依托传统的直扩-码分多址信道,探讨了采用多通道数字匹配滤波方法进行高动态目标信号捕获的原理;在对平均捕获时间、捕获概率和虚警概率等动态信号捕获等性能指标进行分析的基础上,提出了高动态目标信号的捕获方法。将多通道数字匹配滤波技术应用于高动态目标的信号测量,在保持较高抗干扰特性的同时,可以缩短多普勒频移捕获的完成时间,为在靶场精确测量高动态目标提供了可靠的技术手段。仿真结果证明了该方法的有效性。