编队卫星碰撞因素分析

为了便于更准确地进行编队卫星碰撞检测和预报,对影响星间碰撞概率的因素进行了归纳和讨论.给出了编队卫星碰撞概率计算公式,并从Hill方程推导了离散差分方程,建立Kalman滤波器,用于估计编队飞行状态.在此基础上,对引起编队卫星发生碰撞的模型误差、测量误差、故障和意外因素四个方面进行了分析.最后,针对各因素设置了典型仿真想定并进行了仿真,仿真结果显示控制器常开故障是影响最大的因素,工程应用中需要针对它进行专门的防碰撞方案研究.     

改进的联合Kalman滤波及其在组合导航中的应用

以组合导航为应用背景,对联合Kalman滤波进行了改进,每循环Ⅳ次,就用主滤波器的估计值来修正子滤波器的值,以改善滤波器的性能,提高组合导航系统精度,并且大大减小收敛时间,提高其效率.最后将该方法应用于GPS/INS/LORAN-C组合导航系统中,仿真结果表明该方法是有效的.     

SINS/北斗/GPS组合导航系统研究

对SINS、北斗双星定位系统以及GPS全球定位系统三者的组合进行了研究.应用联邦自适应卡尔曼滤波技术实现了SINS、北斗和GPS的组合导航,建立了组合导航系统的数学模型,并针对系统产生的量测延时和异步问题给出了较好的解决方案.最后对系统进行了仿真试验,仿真结果表明该组合导航系统具有较高的精度和容错性能,此方案具有较好的工程应用价值.     

联邦滤波器在INS/GPS/DVS组合导航系统中的新应用

针对某机载导航系统不能满足高精度导航定位需要的问题,采用了动态信息分配系数方法,提出了一种新的基于联邦滤波器的INS/GPS/DVS组合导航方案,通过对各子滤波器的信息分配系数进行优化,增强了组合系统的导航性能.仿真结果表明,该方案充分提取了导航传感器的信息,有效地提高了组合导航系统的精度和故障检测能力.     

多传感器测向定位方法研究

无源定位技术具有良好的隐蔽性,对于提高系统在电子战环境下的生存能力有着十分重要的意义.因而采用多传感器的无源定位技术在军事领域中有着广泛的应用.建立了仅利用有角度信息的多传感器无源定位模型,在测向时间同步的条件下,利用基于UKF的序贯滤波算法提高定位精度.仿真结果表明滤波算法有效.     

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。     

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。     

引入STF算法的自适应SICKF及其在目标跟踪中的应用

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)算法,提出了一种自适应均方根嵌入式容积卡尔曼滤波(ASICKF)方法。采用嵌入式容积准则和均方根滤波方法,以提高算法的滤波精度和稳定性。引入强跟踪滤波,利用渐消因子在线修正预测误差协方差阵,强迫残差序列正交,以增强算法应对系统状态突变等不确定因素的能力。为了解决状态突变未知的目标跟踪问题,采用自适应均方根嵌入式容积卡尔曼滤波算法进行数值仿真,仿真结果表明,ASICKF在系统状态突变时能保证较高的滤波精度,具有较强的鲁棒性和系统自适应能力。