UKF及其在目标跟踪中的应用

在高斯噪声环境下,为了解决扩展卡尔曼滤波(EKF)在目标跟踪应用中精度低和滤波发散的问题,将无迹卡尔曼滤波(UKF)应用于非线性系统的目标跟踪.研究了无迹卡尔曼滤波估计方法,对采样策略进行了比例修正.通过UKF在目标跟踪中的应用仿真结果表明,与EKF相比较,UKF有更好的跟踪性能、收敛快、对噪声有更强的适应能力,算法实现简单.     

无陀螺捷联惯导系统角速度解算方法研究

传统的捷联惯导系统通常用陀螺仪测量载体的角速度,无陀螺捷联惯导系统用加速度计代替陀螺仪,从加速度计输出的比力中解算载体的角速度,角速度的解算精度决定了无陀螺捷联惯导系统的性能及能否在实际中得到应用。分析了一种12加速度计配置方式的无陀螺捷联惯导系统的角速度解算方法,并将卡尔曼滤波技术应用于角速度解算,提高了角速度求解精度。     

加强国防科技成果 推广转化工作

按照“科教兴国”发展战略,国家“十五”期间科技发展总体部署可以概括为“创新、产业化”。科技成果推广转化是链接创新与产业化的桥梁。科技成果推广转化对国防科技工业更有特殊的重要意义,如何进一步搞好国防科技成果推广转化是需要认真研究和解决的问题。     

卡尔曼滤波补偿在潜载光电跟瞄中的应用

为了提高潜载光电设备的跟踪精度,提出了一种针对扰动误差进行补偿的前馈控制策略,主要方法分为3步:将大地坐标系转化为甲板坐标系;利用Singer模型的卡尔曼滤波对经过变换的光轴坐标系下的扰动量进行滤波;将滤波后的速度反馈到速度回路上,再结合脱靶量信息构成完整的速度环控制.仿真表明,在未加入补偿算法之前粗跟踪最大误差为0....     

弹道目标跟踪滤波方法研究

主要对弹道目标的跟踪滤波方法进行了综述,对扩展卡尔曼滤波（extended Kalman filter,EKF）、转换测量卡尔曼滤波（conversion measurement Kalman filter, CMKF）、基于弹道运动方程的扩展卡尔曼滤波（ballistic extended Kalman filter, BEKF）、基于弹道运动方程的无敏卡尔曼滤波（ballistic unscented Kalman filter, BUKF）4种滤波算法的关键点、优缺点进行了剖析。进一步利用仿真的弹道数据对4种滤波方法的效能进行了验证,对比了不同滤波器的滤波精度和再入目标的跟踪性能,分析了质阻比对滤波性能的影响,提出了选择和设计目标跟踪滤波方法时需要考虑的几个问题,为雷达滤波方法的选择和设计提供参考和依据。     

向太空要效益“九五”期间中国航天业将实施空间技术育种工程和卫星减灾工程

“九五”期间,中国航天业将实施空间技术育种工程和卫星减灾工程。充分利用航天科技成果,通过空间技术育种,使粮食和蔬菜增产,是解决我国“粮袋子”和“菜篮子”的有效途径。建设我国的卫星减灾系统（该系统包括自然灾害空间监测系统、卫星减灾地面应用系统、资料广播与指挥调度通信系统三个部分）,利用它减少我国的台风、洪涝、旱灾、火灾、地震和病虫害等自然灾害,经济效益和社会效益十分可观     

国防科技成果推广中的军工知识产权

本文主要介绍有关国防科技成果推广中的军工知识产权问题。明确产权、产权界定的基本概念。提出军工知识产权和军工知识产权界定原则：产权主体唯一原则,产权运行环境内部原则,产权结构合理原则。详细介绍军工知识产权的密级界定、权力结构界定和军工知识产权客体界定及其管理。作者指出,采用系统工程的理论和分析方法,进行国家（投资者）、军工科研生产单位（经营者）、武器装备部门（用户）三者之间受益和受损的界定     

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．