组合滤波方法在实时数据处理中应用

针对某种滤波方法独立用于飞行器试验,引起实时数据处理精度欠佳的问题,为了提高实时数据处理精度开展组合滤波方法研究。分析飞行器轨道特点和滤波器收敛特性,提出了将飞行器的轨道按时域分段,根据不同时域以α-β-γ滤波为主、多项式中心平滑滤波为辅,或将主、辅关系颠倒过来组合使用,并将滤波器初始以及测量数据中断点作为特殊情况加以处理。结合以往工程实际应用的经验,给出不同时间段落和数据中断点的滤波器使用原则和控制流程,为组合滤波方法在工程上实现奠定了基础。     

阵列互耦条件下运动目标角度跟踪方法研究

针对观测过程中角度发生变化时的运动目标跟踪问题,同时考虑到常规阵列中所普遍存在的互耦效应,通过分析均匀线阵互耦矩阵的带状Toeplitz结构,提出利用在原始阵列两侧增加辅助阵元的方法补偿互耦效应对阵列响应函数的影响,并将粒子滤波技术与原始阵列经互耦补偿后的观测数据相结合,实现了阵列互耦条件下对角度变化目标的高精度方向跟踪。仿真实验验证了新方法的优良性能。     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

一种新的概率数据关联滤波算法

在密集多回波条件下对单个机动目标跟踪的情况下,综合利用"最近邻"法和概率数据关联滤波算法,推出了一种基于"最近邻"方法的概率数据关联滤波算法,采用关联区域内总数固定的候选回波来更新被跟踪目标的状态,并进行了计算机仿真.结果表明,新滤波算法的跟踪性能明显要优于概率数据关联滤波算法,而且降低了概率数据关联滤波算法的计算量.因此,可以通过回波的残差协方差矩阵进行衡量,挑选总数固定的"最近邻"回波,取这些回波的加权和作为目标回波用于概率数据关联滤波算法中更新被跟踪目标的状态.     

自适应Kalman滤波的战术数据链自主时间同步算法

分析了战术数据链自主时间同步机制及各类误差源特性,给出了降低时间同步误差源影响的设计途径。针对复杂物理环境下时钟漂移模型难以准确建立的问题,设计了一种基于自适应Kalman滤波的自主时间同步算法,提高了不利条件下数据链的时间同步性能,实验结果证明了所采用方法的有效性。     

水下纯方位目标运动分析的UKF滤波算法

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,在U变换(unscented transformation)的基础上,获得纯方位条件下的UKF算法.最后,针对水下纯方位目标运动建立系统模型并进行仿真,仿真结果表明,UKF的滤波精度、稳定性和收敛时间都优于EKF,还可避免计算烦琐的Jacobin矩阵或Hessian矩阵,给计算带来了极大的方便.     

稳像火控中目标角速度测量误差及滤波方法

对稳像火控系统中目标角速度的测量过程进行了分析,指出采用自动传感器测量目标角速度仍存在误差,且对射击诸元的影响较大;在计算机采集数据的有限时间段内,该误差序列为均值不为零的随机干扰噪声,采用均值—中值加权滤波方法可有效减小该嗓声对射击诸元影响.     

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统.进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有现测信息的最优估计.理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果.     

应用抗差无迹卡尔曼滤波的再入弹道处理技术

针对现有无迹卡尔曼滤波在再入弹道处理中可能出现的异常观测、观测随机误差模型不准确以及动力学模型不合理等问题,在无迹卡尔曼滤波中引入自适应与抗差估计理论,研究适用于再入弹道处理的自适应抗差滤波方法。该方法可以自适应地估计测量噪声等价协方差阵和状态噪声等价协方差阵,并可实现异常值的分离和维纳模型方差的自适应调整。数值仿真结果表明:该方法计算简单,并能有效减弱测量误差和动力学模型误差对弹道处理精度的影响。