基于惯导信息卫星定位与景象匹配的导航方法

针对飞行器在卫星信号失效时导航精度变差的问题,提出一种基于惯性导航系统(Inertial Navigation System, INS)、卫星定位与景象匹配的合成孔径雷达(Synthetic Aperture Radar, SAR)载机平台组合导航方法。首先根据INS、卫星定位与景象匹配的数学模型,构造了对应的量测方程,然后应用卡尔曼滤波(Kalman Filter, KF),对不同的量测推导了对应的滤波算法。其中对于卫星数据与景象匹配数据,通过扩展卡尔曼滤波(Extended Kalman Filter, EKF)进行了线性化处理。该方法不要求卫星数据直接提供定位信息,故在卫星数较少时也可以应用。仿真实验中,当卫星信号部分缺失时,本文方法能获得比INS与卫星组合定位方法更小的位置误差,在包含卫星信号时,也能提供比INS与卫星组合定位方法更优的精度。仿真结果证明了该方法的有效性。     

基于多维直方图的mean shift运动目标跟踪算法

讨论了一种红外图像序列的运动目标跟踪算法.以mean shift为核心,即在连续图像序列中对比运动目标的直方图.在可见光的视频中,利用目标的颜色直方图进行跟踪.在前视红外图像序列中,直方图由像素值和高通滤波后的值共同构成.为较好地处理非线性非平稳信号,引用LMS自适应滤波可以对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.     

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。     

对机动目标的滤波问题和灰色预测

叙述了火控系统中滤波的几种方法,分析了滤波中所存在的问题,并应用灰色系统理论对机动目标进行预测,讨论了火控灰色预测的特点。     

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。     

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。     

巡航导弹地磁匹配精度需求分析

简要回顾了地磁信息的使用现状,介绍了地磁信息的特征及其优缺点,在此基础上分析了地磁匹配的基本原理.考虑到实时地磁测量信息和经典地磁模型上的差异,在某些假设条件成立的情况下利用理想地磁模型进行了仿真计算,并从地磁匹配区网格大小、网格顶点磁强度差和高程控制3方面分析了现阶段地磁信息应用于巡航导弹组合制导的可行性,最后对误差源进行了分析.     

大地坐标系的超视距目标指示系统

超视距目标指示系统是为舰载导弹攻击本舰雷达视距以外目标而设计的.其主要功能是融合多方传感器的情报信息,解算出目标相对于导弹发射平台的距离和方位.在进行多传感器信息融合时,首先要做的工作就是把来自不同平台的多传感器数据转换到统一坐标系中.若选用大地坐标系为统一坐标系,直接在大地坐标系下进行时间对准、航迹滤波以及航迹融合,可以避免坐标系间的多次转换,节省大量的时间,并提高目标指示的精度.     

基于信息融合和扩维Kalman滤波技术的系统误差估计算法研究

针对采用复合制导体制的面空导弹武器系统,目标支路和导弹支路分开后,引起中末制导交班误差增大,必须进行相对系统误差补偿,探讨了相对系统误差的估计技术.基于信息融合和扩维Kalman滤波技术,建立了估计模型和算法,通过2种不同情景的仿真,验证了模型和算法的正确有效性.