差分GPS/惯导组合导航系统

本文简述了提高GPS定位精度和系统性能的两条主要技术途径(差分GPS、GPS/INS组合)的特点和问题,提出了差分GPS/惯导组合系统方案,研究了组合系统的卡尔曼滤波器设计并作了计算机模拟仿真。仿真结果表明,差分GPS/惯导组合导航系统可以达到1～2米的实时定位精度。     

阻尼的非线性最小二乘滤波算法

为提高在弱可观测条件下滤波器的稳定性,本文把非线性优化方法应用于递推滤波,形成了阻尼的最小二乘迭代滤波算法。同时还得出了该方法的信息平方根滤波形式。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

基于推广卡尔曼滤波算法的声测定位技术

本文针对声测定位的特点,提出了一种推广的卡尔曼滤波算法,通过该算法,我们可以获得弹丸的空间状态参数,进而应用Rugge-Kutta法可以反推出炮位,文中给出了估计外推误差方差的方法及计算机模拟结果。     

机动目标跟踪的修正输入估计(MIE)算法与自适应α-β算法

机动目标的跟踪是雷达数据处理中的重要问题,对此进行了探讨的代表性的算法有Singer算法、IE算法、VD算法、IMM算法等。本文提出了修正的输入估计(MIE)与自适应的α—β两种新算法。MIE算法性能与IE算法相当,但运算量比IE算法小。自适应α—β算法的性能略低于以上几种算法,但运算量则大大低于上述几种算法,在对性能要求不很高的情况下,采用这种算法是较为合适的。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。     

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合.并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性.     

一种改进的主从式协同导航技术研究

为提高传统基于测距信息的主从式协同导航定位算法中从艇的位置解算精度,将从艇间的测距信息作为量测值融入主从式协同导航算法,重新构建了系统状态方程和量测方程,采用了扩展卡尔曼滤波进行滤波解算。仿真结果表明,相比于传统计算方式,增加了从艇间测距信息的主从式协同导航算法可进一步抑制定位误差的发散,提高了从艇的导航定位精度。     

基于AKF的无人水翼航行器纵向姿态控制研究

无人水翼航行器在运行过程中会受到海浪干扰,使得无人水翼航行器姿态控制效果变差,而传统卡尔曼滤波(KF)过程噪声矩阵为固定值,在复杂海况下滤波效果并不理想。针对上述问题,基于一种无人水翼航行器,首先建立了其纵向运动数学模型,并设计了纵向姿态LQR控制器。然后设计了一种基于新息卡方检验值的自适应卡尔曼滤波(AKF),以自适应调节过程噪声矩阵,并将AKF用于对系统反馈状态进行最优估计。通过仿真验证了基于AKF的纵向姿态控制器,能够有效抑制海浪干扰,可以使无人水翼航行器在海浪中平稳运行。