单星对卫星的仅测角被动定轨跟踪方法研究

针对单星对卫星被动定轨时使用经典轨道根数作为状态变量可能存在奇点且测量方程变量及相应坐标转换缺乏物理意义等问题,提出一种新的基于J2000.0惯性系的单星对卫星扩展Kalman滤波仅测角被动定轨跟踪方法,并对测量方程中的变量及其坐标转换进行明确定义;同时对状态预测方程、状态转移矩阵及测量雅可比矩阵进行详细推导,最后通过STK6.0仿真场景产生的数据对算法在不同初始状态误差和测角精度下的性能进行对比分析和仿真验证。多次仿真结果表明:该算法实现了单颗高轨卫星(准同步轨道)通过仅测量角度对圆轨道(e=0)低轨卫星辐射源的被动定轨和跟踪,当测角精度优于平均角度变化量时,滤波收敛所需时间及估计误差都大大减小,且该算法对滤波初始误差也具有较好的适应性。     

UKF在MEMS陀螺随机噪声补偿的应用

论述了MEMS陀螺静态随机噪声与动态随机噪声的特点;系统分析了无迹卡尔曼滤波(UKF)的特点,将UKF用于MEMS陀螺随机噪声估计;针对MEMS陀螺静态噪声与动态噪声补偿用同一方法处理达不到一定性能的难题,提出了一种由阈值决策静态和动态滤波的工程方法;指出将时间序列用于建立随机噪声的数学模型的缺陷,指出欧美等使用的MEMS陀螺随机噪声补偿的优点与缺点.     

传递对准中机翼弹性变形处理

提出利用载机不同飞行状态下弹载子惯导陀螺仪与机载主惯导陀螺仪输出角速度差异对机翼弹性变形的AR模型参数进行在线辨识,采用一种改进的卡尔曼滤波算法对模型参数进行估计,利用信息对准模型的适应性进行检验.结合速度加姿态传递对准模型,建立了考虑机翼弹性变形的传递对准模型.仿真试验验证了该在线建模方法的有效性,在传递对准中考虑机翼弹性变形模型,可以有效地降低机翼弹性变形对传递对准的影响.     

未知环境下飞行器视觉/惯导组合测速测高方法

针对未知环境下飞行器导航问题,提出一种基于视觉/惯导组合的测速测高方法。该方法构建包含前若干个成像时刻飞行器位置的惯导扩展状态方程,并采用一种基于摄像机两视图对极几何约束的线性视觉量测方程,通过卡尔曼滤波进行惯导速度修正,在此基础上利用多帧成像的立体视觉交会估计地面特征点坐标,进而得到飞行器相对高度。以飞行器典型巡航轨迹进行的仿真实验表明,该方法能够有效修正飞行器速度和相对高度误差,给出不随时间漂移的速度和相对高度测量结果,并很好地抑制飞行器位置误差的发散。     

道路约束条件下的地面运动目标跟踪

有效使用道路信息能显著提高地面运动目标跟踪性能。基于卡尔曼滤波理论,提出了道路约束条件下的滤波方法。首先建立了描述道路网中路段的数学模型,给出了将目标分配于道路的定位算法;然后推导了道路约束条件下的过程噪声矩阵;提出了路段切换时状态修正公式;在道路约束最大后验概率估计准则下,根据道路参数修正状态与协方差。蒙特卡洛仿真结果证明了该算法的优越性能,且定量分析表明其计算量是可接受的。     

浮球式惯性平台连续翻滚自标定自对准方法

针对浮球式惯性平台系统的标定与初始对准问题,提出了一种基于姿态角的连续翻滚自标定自对准方法。根据浮球平台工作原理,建立了惯性器件误差模型,推导了浮球平台的姿态动力学方程;设计了平台在重力场连续翻滚的施矩方案;利用分段线性定常系统和输出灵敏度理论分析了系统的可观性。仿真结果表明,该方法可以同时实现平台系统42项误差系数的高精度标定与初始对准,有效地提高了系统的测量精度。     

车载激光捷联惯导系统的快速初始对准方法

首先建立了捷联惯导系统的误差模型,并对系统的误差模型进行了可观测性分析,然后针对车载激光捷联惯导系统的特点,采用卡尔曼滤波方法,对姿态误差角进行了估计,给出了方差仿真曲线.通过计算机仿真结果的分析,提出了一种快速估计方位失准角的方法,从而大大缩短了初始对准时间.仿真结果表明将该方法应用于车载激光捷联惯导系统初始对准中是有效的.     

基于Kalman预测的自适应线性化信号的生成方法

自旋弹体的姿态通常采用单通道控制方法进行控制。该方法中采用线性化信号对控制信号进行调制,而线性化信号采用固定频率随机相位的信号发生器产生,这就会对弹体控制产生不良的影响。提出了一种基于Kalman预测的自适应线性化信号的实现方法。该方法通过弹旋频率测定、频率的Kalman预测和信号发生器实现了线性化信号对弹旋信号的同步、自适应倍频、定步长、定幅度的信号发生功能。仿真实验证明了方的正确性,为更加合理的控制自旋导弹的姿态提供了一种有效的方法。     

矩阵外积法Kalman滤波器在动态GPS定位中的应用

由于计算机有效字长的限制,滤波算法在计算机上实施时易于产生误差积累,误差协方差失去正定性或对称性,从而出现数值计算中的不稳定现象.一般情况下,当状态变量维数超过10时,滤波过程中出现滤波结果不稳定现象概率增大.为了解决滤波器数值计算不稳定问题,实践中提出并应用了许多方法,如自适应滤波、固定增益滤波、平方根滤波等.这些算法的不足是计算繁琐,效率低下.提出一个基于矩阵外积法所设计的快速、稳定的滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性.     

基于采样卡尔曼滤波的水下被动目标跟踪

针对水下被动目标跟踪问题中,采用直角坐标系容易出现滤波发散,而修正极坐标系下过程模型强非线性的问题,研究了一种修正极坐标系下的采样卡尔曼滤波算法.采样卡尔曼滤波比传统的扩展卡尔曼滤波更好地逼近状态方程和测量方程的非线性特性,给出更精确的均值和协方差的估计,并且适用于过程噪声与状态估计非线性耦合的情况.在修正极坐标系下,采用3种滤波方法求解被动目标跟踪问题,仿真结果表明,采样卡尔曼滤波的滤波精度优于传统的扩展卡尔曼滤波方法和自适应扩展卡尔曼滤波方法.