坦克火控系统的自适应滤波与自适应解命中

在非制导火控系统中,为实现目标信息的自适应滤波与自适应解命中问题,机动目标模型应能动态识别,又要适应工作周期的各种变化.本文提出的“参数辨识模型”能同时满足上述要求,并可将自适应滤波纳入到现代控制理论的正常思路内予以解决.     

闭环校射中雷达跟踪弹迹的滤波和预测方法

闭环校射武器系统中,要求实时测量弹丸和目标之间的偏差,因此火控雷达要同时完成对弹丸运动和目标运动的跟踪任务,实现对弹丸目标的精确跟踪对火控雷达来说是一个新任务.建立了一种针对此类问题的滤波和预测方法,这种方法充分利用关于弹丸运动规律的已有知识,突破了常规动目标跟踪方法的限制,使滤波和预测误差比常规方法减小数倍,成功地解决了闭环校射武器系统中的一个技术难点.     

用于闭环校射系统雷达跟踪弹丸的弹丸运动模型

以国产某型舰炮为例,结合动目标跟踪理论和外弹道理论,分析研究了弹丸运动的局部变化规律,提出了一种简化的弹丸运动数学模型,适用于闭环校射火炮武器系统火控雷达对弹丸目标的实时跟踪,可以有效地降低弹道滤波和预测的计算量并提高弹道滤波和预测的精度,使之满足武器系统对跟踪精度和处理速度的严格要求,具有重要的工程应用价值.     

基于SRUKF仅测角导航的空间交会闭环控制协方差分析

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于SRUKF (Square Root Unscented Kalman Filter) 的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。经算例验证,本文提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好吻合;该方法适用于采用传统Extended Kalman Filter (EKF)的仅测角导航问题,但其迹向位置的估计存一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大了24.68%和20.56%。此外,由于采用了QR分解和Cholesky 因子更新两种高效的代数运算,基于SRUKF的协方差分析模型要比基于EKF的协方差分析模型在计算速度上快了10%。     

GNSS接收机离散化处理对解扩性能的影响

建立扩频信号防混叠滤波、采样、量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4 bit,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4 bit时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4 bit、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05 dB,对解扩性能提升不明显。该结论可为实用型全球导航卫星系统接收机前端离散化处理优化设计提供理论指导。     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。     

基于H∞滤波的无序量测更新算法

在目标跟踪系统中,传感器量测因通信延迟无序地到达融合中心,产生无序量测融合问题。针对此问题,将H∞滤波作为基础滤波算法,提出了一种可处理单步或多步延迟无序量测的新算法。新算法借鉴有序滤波思想,利用等价量测来代替无序量测发生时刻后的量测序列,然后从该时刻起利用无序量测和等价量测进行有序更新。仿真实验表明,新算法相比于传统算法有更高的滤波精度,尤其在系统模型误差较大时仍有良好的滤波效果。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

平方根无迹卡尔曼滤波仅测角导航的空间交会闭环协方差分析方法

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。算例验证结果表明:提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好地吻合;该方法适用于采用传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)的仅测角导航问题,但其迹向位置的估计存在一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大24.68%和20.56%。此外,由于采用了QR分解和Cholesky因子更新两种高效的代数运算,基于SRUKF的协方差分析模型的计算速度要比基于EKF的协方差分析模型的大10%。     

加权采样的序列蒙特卡罗滤波技术

在处理非线性滤波问题时,常用的几种通过模型近似或计算近似的滤波方法均在某种特定的情况下具有适用性.近年来随着计算机处理能力的快速发展,提出了序列蒙特卡罗滤波方法,因其在处理复杂的非线性和非高斯问题时表现出强大的潜力而引起广泛关注.详述了序列蒙特卡罗滤波算法的基本思想和原理,对其关键技术进行了归纳分析,并指出了该方法亟待解决的一些难点问题.