GBAS中抑制电离层异常的改进自适应Hatch滤波算法

针对单频地基增强系统(Ground Based Augmentation System, GBAS)中电离层异常时Hatch滤波器平滑精度降低问题,系统分析了电离层延时对Hatch滤波器平滑精度的影响,提出一种改进自适应Hatch滤波算法。根据卫星信号计算码载偏离度,并利用二阶线性时不变低通滤波器抑制码载偏离度高频信号,以实现电离层异常实时检测;建立平滑后伪距误差均方根与电离层延时变化率、伪距测量噪声标准差以及平滑时间三者之间的函数模型,并由此确定出Hatch滤波器最优平滑时间。利用GBAS原理样机进行验证实验,结果表明:自适应Hatch滤波算法能够根据卫星信号电离层延时变化率确定滤波器最优平滑时间,且当电离层异常时,自适应Hatch滤波器机载位置误差最大由1.15 m减小为0.43 m,从而验证了所提算法的有效性。     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航;能够满足水下组合导航系统对容错性和鲁棒性的要求。     

21世纪初舰船组合导航系统的发展趋势

介绍了舰船组合导航系统的结构、原理、功能,综述了舰船组合导航系统的现状,展望了在21世纪初的30年间舰船组合导航系统的发展趋势及一些相关的技术设想.     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

不同转位方案下双轴旋转惯导系统精对准分析

针对双轴旋转惯导系统转位方案的设计和选择问题,提出了3种合理的转位方案:16次序、24次序和32次序,建立了旋转惯导系统的误差方程和卡尔曼滤波模型.观测量取速度误差和位置误差时,分别对3种转位方案下精对准过程进行了分析仿真.结果表明,24次序转位方案精对准过程所需时间最短,精度最高,其次是32次序,16次序转位方案精对准过程所需时间最长,精度最低.     

基于磁强计和光纤陀螺的小卫星姿态确定非线性滤波算法

提出了一种小卫星姿态确定的非线性滤波算法,该算法利用三轴磁强计和光纤陀螺作为姿态敏感器。在非线性滤波器的设计中,从两个方面对平方根sigma点卡尔曼滤波方法进行改进。第一,把姿态四元数的矢量部分、光纤陀螺的漂移和噪声组合,得到滤波器的增广状态向量;第二,分别建立向量旋转模型、最优化模型和误差四元数乘法模型来确保非线性滤波过程中四元数的归一化约束。仿真分析结果表明,本文提出的非线性滤波算法能够有效地提高小卫星的定姿性能,与扩展卡尔曼滤波相比,具有较高的精度、稳定性和较快的收敛速度;与无迹卡尔曼滤波相比,收敛性相当,但是精度略优,稳定性和计算效率较高。     

距离伪量测的空基平台单站无源定位算法

针对空中观测单站平台对海面、地面目标的测向定位问题,提出一种基于距离伪量测的最小二乘-不敏卡尔曼滤波(LSE-UKF)两阶段滤波算法。首先利用单次的测角信息以及目标离地高度的约束条件计算出目标的距离,采用最小二乘法对距离量进行滤波,得到较为准确的距离量。进一步将滤波所得距离量视为伪量测信息,结合观测所得的角度信息进行不敏卡尔曼滤波。仿真实验表明该算法提高了定位精度并且具有较快收敛速度。     

弹道滤波算法研究

为导引我方发射的制导炮弹等目标,需要在炮瞄雷达跟踪炮弹的基础上准确估计炮弹目标的位置、速度等状态信息。鉴于直接对测量的弹道轨迹建立常规运动模型滤波效果较差,提出了两种方法。一种基于弹道偏差滤波的方法,另一种是基于弹道方程滤波方法。仿真计算比较结果表明文中建立的弹道滤波算法对弹道类目标的滤波精度和反应时间上有大幅度提高。     

基于观测预测粒子滤波的雷达组网目标状态估计

雷达组网系统跟踪目标时,观测数据与目标跟踪状态成严重非线性关系,难以用卡尔曼滤波最优估计方法,处理非高斯非线性系统滤波估计问题的粒子滤波算法容易产生粒子退化问题。因此,使用观测预测粒子滤波算法解决这个问题,该算法基于观测似然进行重要性采样,结合一步预测信息计算粒子权值,保证了采样粒子处于高观测似然区,并充分利用了一步预测信息。仿真验证表明,将观测预测粒子滤波算法应用于目标状态估计,避免了粒子退化,收敛快,估计精度高。     

基于UKF的自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯（CT）模型,采用无迹卡尔曼滤波（UKF）方法和自适应网格（AG）的模型集自适应策略,研究了一种变结构交互式多模型算法,即：基于UKF的自适应网格交互式多模型（UKF-AGIMM）算法。对二维机动目标跟踪的仿真结果表明,本算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用