GPS动态定位中的自适应扩展卡尔曼滤波算法

针对全球定位系统 (GPS)提出一种扩展卡尔曼滤波器算法。这种滤波器算法直接从GPS接收机输出的定位结果入手 ,将各种误差因素的影响等效为一个总误差 ,对GPS接收机的机动载体的加速度采用当前统计模型 ,并利用线性卡尔曼滤波器进行动态定位数据的处理。本模型简单 ,实时性好 ,滤波后定位精度得到提高。     

一种新的概率数据关联滤波算法

在密集多回波条件下对单个机动目标跟踪的情况下,综合利用"最近邻"法和概率数据关联滤波算法,推出了一种基于"最近邻"方法的概率数据关联滤波算法,采用关联区域内总数固定的候选回波来更新被跟踪目标的状态,并进行了计算机仿真.结果表明,新滤波算法的跟踪性能明显要优于概率数据关联滤波算法,而且降低了概率数据关联滤波算法的计算量.因此,可以通过回波的残差协方差矩阵进行衡量,挑选总数固定的"最近邻"回波,取这些回波的加权和作为目标回波用于概率数据关联滤波算法中更新被跟踪目标的状态.     

用于动平衡测试的MDAC窄带跟踪滤波器

为了从强干扰噪声中提取出与转速同频的振动分量,且适应转速波动时的情形,利用互相关原理导出了跟踪滤波方法,并采用乘法数模转换器(MDAC)设计并实现了窄带跟踪滤波器。实验结果表明,其增益相对误差优于0.2%,相位绝对误差优于0.4°,当转速变化率不超过9000r/min2时,滤波器的输出能够跟踪转速的变化。该滤波器能较好地满足动平衡测试的需要。     

自适应网格交互多模型算法

研究和设计了一种模型集合自适应方法——自适应网格方法。并将其与交互多模型算法相结合,提出了自适应网格交互多模型(AGIMM)算法,它是一种变结构多模型算法。仿真显示它能有效地提高IMM估计器的费效比。     

采用多模式控制的电磁发射蓄电池充电谐波抑制方法

针对电磁发射蓄电池组大倍率快速充电过程中的电网谐波陡增问题,提出多模式模糊滞环控制谐波抑制方法。结合电磁发射混合储能系统的时序串联拓扑结构,说明蓄电池的超大倍率充电应用工况和策略,进而介绍蓄电池充电的拓扑结构,明确谐波的来源、特点和产生原因。在分析单台充电机充电时的电网谐波电压和谐波电流的基础上,研究不同充电机并充台数、不同充电电流情况下电网谐波电压和谐波电流的分布规律。设计多模式控制方法的组成方式和切换判据,建立蓄电池充电机、瞬时无功功率检测、谐波抑制、多模式控制的仿真模型。仿真和试验数据表明：谐波抑制方法能够快速抑制电磁发射蓄电池充电机大规模启停、波动时的谐波陡增问题,补偿效果满足国家标准。     

无人机对地目标多帧融合定位与误差收敛特性分析

对地目标高精度定位是无人机开展目标侦察、火力引导、效能评估等的重要前提,然而无人机对地目标定位精度受到误差因素多、传递链长等因素的制约.采用基于卡尔曼滤波的图像多帧配准对地面目标定位的方法,通过融合无人机获取的多帧目标图像,基于卡尔曼滤波方法,研究无人机对地目标高精度融合定位方法,并引入蒙特卡洛法进行仿真,分析基于卡尔...     

基于自校正卡尔曼滤波器的信息融合算法

设计了一种新的基于ARMA模型自校正卡尔曼滤波器及其信息融合的方法,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点.仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能非常接近稳态最优卡尔曼滤波器;基于自校正卡尔曼滤波器的信息融合滤波性能接近基于稳态最优卡尔曼滤波器的信息融合滤波性能.     

基于小波域隐Markov模型的SAR图像滤波方法

在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

去偏转换坐标卡尔曼滤波器的雷达目标跟踪

在雷达目标跟踪中 ,扩展卡尔曼滤波 (EKF)和转换坐标卡尔曼滤波 (CMKF)得到了广泛的应用。但当目标方位角的测量误差与目标斜距的乘积较大时 ,传统的EKF和CMKF的滤波性能会大大降低。推导了有测速元时的去偏转换卡尔曼滤波 (DCMKF)算法 ,仿真结果表明DCMKF的精度比EKF与CMKF有了很大的提高     

空空导弹随机最优导引规律的研究

通过建立导弹目标攻击简化数学模型 ,提出一种随机最优导引规律 ;运用卡尔曼滤波理论 ,引进了机动目标加速度和量测系统的不确定性。通过数字仿真 ,分别和传统比例导引规律、扩展比例导引规律相比较 ,表明了该规律的最优性