统计线性化无序量测更新算法

在实际的多传感器系统中,由于各种传感器具有不同的采样率,预处理时间,以及数据通信延迟,因而会出现多个传感器量测不同步到达融合中心的现象。进一步地,当较早时刻产生的量测在较晚时刻产生的量测之后到达融合中心时,无序量测问题就出现了。针对离散时间非线性系统,提出基于统计线性化固定点平滑器的最佳统计线性化无序量测算法,它可以处理单步和两步延迟(甚至多步)无序量测,且能达到与重新滤波法相同的估计精度。     

GPS微弱信号捕获算法

捕获是GPS接收机信号处理中的关键部分,在微弱信号情况下,FFT快速捕获等传统方法不能很好地捕获到卫星信号,将采用一种改进的方法--相关积分与批式捕获相结合的方法进行捕获研究.并对一组GPS实测数据信息,分别采用以上两种方法对其进行捕获仿真.结果显示,采用改进的方法捕获到了较微弱的GPS 信号,提高了接收机的灵敏度,并能有效避免由导航数据位翻转造成的误捕获.     

基于Butterworth分布的跳频信号参数估计

能够有效地估计接收到的跳频信号参数是干扰跳频通信的关键。针对接收到的未知任何先验参数的跳频信号,提出了一种基于Butterworth分布的跳频信号参数估计算法。由于Butterworth分布具有较好的时频聚集性和抑制交叉项性能,该算法能够在低信噪比条件下有效提取并估计出跳频信号的跳频周期、跳变时刻和跳频频率。仿真结果证明了该算法对跳频信号参数估计的有效性。     

三轴MEMS加速度计的最大似然校正算法

加速度计是惯性导航系统的重要测量元件,而由于制造工艺及各类传感器误差,低成本加速度计很难达到要求的精度,因此需要对其进行校正。提出一种基于最大似然估计的加速度计自校正算法。综合考虑加速度计零偏、比例误差、非正交误差、安装误差与测量噪声,建立了传感器误差模型。在此基础上,将加速度校正问题转化为校正参数的最大似然估计问题。通过数值仿真和实测试验验证,表明算法具有较高的参数估计精度,能够有效地对上述因素引起的误差进行校正。     

改进的高脉冲重复频率雷达多假设距离估计方法

高脉冲重复频率雷达目标距离估计时面临距离模糊问题,因此必须采取一定方法解距离模糊。现有方法大都需要在每个驻留时间内至少两帧(包括两帧)检测到目标来实现目标距离估计,多假设方法虽然不要求在每个驻留时间内都需至少两帧检测到目标,但是当模糊区间发生变化时会出现目标距离估计错误。针对现有多假设方法的不足,提出改进的多假设方法,通过建立相关波门来判断目标所在的模糊区间是否改变并对目标状态作出修正,实现对模糊区间发生变化时目标距离的正确估计。仿真表明,方法可以不受模糊区间变化的影响,以较高精度实现目标距离估计。     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。     

Rayleigh分布环境因子的经验Bayes估计及仿真

讨论了Rayleigh分布环境因子的定义和估计问题。基于逐次截尾模型,在LINEX损失函数下,给出环境因子的经验Bayes估计。最后利用Monte-Carlo方法对经验Bayes估计和极大似然估计进行了分析比较。结果表明,经验Bayes估计优于极大似然估计。     

平方根Spherical Simplex UKF在飞船姿态估计中的应用

提出了一种用矢量观测来估计飞船姿态的平方根spherical simplex unscented卡尔曼滤波算法。该算法将spherical simplex unscented变换与unscented卡尔曼滤波结合起来,与采用scaled unscented变换的unscented卡尔曼滤波相比,具有更低的计算量。其平方根形式由于协方差阵的半正定性,拥有更好的数值稳定性。飞船的姿态运动学描述采用了四元数,而用广义罗德里格斯参数来克服卡尔曼滤波过程中的四元数归一化误差。仿真结果表明,该算法比标准扩展卡尔曼滤波具有更低的姿态估计误差及更快的收敛率。     

基于不确定性的末制导初始参数优化设计方法

为量化无动力滑翔飞行器末制导初始参数不确定性的综合影响,提升飞行器落点精度,提出基于不确定性的末制导初始参数优化设计方法。面向飞行器末端高动态打击需求,采用落角约束下的滑模变结构导引律进行实时弹道成型,进而考虑末制导初始参数的不确定性。以落点有效毁伤半径概率和落点圆概率偏差为多优化目标,建立基于不确定性的末制导初始参数及制导律参数优化模型。针对这一不确定性优化模型,研究利用高效全局优化和蒙特卡洛方法,给出末制导初始参数及制导律参数的最优设计方案。仿真结果表明:该方法能显著提升落点精度,为方案设计阶段飞行器末制导交接点的选取提供决策支持。     

多模型估计方法

多模型方法是一种混合估计方法 ,相对于传统的估计方法而言 (例如 Kalman滤波 ) ,它特别适合于具有未知变参数或变结构系统的研究 ,因而在许多领域得到了成功应用。回顾了多模型方法的发展过程 ,对现有各种多模型估计方法进行了总结 ,并提出了研究方向