基于地心地固坐标系的多传感器实时配准方法

针对立体投影配准算法的不足,在分析广义最小二乘方法的基础上,提出了基于地心地固坐标系的实时配准方法.该方法选定一个传感器为数据处理中心,建立配准模型,采用序贯最小二乘方法和卡尔曼滤波方法来估计系统偏差,实现了误差的实时估计,便于工程应用实现.仿真表明了该方法的有效性.     

基于序贯最小二乘的雷达网误差配准方法

为实时估计雷达网系统偏差，针对广义最小二乘配准方法不能实时估计传感器偏差的问题，提出了基于序贯最小二乘的雷达网误差估计方法，该方法在广义最小二乘配准模型基础上，采用序贯最小二乘方法来估计系统偏差，不必存储过去的测量数据，能够实时估计系统偏差．仿真表明该方法的有效性．     

用卡尔曼滤波方法实现运动平台多传感器配准

目的针对运动平台的多传感器系统,研究一种能有效地估计配准误差并消除其影响的算法．方法提出用卡尔曼滤波方法估计失调误差和姿态误差,该方法首先估计失调误差,然后利用不含失调误差的模型,估计并消除姿态误差．结果该算法能有效地估计多传感器系统的配准误差,使融合数据确定性明显增强．结论将卡尔曼滤波算法应用于运动平台的多传感器数据配准,它能有效估计配准误差,对于传感器的数据融合有重要的意义．     

基于联合特征导向矢量的多通道SAR地面动目标检测定位

提出了一种新的多通道合成孔径雷达动目标检测定位方法．首先计算目标的特征系数矢量,然后根据其空域导向矢量和特征系数矢量构造联合特征导向矢量,最后利用包含特征导向矢量的自适应权进行杂波抑制,同时估计目标的运动速度,进而对其重新定位．仿真结果表明该方法对图像配准误差具有稳健性,在图像配准误差达到一个像素的情况下,该方法仍能获得与图像精确配准时相当的目标检测性能和测速定位精度．     

一种分布式小卫星立体阵基线误差估计方法

针对分布式小卫星立体阵中沿航向基线与垂直航向基线互相耦合及无法分别估计的难题,提出了一种新的分布式小卫星立体基线误差估计方法.在图像域,利用图像配准方法分离两类基线,并通过图像配准与子空闻分解的方法分别对两类基线误差进行估计.该方法操作简单,运算量小,估计精度达到了毫米级.     

空中交通管制系统中多雷达数据的配准法

现代化的空中交通管制系统在保障飞机飞行安全和提高空域利用率等方面起着十分重要的作用。本文研究了现代化的空中交通管制中心系统中多雷达数据处理的几个关键问题。多雷达数据处理系统能够获得比单雷达数据处理系统更加准确和全面的目标状态信息。本文主要介绍了利用"最小平方配准法"对有配准误差的多雷达数据进行配准误差的估计和补偿,为多雷达数据的互联和融合奠定了基础。     

机动目标的IMM扩展卡尔曼滤波时间配准算法

针对目前研究的时间配准方法是在目标运动模型已知的情况下进行时间配准,难以保证目标在复杂机动情况下运动模型多变时的时间配准精度。提出了机动目标的交互多模型扩展卡尔曼滤波(IMM-EKF)时间配准算法,该算法将交互多模型中的每个运动模型分别进行扩展卡尔曼滤波输出同时根据滤波过程中得到的残差计算每个模型的概率,根据模型概率和各模型滤波输出得到时间配准周期内最后一个采样点的测量数据,利用该点的状态和模型概率进行外推就得到时间配准周期和传感器采样周期不成整数比时配准时刻的位置。通过仿真结果表明该算法能够有效降低整体的时间配准误差。该算法提高了时间配准的精度,为数据融合提供了良好的基础。     

一种修正的精确极大似然误差配准算法

基于极大似然估计的误差配准(EML)算法考虑了随机量测误差的影响,性能略优于传统的误差配准算法.但是因为算法对量测噪声的假设并不合理,给出的似然函数并不正确,影响了算法的性能.本文对该配准算法的似然函数进行了修正,提出了一种修正的精确极大似然误差配准(MEML)算法.仿真表明,提出的MEML算法优于原有的EML算法.     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

两坐标与三坐标雷达配准方法及其应用分析

针对工程上用最小二乘方法难以对两坐标雷达与三坐标雷达进行直接配准的问题,提出先由三坐标雷达量测估计出两坐标雷达的俯仰观测,再进行最小二乘配准的方法．在推导两坐标雷达俯仰角量测估计公式和分析其误差的基础上,给出了完整的基于广义最小二乘的两坐标雷达和三坐标雷达的配准算法．仿真结果表明了该方法的有效性和实用性．     

Application of Adaptive Reduced Sigma Points Unscented Kalman Filter to the Tracking of Maneuvering Target

Based on the principle of statistical linear regression, a set of n 2 sigma points instead of 2n 1 sigma points used in the unscented Kalman filter (UKF), is constructed to approximate the system state. And filter accuracy is second order. Real-time of modified UKF is improved. In order to describe accurately the maneuvering target, the "current" statistical model is used. And the equation of acceleration error covariance is modified at every sample time of the filter. The modified adaptive UKF is presented for estimating the position, velocity and acceleration of maneuvering target. Monte Carlo simulations show the modified adaptive UKF acquires good performance for tracking position of maneuvering target. The modified adaptive UKF has better computational efficiency than UKF.     

基于离差差分滤波算法的再入目标状态估计

再入弹道目标的状态估计是个复杂的非线性滤波问题,使用扩展卡尔曼滤波算法（Extended Kalman Filter,EKF）,会引入较大的误差,甚至发散．为了提高估计精度,提出使用离差差分滤波算法（Divided Difference Filter,DDF）对再入弹道目标的状态进行估计．DDF算法使用二阶多维Stirling内插多项式近似非线性状态和测量方程获得状态和方差的估计．该算法只需要计算函数值,避免了求导运算,降低了计算复杂度．Monte Carlo数值仿真表明,离差差分滤波方法降低了再入目标的状态估计误差,提高了估计精度,且运行速度比无迹卡尔曼滤波方法（Unscendted Kalman Filter,UKF）要快的多．     

双基地前向散射栅栏雷达的目标运动参数估计

针对双基地前向散射栅栏雷达运动参数估计精度低、易发散的问题,在扩展卡尔曼滤波和不敏卡尔曼滤波基础上,提出了一种新的滤波跟踪算法U EKF.该算法利用不敏卡尔曼滤波对初始误差不敏感的特点实现目标初始捕捉,克服了扩展卡尔曼滤波由于初始估计误差较大而引起的发散问题;然后采用扩展卡尔曼滤波进行目标跟踪保持,克服了目标穿越雷达基线时不敏卡尔曼滤波由于对系统模型的误差敏感而引起估计精度低的问题.     

不完全量测下基于信赖域滤波的目标运动参数估计

提出了一种将信赖域滤波应用于不完全量测下的目标运动参数估计的方法,利用工程实测航路数据,与转换量测卡尔曼滤波（CMKF）和无味滤波（UKF）进行了仿真比较。结果表明：基于信赖域滤波的算法优于采用CMKF、UKF的性能,且信赖域滤波计算量小于无味滤波,具有较好的实时性。     

应答器未校准情况下的水下长基线定位方法研究

针对应答器未校准情况下的水下长基线定位问题，提出了基于无迹卡尔曼滤波的同步定位与地图创建方法。应用随机地图技术，将自主水下航行器的位置坐标和应答器的位置坐标组成增广状态矢量，以到应答器的距离为测量值，用无迹卡尔曼滤波进行求解。该方法是一种实时在线算法，充分利用了速度和航向信息，克服了非线性方程方法存在的状态矢量维数高、求解易发散的问题，并且对水下航行器的运动方式没有约束。仿真结果表明，它能够抑制航位推算法定位的累积误差，提供水下长期的、误差有界的定位信息。     

非线性系统的一种改进的Unscented卡尔曼滤波器

作为最近提出的一种非线性滤波方法,Unscented卡尔曼滤波器(UKF)具有易实现、较高的估计精度和中等的计算量等优点。然而,像扩展卡尔曼滤波器(EKF)一样,UKF关于模型不确定性的鲁棒性很差、对初始条件很敏感,容易出现状态估计不准,甚至发散等现象。为了克服UKF的缺陷,基于强跟踪滤波器(STF)理论,通过引入一种多重次优渐消因子在线调整滤波器增益矩阵,提出一种改进的UKF,并通过目标跟踪的仿真实验验证了该滤波器的有效性。仿真实验结果表明改进的Unscented卡尔曼滤波器具有好的鲁棒性,而且能够快速收敛。     

一种结合UKF的疲劳结构剩余寿命预测方法

针对机械系统中疲劳结构的剩余寿命(RUL)预测问题,提出了一种结合无迹卡尔曼滤波算法(UKF)的RUL预测方法.该方法包括疲劳裂纹性能参数评估和RUL预测两个部分.在性能参数评估部分,通过对Paris疲劳裂纹扩展公式进行离散化,建立了参数状态空间评估模型,并利用传感器获得的实时状态信息结合UKF算法对状态空间评估模型中的疲劳性能参数(C和m)以及疲劳裂纹长度表现出的不确定性进行评估,以避免状态信息不完备、工况噪声等不确定因素对结构疲劳寿命预测的影响;在剩余寿命预测部分,利用UKF算法评估得到的参数结果,结合离散化得到的递推裂纹扩展模型,对结构的剩余寿命进行预测.仿真结果表明:提出的方法能够很好地处理疲劳裂纹扩展模型中疲劳性能参数的不确定性,且在剩余寿命预测上,通过与扩展卡尔曼滤波算法(EKF)进行比较分析,发现所提方法能够更准确地预测结构疲劳裂纹的RUL.将离散的Paris疲劳裂纹扩展公式和UKF算法进行结合,能够有效地提高疲劳结构的剩余寿命预测精度.     

炮弹发射弹道目标精度校正估计仿真

针对全球定位系统、雷达和卡尔曼滤波等传统测量手段在弹道量测中面临的诸多问题,提出了超宽带技术与平方根无迹卡尔曼滤波方法相结合的弹道估计算法,通过试验与仿真对该算法进行了分析.结果表明,采用平方根无迹卡尔曼滤波进行估计时,运行时间低于扩展卡尔曼滤波,略高于无迹卡尔曼滤波,且位置和速度均方根误差均低于二者.将平方根无迹卡尔曼滤波应用于弹道估计问题中可取得更为有效、准确的估计结果.     

一种基于UKF的AUV移动声学网络协同导航方法

针对扩展卡尔曼滤波(EKF)在自主水下航行器(AUV)移动声学网络协同导航中,存在强非线性观测方程条件下线性化误差大、计算复杂等缺点,文章提出一种基于无迹卡尔曼滤波(UKF)的AUV移动声学网络协同导航方法.利用移动长基线原理和UKF方法,建立基于UKF的协同导航滤波算法,并通过仿真实验与传统的EKF协同导航算法进行对比.仿真结果表明,基于UKF的协同导航算法能明显减小导航定位误差,在导航精度上优于EKF方法,是AUV协同导航中一种更加简单有效的导航滤波方法.     

A new optimal approach to segmentation of 2D range scans to line sections

In order to obtain a compact and exact representation of 2D range scans, UKF (unscented Kalman filter) and CDKF (central difference Kalman filter) were proposed for extracting the breakpoint of the laser data. Line extraction was performed in every continuous breakpoint region by detecting the optimal angle and the optimal distance in polar coordinates, and every breakpoint area was constructed with two points. As a proof to the method, an experiment was performed by a mobile robot equipped with one SICK laser rangefinder, and the results of UKF/CDKF in breakpoint detection and line extraction were compared with those of the EKF (extended Kalman filter). The results show that the exact geometry of the raw laser data of the environments can be obtained by segmented raw measurements (combining the proposed breakpoint detection approach with the line extraction method), and method UKF is the best one compared with CDKF and EKF.