实时加权递推最小二乘估计及其初步应用

将最小二乘估计的加权递推算和加遗忘因子的实时算法相结合,推导出实时加权递推最小二乘估计算法,并以实际跟踪系统的数据处理问题,说明这种算法我信息源理测数据处理系统中的应用。     

基于自适应滤波的惯性+多模卫星组合导航算法研究

惯性+多模卫星组合导航系统通常采用定常参数的加权最小二乘算法进行多传感器信息融合,若加权系数与实际噪声统计特性不吻合,将会对组合导航精度产生不利影响.为解决该问题,提出一种基于自适应滤波的改进信息融合算法,对惯性及卫星导航数据应用自适应Kalman滤波以估计惯性导航误差,对滤波输出进行基于加权最小二乘法的多模信息融合,并根据滤波误差方差阵的解算结果对加权系数进行实时调整以优化估计精度.仿真结果表明该算法能够在一定程度上提高组合导航系统的精度和对不同随机噪声的适应能力.     

雷达组网多目标跟踪系统的设计与实现

雷达组网多目标跟踪系统采用加权最小二乘估计估计目标的初始状态，其数据关联采用最近邻算法，假设观测误差为高斯噪声且各个传感器之间相互独立，先计算量测点与系统航迹的标准化距离，再判断某个量测是否与某个航迹相关联，选择标准距离最小的系统航迹与量测点配对，用此量测点对系统航迹进行更新。系统跟踪滤波则采用加权最小二乘滤波算法，仿真试验表明，该系统可有效地对组网雷达条件下的多目标进行跟踪。     

多模自适应递推最小二乘滤波在机动目标跟踪中的应用

针对火控系统设计中卡尔曼滤波器存在的不足,在机动目标跟踪中应用最小二乘滤波方法.基于最小二乘法基本原理,推导递推格式最小二乘滤波公式系,详细论述其工程实现方法,并通过模拟航路仿真及实装动飞进行试验验证.结果表明:该方法的多模自适应递推最小二乘滤波能满足某火控系统相关要求,对类似系统具有一定的工程参考意义.     

递推最小二乘算法在新型无源探测系统中的应用

探讨了递推最小二乘算法在新型无源探测系统中的应用,这种算法是基于最小二乘算法提出的一种算法.用该算法联合自适应卡尔曼滤波算法对飞行目标定位,提高了实时性,减少了运算量.多次计算机仿真结果验证了算法的实时性和可靠性,精度较高.     

雷达、红外成像传感器数据融合方法的研究

对雷达、红外成像传感器的数据融合问题进行了研究.雷达需要发射电磁波,易暴露,红外成像传感器隐蔽性好,但只能测角,不能测距,因此采用雷达为主、红外探测为辅的数据融合系统进行目标跟踪可实现红外、雷达两种传感器的优势互补.针对这一方案,文中提出了数据融合的新方法.即采用最小二乘法将同步观测数据进行融合,然后将新的融合结果与前几个时刻融合数据进行拟合,从而得到这一时刻相对稳定的结果.理论分析和仿真结果表明了这一方法的有效性.     

动目标精确定位自适应滤波算法研究

对于动目标的精确定位,常见的是应用数据融合技术来进行处理,文章应用自适应算法来处理目标的尤其是动目标的位置定位问题,应用基于加权最小二乘估计和卡尔曼滤波理论,建立目标运动的统计数学模型,在此基础上建立一种应用于目标位置定位的卡尔曼滤波算法,并给出了仿真曲线结果。     

辅助变量双迭代子空间追踪

提出了一种运用辅助变量的双迭代子空间跟踪方法。该方法采用秩一更新结构,构造两个无约束的代价函数,求其递归最小二乘解获得信号子空间。引入辅助变量使该算法可用于色噪声环境下的信号跟踪。为了简化运算,将推导过程进行了两次近似,运算复杂度大大降低。最后对跟踪结果正交化,获得了良好的正交性。仿真实验证明了该算法的有效性。     

基于贝叶斯估计的加权最小二乘分布式融合

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。     

有色噪声下基于总体最小二乘和卡尔曼滤波的无源定位方法

研究了有色量测噪声条件下存在系统误差时的单站纯方位角无源定位问题, 给出了一种新的迭代总体最小二乘Kalman滤波算法.该算法利用总体最小二乘法(TLS)进行无源定位,并通过有色量测噪声下的Kalman滤波对系统误差进行估计,将该滤波与TLS进行迭代,可有效抑制色噪声的干扰并大大减小系统误差对定位精度的影响,计算机仿真验证了该算法的有效性,且其性能优于文中其他几种算法.     

一种光纤陀螺随机噪声时间序列建模与实时滤波方法

为了减小光纤陀螺（FOG）的随机噪声,利用时间序列分析法对FOG的随机噪声进行了分析与建模,并在建立的自回归滑动平均（ARMA（2,1））模型基础上,采用一种将改进递推增广最小二乘（RELS）算法和Sage-Husa自适应卡尔曼滤波算法相结合的方法,对采集的FOG静态输出随机噪声进行实时补偿,同时与标准kalman滤波算法进行仿真对比。仿真结果表明,该方法具有更好的补偿效果,可更有效地抑制FOG随机噪声。     

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理,提出了基于加权最小二乘估计(WLS)的双基地声呐定位优化算法,给出了算法的原理和误差分布.通过数值仿真,研究了系统参数对算法定位精度的影响,给出了不同条件下定位误差的几何分布.并将该算法与单纯基于声波到达时间算法的定位性能进行了比较.仿真结果表明,双基地WLS算法充分利用了双基地系统的冗余信息,具有较高的定位精度.该研究为多基地声呐水下目标的探测、定位和跟踪提供了理论依据.     

基于序贯算法的无偏最小二乘估计纯方位目标跟踪

测量方程的非线性是纯方位角跟踪研究的难点。为了解决传统伪线性估计结果存在严重有偏性这一问题,提出了一种基于伪线性估计的无偏估计方法,即在伪线性方程中利用约束最小二乘估计,它不需要对初始值进行假设,且收敛效果良好。采用序贯滤波方法对估计量作批处理滤波以减少运算量,提高了运算效率。仿真结果表明,利用该方法得到的估计量在高斯噪声下能很好地逼近理想状态,且收敛速度较快,比扩展卡尔曼滤波具有更好的跟踪精度及收敛速度,在目标高速运动时仍能保持较好的跟踪效果。     

导弹舵机参数故障诊断方法

以导弹电动舵机为研究对象,阐述了其组成结构和自检原理,在舵机自检BIT的基础上,应用递推最小二乘法(RLS)对舵机参数进行估计,提出了一种选取故障检测阈值的实验方法,通过MATLAB/SIUMULINK仿真验证了该方法的可行性.     

导纳控制算法在主动侧杆系统中的应用

为解决主动侧杆系统操作平顺性的问题,对柔顺控制算法里的导纳控制算法进行分析。将柔顺控制技术运用到主动侧杆系统中,用来优化主动侧杆系统中杆力与杆位置的关系;将导纳控制算法运用到主动侧杆系统中,提高主动侧杆系统的运动柔顺性,达到优化杆力和杆位移的目的。仿真验证结果表明：该算法能提高飞行员输入推力指令的带宽,提高飞机的操纵品质。     

基于总体最小二乘的捷联三轴磁力仪标定与地磁场测量误差补偿

提出了一种磁力仪标定与地磁场补偿一体化的方法。对捷联三轴磁力仪的测量过程进行误差分析,建立包含磁力仪标定误差与地磁场测量误差的参数化模型。针对测量噪声的分布特性,采用基于总体最小二乘（TLS）算法对模型的参数进行了估计。仿真结果与实验结果均表明,与传统的基于最小二乘（LS）方法相比,基于TLS算法的参数估计精度更高,能够获得更好的补偿效果。     

某火炮伺服系统的回声状态网络自抗扰控制

为解决火炮伺服系统面临的一系列非线性因素,设计一种基于回声状态网络的自抗扰控制(active disturbance rejection control,ADRC)策略.使用回声状态网络(echo state network,ESN)实现自抗扰控制重要参数的在线整定,并引入梯度下降算法与改进后的灰狼优化算法(grey wolf optimization,GWO)对回声状态网络进行训练.仿真结果表明:该新型控制方法能有效提高火炮伺服系统的动态响应性能、抗干扰性能以及随动跟踪精度,满足火炮伺服系统所要求的性能指标.