岭型主成分估计分离制导工具系统误差方法研究

针对制导工具系统误差分离中环境函数矩阵严重病态,最小二乘估计和主成分估计结果不准的问题,提出了采用岭型主成分估计改善估值结果的方法,分析了该方法的估计结果具有更小的均方误差和更高估计精度。计算机仿真结果证明,在29项制导工具系统误差分离中,岭型主成分估计能在一定程度上克服环境函数矩阵病态的影响,岭型主成分估计分别比最小二乘估计和主成分估计的估准项数多8项和2项。     

基于多导弹协同目标探测的空间配准算法

在多导弹协同目标跟踪技术中,通过将多传感器的观测信息进行融合产生目标的全局航迹。理想情况下,各传感器的偏差认为是零,然而实际中由于偏差的存在导致融合效果变差,需要通过空间配准对误差进行估计和补偿。本文主要针对两类误差:传感器量测(系统)误差和姿态(定向)误差,提出一种改进的基于地心地固坐标系的卡尔曼滤波(ECEF-KF)方法。首先建立了系统误差和姿态误差模型;其次将弹上传感器的量测转换至公共坐标系(ECEF system),隔绝了导弹自身的运动;然后构造关于状态的线性伪量测并通过卡尔曼滤波(KF)对各偏差进行估计。仿真结果表明,该算法可准确估计各偏差量的大小,并通过误差补偿极大提高目标跟踪的精度。     

雷达组网的精确极大似然误差配准算法

针对最小二乘法和卡尔曼滤波方法在雷达网系统中的误差配准问题,提出一种雷达组网的精确极大似然误差配准算法。采用基于圆极投影的极大似然配准算法,利用各雷达站的几何关系,通过极大似然混合高斯一牛顿迭代方法估计出雷达网的系统误差,并进行仿真。仿真结果证明：该配准方法具有良好的一致性,可以用于多雷达组网的误差配准。     

矩阵奇异值分解理论在外测数据处理中的应用

基于矩阵奇异值分解（SVD）的最小二乘估计算法，具有非常好的数值稳定性。当最小二乘问题中的系数矩阵病态程度较高、甚至奇异时，该算法仍能得到比较理想的结果。由于外测数据处理中许多最小二乘问题都可能程度不同的存在矩阵病态问题，认为用基于SVD的最小二乘估计算法替代传统的基于矩阵求逆的算法是十分必要的。     

基于异步量测的多雷达方位误差配准算法

在多雷达数据处理系统中,系统误差是影响目标跟踪和数据融合质量的一个重要因素,且正北方位误差是系统中影响较大的系统误差.针对实际系统中,不同雷达对同一目标的量测大多是异步这一现状,文中提出了采用卡尔曼滤波器进行异步量测的方位误差配准,该算法可将时间对准、位置和方位误差估计同时完成,实时进行方位误差的配准处理.通过仿真验证了算法的可行性和有效性.     

一种基于固定目标进行误差配准的方法

文中在假定系统误差不断变化的基础上,提出了一种使用固定目标进行误差配准的方法,该方法能有效的消除随机量测噪声对配准效果的影响,算法简单、有效.仿真表明该方法在配准精度和运算时间上都明显优于其他几种误差配准算法.     

组网雷达系统误差合作校准方法

在最小二乘ECEF法雷达系统误差配准的基础上,给出了广义最小二乘ECEF法的计算过程.结合实际使用时长期公共目标选择的难题,提出了多目标GLS法来估计雷达的系统误差,能充分利用监视空域内的短期公共目标.通过仿真,验证了多目标GLS法在减少计算量的同时,能保证算法的有效性.利用目标优选和数据融合的方法构造的合作校准法,把组网雷达两两配准的结果进行融合,进一步提高了估计精度.仿真结果显示,在提高径向误差估计精度的同时,合作校准法能大幅度提高角度误差估计的精度.     

基于样条约束的弹道融合抗差估计方法

为提高样条约束的弹道融合处理的精度,提出了一种基于抗差估计的弹道融合估计方法,该方法根据弹道处理中各类误差特性的不同,设计相应的标准进行分离,并实现异常值修正、系统误差迭代估计和样条节点的自适应调整,利用修正后的样条函数和观测向量再进行弹道解算可有效地提高解算的精度.通过算例分析验证了该算法的可行性和实用性,计算结果表明该方法能有效地抵御异常观测、系统误差及样条表示误差对弹道解算结果的影响.     

精度评定的分解综合及精度折合

针对试验精度指标进行了系统分解和综合,建立了充分利用历次试验数据的误差因素分系统的命中精度评估和精度折合模型.针对制导工具系统误差造成的弹道差和落点偏差折合提出了一种新方法.基于奇异值分解和矩阵转换,研究了工具误差折合的可行性条件,在此条件下,不需解算系数就可得到不同射程下的制导工具系统误差的折合值.结合试验数据的系统分解建立一体化融合模型,得到精度评定结果.     

一种长航时捷联惯导系统单点综合校正方法

针对长航时捷联惯导系统的误差发散问题,提出一种基于惯性系的单点综合校正方法。采用GPS提供的位置信息和天文导航提供的航向信息构成外观测量。在建立动态误差模型过程中,利用外观测量信息对系数矩阵中的经度、纬度误差及天向失准角进行修正。相对于由惯导系统解算值确定系数矩阵的传统综合校正方法,该方法误差模型中系数矩阵的精度仅由外观测量信息精度决定,不引入惯导系统解算误差。该方法无需对载体运动进行限制,且陀螺常值漂移的估计精度不受校正间隔的影响。仿真结果表明了该方法的有效性。     

一种改进型的GPS单频整周模糊度快速解算方法

针对高精度的快速定位中观测矩阵存在病态性问题,研究了单频GPS整周模糊度快速解算方法。依据Tikhonov正则化原理和奇异值分解(SVD)的扰动性质,设计了SVD分解的改进算法,避免了因较小奇异值发生较大抖动而使正则化矩阵出现不稳定的情况;在分析法矩阵病态性特点的基础上,设计了正则化矩阵的构造方法,并从理论上证明了其优越性。实验结果表明,与传统方法和Tikhonov正则化-LAMBDA法相比,新算法能更有效地改善法矩阵的病态性,只利用3～5个历元即能实现模糊度浮点解的快速解算及其固定,且结果可靠,浮点值更加接近真实值。     

改进的自适应卡尔曼滤波在SINS 初始对准中的应用

为提高 Sage-Husa 自适应滤波的稳定性,提出一种基于 UD 分解的改进自适应滤波算法。对在线估计的量测噪声协方差阵和状态估计误差方差阵采取UD分解的形式进行标示和更新,结合捷联惯导静基座初始对准模型,对改进自适应算法进行仿真测试。仿真结果表明：在先验量测噪声和状态估计协方差矩阵存在误差的情况下,新算法能够提高对准精度。     

基于改进D S 理论在无人化武器系统信息融合中的应用

针对无人化武器系统多传感器数据之间存在的信息融合问题,提出一种将AHP法和D-S证据理论相结合的无人化武器系统信息融合算法。根据多个传感器信息融合时所在环境条件对各传感器精确程度的影响,通过AHP法确定在多个传感器基本概率赋值中各传感器的权值,并利用D-S证据理论进行改进,实现了目标识别。实例分析结果证明:改进后的识别结果明显优于传统D-S证据理论的识别结果,在一定程度上改善了目标识别系统的性能。     

无人地面平台多传感器的联合外标定方法

针对现有的传感器标定方法的不足,提出一种采用3D标定物的无人地面平台多传感器联合外标定方法。在参考和借鉴国内外学者的智能移动机器人传感器标定研究成果的基础上,建立了无人地面平台和多传感器坐标系;并从3D标定物、多层激光测距仪的外标定、多层激光测距仪和CCD摄像机的联合外标定、坐标系之间的齐次变换和L-M非线性最优算法等几个方面论述多传感器的外标定方法和步骤;对标定结果进行了验证和误差分析。现该方法已经成功应用于中型无人地面平台项目。应用结果表明:该方法能修正各传感器的安装位姿误差,保证标定后的各传感器的测量精度和目标(障碍物)在平台坐标系的一致性。     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。     

惯性辅助的单频GPS 整周模糊度快速求解

为改善法矩阵病态性,实现整周模糊度快速求解,提出惯性导航系统(inertial navigation system,INS)辅助单频GPS整周模糊度求解算法。将惯性伪距单差、GPS伪距双差、载波相位双差联立得到模糊度浮点解及其协方差阵,利用LAMBDA算法求解出整周模糊度固定解。分析引入惯性信息改善复共线性和病态性的原因,并利用GPS实测数据与仿真 INS数据进行实验验证。实验结果表明：INS辅助信息使得法矩阵条件数减小2个数量级,模糊度衰减因子下降55.81%,整周模糊度固定解求解的时间缩短75.44%,方法可行。     

惯性辅助的单频GPS整周模糊度快速求解*

利用单频GPS载波相位差分技术进行快速精密相对定位时,由于观测历元少,卫星空间分布变化缓慢,双差观测方程设计矩阵呈复共线性而导致法矩阵病态,使得整周模糊度无法固定。针对这一问题提出了惯性导航系统(INS)辅助GPS整周模糊度求解算法,将惯性伪距单差、GPS伪距双差、载波相位双差联立得到模糊度浮点解及其协方差阵,并用LAMBDA算法求解出整周模糊度固定解。分析了引入惯性信息改善复共线性和病态性的原因。最后利用GPS实测数据与仿真INS数据进行实验验证,结果表明INS辅助信息使得法矩阵条件数减小两个数量级,模糊度衰减因子(ADOP)下降55.81%,整周模糊度固定解求解的时间缩短75.44%,方法可行。     

基于多普勒信息的炮位侦校雷达外推算法研究

针对一定条件下炮位侦校雷达定位精度偏低、引导射击能力偏弱的问题,考虑到随着新型炮位侦校雷达技术的发展,所测量的多普勒信息已具有较高的精度,提出将多普勒信息应用到观测模型中。结合无迹卡尔曼滤波,并将弹道系数引入状态变量,建立了基于多普勒信息的七维状态向量无迹卡尔曼滤波算法(七态DB-UKF算法)。理论分析与实验表明,该方法有效利用了雷达的多普勒测量信息,能够有效抑制估计误差,提高参数估计精度,进而提高了外推弹丸的落点精度。     

基于多传感器信息决策级融合的刀具磨损在线监测

针对无法精确掌控机械加工过程中刀具磨损状态的现状，提出一种基于多传感器信息决策级融合的刀具磨损在线动态监测模型。该模型对采集的振动、力、声发射传感器信号进行特征提取后，将特征按传感器类型划分为独立样本。划分后的独立样本分别对同一个刀具磨损量进行回归预测，进而对每一个独立样本预测得到的刀具磨损量进行加权综合决策，最终决策出刀具磨损量。实验结果表明：刀具磨损在线动态监测模型能够有效地提高刀具磨损动态预测精度，平均预测准确率可达97.9%；与现有研究方法相比，预测准确率至少提升4%以上，预测时间仅为0.016 s，具有较大优势。