基于简化CKF/降维CKF混合滤波的非线性对准技术研究?

为了降低非线性对准的计算量而不损失对准精度,针对容积卡尔曼滤波( CKF)采样点数与状态维数成正比、计算量较大的问题,提出了基于简化CKF/降维CKF混合滤波的非线性对准方法。利用大失准角模型和基于线性观测方程的简化CKF算法进行水平对准;使用大方位失准角模型和降维CKF完成精对准。仿真结果表明,该方法摆脱了CKF算法的“维数灾难”和降维CKF对准应用条件限制,能够完成任意失准角下的初始对准并获得较高对准精度,具有重要的工程应用价值。     

捷联惯导摇摆基座自对准中圆锥误差补偿算法

针对捷联惯导系统（SINS）在摇摆基座上的自对准误差,提出了减小圆锥误差、提高自对准精度的具体圆锥误差补偿算法。分析比较了四元数四阶龙格-库塔算法、等效转动矢量的二子样、三子样等圆锥误差补偿算法及其理论补偿效果。结合仿真和实验结果得出：自对准误差随算法子样数的增大而降低,子样数增加1,北向对准误差减小近1倍,姿态角的离散度降低;随摇摆幅度的增大和频率的提高,三子样补偿算法的自对准精度接近稳定;综合考虑采样频率、子样数、计算量和对准精度要求,选择三子样圆锥误差补偿算法可以满足SINS摇摆基座下的自对准要求。     

一种新的行进间初始对准误差模型及其应用

针对载体行进间初始对准精度问题,在里程计辅助惯性系行进间精对准的情况下,推导了精对准误差模型。通过降维处理和状态方程参量的自相关函数的正交化相结合,在降低滤波计算量的基础上,保证了滤波器在非白噪声情况下的滤波器的稳定性。由于在滤波过程中需要对于参量的后验概率密度进行数值解算,为提高解算精度,运用5阶球面-径向准则进行计算。仿真实验表明,在方位角为大失准角的条件下,该算法可以有效保证较高的滤波精度,并且在噪声未知的情况下,滤波器保证很好的鲁棒性。     

快速传递对准滤波器设计及其计算复杂度分析

机载武器传递对准时,机翼挠曲变形等因素都会对子惯导的对准精度产生影响。针对空基导弹捷联惯导系统动基座传递对准的工程需要,重点考虑机翼挠曲变形带来的对准误差影响,采用"速度+姿态"的匹配方案设计了降维传递对准滤波器,并对其进行了仿真验证及计算复杂度分析。仿真结果表明,设计的17维设计快速传递对准滤波在4～6s内已收敛到亚毫弧度级,在保证对准性能的同时明显减小系统的计算复杂度。     

基于广义解析法的动基座粗对准

动基座条件下捷联惯导系统由于动态环境的影响,采用传统的解析法进行粗对准会出现较大误差,针对这一问题,通过捷联惯导比力方程变形和引入辅助速度信息,提出了一种基于广义解析法动基座粗对准方法。进行了动基座条件下的仿真,在粗对准时间不大于200s的情况下,方位角对准精度达到了0.357°,水平角对准精度0.006°,满足进一步采用线性滤波方法进行精对准的要求。该方法算法简单,计算量小,精度高,具有一定的工程应用价值。     

惯导系统在动基座上的对准研究

动基座上惯导系统初始对准，系统信噪比弱，干扰信号强度较大，有用量测信号强度小，对准过程收敛慢。为提高惯导系统在动基座上的对准精度及对准快速性，设计了基于位置信息观测及递推滤波参数估计的对准方案，通过开路粗对准及舒拉调谐闭路估计精对准，实现游移方位惯导系统在动基座上的平台调平、航向确定及陀螺漂移测定，车载试验结果表明，所设计的方案，达到了较好的效果。     

捷联惯导系统传递对准中的时间补偿算法

为了减小或消除时间延迟的影响,提高系统动基座传递对准精度,提出了一种捷联惯导系统传递对准过程中对主、子惯导间信息传输时间延迟的补偿算法。该算法利用子惯导导航解算过程中的相关数据和延迟时间,对传递信息中因时间延迟产生的误差进行补偿修正,并用修正后的主惯导信息进行动基座传递对准。车载试验结果证明,该方法可有效提高系统传递对准精度,减小传递对准时间,补偿算法有效可行。     

捷联惯导初始对准的UKF改进算法

针对UKF在捷联惯导系统静基座大方位失准角的初始对准中出现的计算量大和滤波数值不稳定的问题，本文提出了改进的UKF滤波。改进的UKF滤波应用了超球面采样和平方根滤波方法，降低了算法的计算量，提高了滤波过程中的数值稳定性。仿真结果表明，改进的UKF滤波在保证初始对准滤波精度的前提下降低了计算量，提高滤波性能，验证了改进的UKF滤波方法的有效性和优越性。     

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。     

再入弹道目标跟踪的球面单纯形-径向容积卡尔曼滤波算法

提出一种再入弹道目标跟踪的球面单纯形-径向容积卡尔曼滤波算法(Spherical Simplex Radial Cubature Kalman Filter,SSRCKF),有效提高了地基雷达对再入段弹道目标的实时跟踪精度。首先,在测站坐标系下建立了再入弹道目标的非线性动力学方程和量测方程,利用四阶龙格-库塔方法得到适用于滤波计算的离散形式,具有比传统欧拉法更高的离散精度;然后,利用Spherical Simplex-Radial准则逼近非线性函数的高斯加权积分,基于贝叶斯滤波框架得到SSRCKF算法,具有比CKF更高非线性滤波精度。对再入弹道目标跟踪仿真实验中,相比于CKF算法,SSRCKF算法的定位精度提高约4.5m,定速精度提高约0.06m/s。     

混合噪声条件下的目标被动定位算法

为提高被动传感器观测噪声为含时变有色噪声、跳变噪声的混合噪声时容积卡尔曼滤波（CKF）算法的滤波精度和稳定性,提出一种自适应容积卡尔曼滤波（ACKF）算法。在ACKF算法中,在基本CKF算法基础上,采用观测重构、待定系数去相关方法,推导得到有色噪声条件下的容积卡尔曼滤波算法。针对时变有色噪声和跳变噪声导致滤波精度受损的问题,引入噪声方差在线修正及有害观测剔除的思想,进行了ACKF算法设计。仿真结果表明,与基本CKF算法相比,ACKF算法在x轴、y轴、z轴3个方向得到的被动定位精度分别提升了24.75％、32.57％和28.48％,具有更高的滤波稳定性和精度。     

基于平方根卡尔曼滤波的粒子滤波算法

在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。     

改进的Rao-Blackwellized粒子滤波算法在目标跟踪中的应用

在雷达信号处理领域,运动目标跟踪问题一直是研究的重点,涉及的非线性滤波问题是难点所在;以RaoBlackwellized粒子滤波(RBPF)算法为基础,针对其应用于雷达目标跟踪时产生的若干问题进行研究,为提高算法的收敛性能及滤波精度,对其中重采样算法进行改进,利用数字仿真对更改后的算法进行验证,经过表明更改后的RBPF算法在各个方面均有较大程度改善。     

基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法

在多自主水下航行器(AUV)协同定位系统中,针对协同定位性能受到系统内部和外部等多种因素制约的问题,提出一种基于径向基函数(RBF)神经网络辅助容积卡尔曼滤波(CKF)的多AUV协同定位方法。当基准参考位置可用时,通过非线性CKF得到滤波新息、预测误差和滤波增益作为RBF神经网络输入层的输入,滤波误差值作为输出对RBF神经网络进行训练;当基准信号中断时,利用训练好的RBF神经网络,对CKF的滤波状态估计值进行补偿,进而得到新的估计状态。利用湖试数据,模拟多AUV协同定位系统输入存在误差情况下的协同定位实验。实验结果表明,所提方法与无RBF辅助的CKF方法相比,平均定位误差减小70%,具有更好的准确性和稳定性。     

一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波（UKF）算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。     

基于IMM-CKF的弹道再入目标跟踪研究

该文研究了弹道系数未知的弹道再入目标的跟踪问题.针对现有再入目标跟踪方法对弹道系数初值设定以及噪声协方差的设置比较敏感的问题,采用了数值精度高、稳定性好且计算量较小的求容积卡尔曼滤波(CKF)算法作为跟踪滤波器,并分别设计了由不同弹道系数模型构成的交互式多模型(IMM)算法以及由不同噪声协方差模型组成的IMM算法.仿真结果表明,该文设计的两种IMM算法都能显著提高跟踪精度以及对弹道系数估计的收敛速度.     

身管对某发射药初速或然误差影响分析

初速或然误差是发射药的重要弹道性能指标,它的大小影响发射药内弹道性能的稳定性和再现性。为了分析身管对某发射药初速或然误差的影响,依据已经获得的该发射药初速或然误差的大量试验数据,利用数理统计方法对不同身管试验所得的结果分别进行了正态性检验、异常性检验和一致性检验。检验结果表明:试验数据呈正态分布、样本值均无异常值、样本总体方差相等而均值差有显著差异。得出了不同身管对发射药初速或然误差有显著影响的结论。可见,身管质量的一致性是影响发射药初速或然误差的因素之一。     

基于模糊控制交互式多模型粒子滤波的静电机动目标跟踪

针对交互式多模型粒子滤波算法（IMMPF）的精度不高,算法更新时间长,难以满足静电机动目标跟踪要求的问题,提出了一种新的基于模糊控制的交互式多模型粒子滤波算法（FIMMPF）。该算法先利用模糊控制方法实现实时调整交互式多模型算法中的转换概率矩阵,使与目标当前运动状态最接近的运动模型在混合产生这一采样时刻的初始状态向量里占有更大的比重。同时,为了提高基本粒子滤波算法的精度,减小算法更新时间,再利用中心差分扩展卡尔曼滤波算法产生基本粒子滤波的建议分布函数,实现对目标运动状态的更新。理论分析和仿真结果表明,所提出的算法能够以更高的定位精度,更小的计算量实现对静电机动目标的跟踪。     

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。