GEO 卫星星载GPS 定轨的抗差积分滤波方法

针对星载GPS确定GEO卫星轨道时观测个数有限和观测值易存在粗差的问题,综合运用抗差估计原理和轨道滤波方法,提出了抗差积分滤波方法。抗差积分滤波方法融合卫星的运动学信息和星载GPS观测信息,不受观测数据的限制,能够得到连续的轨道解并抵抗粗差的影响。笔者推导了抗差滤波的基本公式,给出了抗差积分滤波的递推公式,并以FY-2D卫星为例进行了仿真实验。实验结果表明：该方法能提高定轨精度,降低粗差的对定轨结果的影响。     

飞行器航迹测量数据的粗差探测模型优选方法

为评估不同模型的粗差探测性能,使用多余观测数、内部可靠性和外部可靠性等指标对飞行器航迹测量数据处理中的3种典型模型的粗差探测能力进行了定量评估和比较分析。建立了不同模型间性能比较的等效规则,按照典型的工程应用场景进行了仿真实验。结果表明:大数据集模型的系统结构较强,具有更优的单粗差探测性能,但大模型对于多粗差探测是不利因素;在实际应用中,应根据粗差发生的统计特征,选取数据量大小合适、结构强度高的模型作为优选模型。     

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

在无线传感网络（WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪,其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题,提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置,在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息,并引入尺度调节衰减因子不断修正重要性密度函数,从而使建议分布更加逼近真实。将其与时延差定位方法结合,并在WSN环境下进行仿真实验。结果显示,改进的算法在整体粒子数有限的情况下追踪精度更高,收敛性较好,尤其适合环境噪声非高斯的复杂WSN目标追踪应用。     

基于角测量的机动目标跟踪算法

利用角测量估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散。本文针对反直升机雷构成的雷群进行目标定位和跟踪,利用最小角度差算法对目标的位置进行静态估计,用基于“当前”统计模型的自适应滤波算法进行数据处理,最小角度差算法的估计结果作为自适应滤波的观测值;算法简单而且有效,对目标的机动和非机动运动参数都能得到良好的估计结果。     

非线性系统测量数据丢失时的一种粒子滤波器算法

针对在工程实践中发生的测量数据随机丢失情况，提出了一种应用于非线性系统的滤波方法，该方法将基于序贯重要性采样的粒子滤波器应用于非线性、非高斯系统状态的在线状态估计。首先将测量数据丢失描述成满足一定条件概率分布的二元开关序列；然后基于似然函数设计方法，设计出测量数据丢失时的粒子滤波器算法；最后用本文方法对倒立摆系统状态估计进行了仿真。仿真实验表明，测量数据丢失时的粒子滤波器算法是有效的。     

多模寻的制导的数据融合算法研究

提出了一种多模寻的制导系统中数据融合算法。首先对多模式探测数据进行时／空校准，然后进行测量数据的相关处理．再后利用最大似然算法对测量数据进行最优压缩，最后利用扩展Kalman滤波器对压缩后的数据进行滤波，输出目标的状态估计。仿真验证了算法的有效性。     

抗差最小二乘估计在多基站GPS测量中的应用

分析了在多个基准站一个移动站观测模式下，为提高GPS结果定位精度，运用了抗差最小二乘估计将多弹道平差得到最终结果弹道。试验结果表明，该方法能有效提高移动站的定位精度。     

SINS动基座对准中H_∞滤波器的参数优化方法

在SINS动基座对准中,H_∞滤波算法比Kalman滤波算法具有更好的抗扰动能力。针对H_∞滤波器的参数优化问题,首先在推导H_∞滤波算法鲁棒机理的基础上,分析了滤波参数对系统状态收敛速度和滤波稳定性的影响,然后引入多模型估计理论进一步优化H_∞滤波参数。经过仿真试验,该参数优化方法是提高SINS动基座对准H_∞滤波器估计效果的有效手段。     

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.     

三角夹差激光引信抗烟尘干扰

为提高激光引信在短距离内抗烟尘、云雾干扰的能力,通过脉冲激光发射、线阵传感器回收,利用三角夹差法定距,对回波信号中携带的距离信息进行分析提取烟尘背后的实体目标。三角夹差法的发射光轴与接收光轴设有一定夹角,使得在接收端视场内只接收到探测距离中一小段距离内烟雾的后向散射光,降低了烟尘后向散射带来的干扰。通过线阵传感器结合夹差法在接收回波时可以给出夹差区域所对应的目标距离信息值。实验表明,比起同轴探测系统,采用三角夹差线阵探测确实可以在更低能见度下正常工作,并且确实不会因烟尘而虚警,同时也使探测装置具有在一定范围内分档定距的功能。     

控制受限的火箭炮位置伺服系统鲁棒自适应反步控制

针对火箭炮位置伺服系统运行过程中所存在的转动惯量和负载力矩变化大,输入控制 受限等各种不确定因素,提出了一种基于动态面滤波法的自适应鲁棒位置控制器。对于模型中的 不确定参数,采用投影算法进行有效估计,利用鲁棒滑模滤波器简化控制器的设计,引入一个辅助 分析系统来对控制输入限制的影响进行有效分析,同时将辅助分析系统与反步方法结合,通过对模 型的等价变换和选择适当的Lyapunov 函数,给出系统的自适应控制器的设计方法。仿真结果表 明,该方法保证了系统的响应速度和控制精度,对参数摄动及外界负载扰动具有较强的鲁棒性。     

基于RAEKF 和DGPS 的航母姿态测量方法

针对现有基于差分GPS(differential global position system,DGPS)的定姿算法无法解决GPS信号受干扰时无解的问题,且容易受GPS数据中粗大误差的影响,提出一种基于自适应抗差卡尔曼滤波(robust adaptive extended Kalman filter,RAEKF)和DGPS的航母姿态测量方法。研究载波相位差分GPS的测姿原理,详细分析现有定姿算法的原理并分别指出他们存在的缺陷,提出不受 GPS数据缺失和粗大误差影响的 RAEKF算法。结果表明：该算法能充分利用航母的运动信息,提高GPS定姿的精度和可靠性。     

基于极限学习机模型的粒子滤波无设备定位方法研究

在无线通信环境中,无线射频信号易受到干扰,强度波动较为明显。为定量描述和分析目标位置与无线信号强度之间复杂、多变的关系,更加精准地估计目标位置,提出了基于极限学习机（ELM）模型的粒子滤波（PF）无设备定位算法。该算法包括ELM模型构建（离线阶段）和目标位置估计（在线阶段）。在ELM模型构建阶段,建立目标在不同位置与链路（发射节点与接收节点之间的通信链路）信号强度变化的离线数据库,利用ELM构建目标位置与无线射频信号强度的映射关系。在目标位置估计阶段,通过映射关系结合PF实现目标位置的跟踪。实验结果表明,所提算法不仅有效地解决了目标位置与无线射频信号强度的映射关系,而且比高斯过程模型-PF、支持向量机-PF等现有算法显著提高了目标跟踪精度。     

匹配滤波器失配下的双基地多输入多输出雷达多目标角度估计

提出了基于匹配滤波器失配的双基地多输入多输出（MIMO）雷达多目标角度估计算法。建立了存在时延、多普勒频率补偿误差情形下的双基地MIMO雷达模型。采用交替迭代的思想,将发射角、时延补偿误差和多普勒频率补偿误差的参数估计问题转化为一个二次规划问题并求解出发射角。用ESPRIT算法估计目标的接收角,并且实现了收发角度的自动配对。仿真实验证明了ESPRIT算法的有效性。此外在附录中推导了本文信号模型下的克拉美罗界。提出了基于匹配滤波器失配的双基地多输入多输出（MIMO）雷达多目标角度估计算法。建立了存在时延、多普勒频率补偿误差情形下的双基地MIMO雷达模型。采用交替迭代的思想,将发射角、时延补偿误差和多普勒频率补偿误差的参数估计问题转化为一个二次规划问题并求解出发射角。用ESPRIT算法估计目标的接收角,并且实现了收发角度的自动配对。仿真实验证明了ESPRIT算法的有效性。此外在附录中推导了本文信号模型下的克拉美罗界。     

基于RAEKF和DGPS的航母姿态测量方法研究

针对现有基于差分GPS(differential global position system,DGPS)的定姿算法无法解决GPS信号受干扰时无解的问题,且容易受GPS数据中粗大误差的影响,提出一种基于自适应抗差卡尔曼滤波(robust adaptive extended Calman filter,RAEKF)和DGPS的航母姿态测量方法。研究载波相位差分GPS的测姿原理,详细分析现有定姿算法的原理并分别指出他们存在的缺陷,提出不受GPS数据缺失和粗大误差影响的RAEKF算法。结果表明,该算法能充分利用航母的运动信息,提高GPS定姿的精度和可靠性。     

融合SVM 的多特征DSST 目标跟踪算法

为解决DSST算法多尺度搜索策略跟踪时目标出现严重遮挡、非刚性形变、目标脱离视场导致的目标外观变化的问题,提出一种将支持向量机(support vector machine,SVM)目标重检测模块融合的算法.提取目标的多种特征然后将这些特征矢量融合以增强目标的特征表达.在DSST算法的位置和尺度滤波器的基础上,新增目标外观滤波器,利用训练好的SVM全局搜索目标.采用不同大小的窗口采样来训练相关模型并建立一个SVM的最优分类面,通过SVM对丢失后的目标进行重检测.实验结果表明,改进算法比DSST算法在对目标受到遮挡、目标非刚性形变等问题上的鲁棒性能均有提高.     

基于分层模型和鲁棒字典学习的背景差分炸点检测

针对背景差分炸点检测方法中背景模型难以更新背景估计和运算复杂等问题,提出一种分 层模型下基于鲁棒字典学习的背景差分炸点检测方法。为提高运算效率,该方法对图像帧建立3层金字塔分层模型,在每层将图像帧分割为互不重叠块,逐层以图像块为单位通过改进的鲁棒字典学习方法进行背景估计,与当前图像帧作背景差分实现炸点检测。采用炮弹炸点图像序列对所提出的方法进行了实验验证。实验结果表明,与现有炮弹炸点检测方法相比,该方法在准确率、误检率和鲁棒性方面均具有优越性能。     

用于实时弹道滤波的Sage-Husa改进算法

为了解决实时弹道测量数据滤波过程中量测噪声统计特性未知且时变的实际问题,对Sage-Husa算法进行了多种改进,提出了改进的Sage-Husa自适应卡尔曼滤波(improved Sage-Husa adaptive Kalman filter,ISHAKF)算法。该算法将量测噪声协方差估计矩阵变换为半正定矩阵和正定矩阵之和的形式,保证了量测噪声协方差估计矩阵的正定性,消除了量测噪声协方差估计矩阵非正定导致滤波异常的缺陷。设计了一种自适应遗忘因子,提升了滤波收敛速度,解决了量测噪声统计特性突变时Sage-Husa算法收敛较慢的问题。对卡尔曼增益矩阵进行了抗差改进,增强了算法的鲁棒性,削弱了野值对滤波效果的影响。分别对正定性改进、遗忘因子改进和抗差改进进行了对比仿真实验,对比结果验证了Sage-Husa算法改进的正确性和有效性。通过ISHAKF算法的实例应用,证明了该算法在实时弹道滤波上,具有更高的实时性、自适应性和抗差性,滤波效果提升明显。     

分段组合Kalman滤波在滚转弹SINS/GPS系统中的应用研究

为解决滚转弹SINS/GPS系统的运动参数估计问题,建立了广义误差模型,采用输出校正滤波对测量误差进行估计,进一步将输出校正滤波和反馈校正滤波进行了分段组合,给出了输出校正和反馈校正滤波原理图和分段组合流程图。根据SINS/GPS组合系统松组合模型,以某滚转弹六自由度仿真数据为例进行仿真。仿真结果表明,文中提出的分段组合Kalman滤波方法提高了估计精度。研究结果可为精确测量滚转弹的运动参数问题提供有效的解决办法。