满意估计下的激光回波率研究

本文利用满意估计的思想,对目标中心进行预测,以使在整个目标运动过程中,用于对目标测距的激光回波率满足预定要求.在求取满意估计的滤波增益时,运用了线性矩阵不等式(LMI)方法,并用Matlab-LMI计算软件求解.     

激光导向伺服系统中满意PID调节器的LMI设计

利用带有图像处理功能的小型激光导向伺服系统,可以大大降低目标坐标测定仪操作手跟踪动态飞行目标的操作难度,从而提高激光回波率.与经典的矩阵分解方法不同,本文以线性矩阵不等式方法,研究了激光导向伺服系统的满意PID调节器设计问题.首先从约束指标的相容性出发,给出满足与给定圆形极点约束相容的输出方差的取值范围.然后,在此取值范围内,得到了求取同时满足上述两种约束的PID调节器参数的方法.靶场试验结果证明了其有效性.     

不完全量测下航迹辨识系统中滤波方差的期望收敛性问题

目标跟踪航迹辨识系统常常出现信号丢失现象,这时递推误差协方差阵(ECM)是一个随机过程;针对探测率小于1的不完全量测,给出了估计误差协方差系统统计稳定性的条件和稳态Kalman滤波的线性矩阵不等式(LMI)计算法。对给定滤波方差约束指标,设计一种新的滤波器,使得模型容许的噪声强度尽可能的大。在目标跟踪中,它的工程意义是在选定探测器性能指标下,设计出能适应目标机动范围较大的滤波器。最后利用航迹辨识系统的数值算例对研究结果给出了说明。     

量化量测下约束方差滤波的容许量化水平研究

为解决量化量测下传感器量化水平的选取问题,对于给定的系统滤波方差约束指标,设计了一种容许量化水平尽可能低的滤波器。给出了一种估计误差协方差系统稳定性的条件和当前估计型稳态滤波的线性矩阵不等式(LMI)计算方法。工程意义在于满足系统估计误差方差精度的前提下,尽可能低的量化水平代表着设计人员可以选择分辨率更低的传感器。通过仿真算例说明了算法的有效性。     

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。     

一种基于方差约束H∞鲁棒滤波新算法

基于方差约束,研究一类不确定线性定常随机离散系统的H∞滤波问题。提出了一种鲁棒滤波的新算法,该算法克服构造对角矩阵约束性较强,缺乏一般性的缺点,给出了基于线性矩阵不等式(LMI)的同时满足方差和H∞约束的鲁棒滤波器,且在自由参数允许的前提下,与同类算法相比,其滤波增益较小,滤波误差协方差也较小。文中给出的数值算例验证了本算法的有效性。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于IMM-UKF的非线性机动目标跟踪仿真研究

在处理非线性强机动目标跟踪问题时,扩展卡尔曼滤波方法跟踪误差大、容易引起滤波发散,同时其系统模型可能随时间变化,不能应用传统的线性滤波方法以及单一状态模型来处理该类问题.假设在整个跟踪过程中,运动由水平匀速运动、俯冲运动和爬升运动3部分组成,目标量测由斜距、方位角和高低角组成,并基于此建立了目标运动状态模型和观测模型,给出了模型转换矩阵,设计了基于IMM-UKF滤波器,并进行了仿真.结果表明,该方法可以以较高精度跟踪非线性机动目标运动状态,同时具有较高的收敛速度.     

高超声速飞行器鲁棒多目标线性变参数控制

针对具有“乘波体”构型的吸气式高超声速飞行器纵向飞行姿态控制问题,提出了一种基 于区域极点配置的鲁棒多目标线性变参数（LPV）控制系统设计方法。给出吸气式高超声速飞行器纵向非线性机理模型,在此基础上建立了刚性LPV模型;针对此类LPV模型,提出了基于区域极点配置的LPV状态反馈控制系统设计方法,将系统的鲁棒稳定性、干扰抑制、跟踪性能等性能指标通过扩展线性矩阵不等式约束的方式,实现了LPV系统的多目标鲁棒跟踪控制。同时,通过引入松弛变量的方法,解除了Lyapunov函数矩阵与系统矩阵之间的耦合影响,从而降低了控制系统设计的保守性,得到了满足期望性能要求的LPV状态反馈鲁棒跟踪控制器。所设计的控制器应用于高超声速飞行器的非线性机理模型进行数值仿真验证,仿真结果表明：所设计的控制器能够使得闭环反馈控制系统有效地跟踪指令信号变化,系统动态性能良好且具有较强的抗干扰能力。     

基于收敛方差跟踪的水下目标运动分析

水下目标的被动跟踪由于隐蔽性好, 有着很强的需求背景。本文提出了基于收敛方差跟踪的水下目标运动分析算法, 由于采用方位频率Kalman滤波, 可以得到速度渐近无偏估计, 利用速度估计值对目标位置初值进行线性估计, 进而估计目标运动状态, 采用该方法可以有效消除直接应用伪线性Kalman滤波算法引起的初值偏差, 仿真结果表明, 该方法对目标运动要素具有良好的估计性能。     

多频采样系统航迹的周期滤波算法

本文根据Kalman滤波思想,针对多频采样系统航迹辨识中存在部分点缺少信息问题,提出了一种新的航迹辨识方法.该方法假设在目标作匀速直线运动下,利用平滑滤波及状态变量的相关性特征,采用周期多频Kalman滤波算法充分利用目标航路部分点仅含角度的新息,保证航迹滤波的精确性与滤波方差的最优性.某直升机航路滤波结果表明,新方法比传统的Kalman滤波算法精度更高,验证了相关结论.     

基于SNVA的机动目标状态估计

利用位置预测估计值与位置滤波估计值之间的偏差进行加速度方差自适应调节,提出一种基于状态噪声方差自适应(SNVA)的机动目标状态估计方法。采用SNVA对目标加速度噪声方差进行自适应调整,实现了对当前统计模型的改进; 利用扩展卡尔曼滤波算法对目标状态进行估计。仿真结果表明,基于SNVA的扩展卡尔曼滤波算法对机动目标速度估计的绝对误差小于0.1 m/s,加速度估计的绝对误差小于0.1 m/s²,能够对机动目标的状态进行准确的估计。     

合成孔径声纳重叠相位中心与惯性导航系统联合估计运动误差算法

为降低运动测量系统复杂度、提高运动误差估计精度,使用回波数据与惯性导航系统(INS)数据两种数据源联合估计合成孔径声纳的运动误差,形成一种基于重叠相位中心(DPC)算法和INS的DPC联合INS算法。利用回波的多子阵空间互相关矩阵估计声纳的前向速度,结合INS姿态角解算出DPC方法下的三向速度,采用卡尔曼滤波算法融合DPC算法的三向速度与INS的三向加速度,输出声纳速度的最优值,从而计算运动误差。湖试数据处理结果表明：DPC与INS联合算法相比于传统的DPC算法,融合了INS的加速度数据,使速度曲线变得更加陡峭,增加了细节信息,提高了声纳速度估计的准确性;经过运动补偿后,图像质量得到提高,目标散焦和重影的现象均得到改善。     

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。     

基于粒子滤波的混沌系统参数估计和滤波方法

混沌系统的参数估计是混沌系统控制和同步的前提。鉴于混沌系统具有初值敏感性、不能长期预测等特点,提出了一种基于粒子滤波(PF)的混沌系统参数估计和滤波方法,并将其用于Lorenz混沌系统的参数估计和滤波,在叠加噪声情况下对混沌系统进行仿真分析。结果表明,文中提出的滤波方法在估计偏差方面优于基于扩展卡尔曼滤波（EKF）的混沌系统参数估计和滤波方法,对混沌系统的参数估计和滤波是一种有效的方法。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

基于LabVIEW和IMAQVision软件平台的轴平行性测量

提出一种基于图像处理的多轴平行性测量新方法。通过提取光斑中心,根据光斑中心与轴理论位置之间的距离,计算轴之间的平行性偏差。采用的形态学去噪和基于人眼视觉模型的阈值选择算法,具有良好的抗噪性和鲁棒性,解决各种大气条件下对远距离可见光点和红外光点同时准确识别定位的问题。基于LabVIEW和IMAQVision软件平台,开发工业在线机器视觉小角度测量系统,应用于某型导弹发射系统激光轴和导弹发射轴的平行性测量和校正,取得了满意的使用效果。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

复杂纹理环境的光流/惯性组合导航方法

为解决无人机(unmanned aerial vehicle,UAV)在全球定位系统(global positioning system,GPS)信号弱或拒止环境下实现自主导航的问题,提出一种适用于复杂纹理环境的光流/惯性组合导航方法.通过基于低纹理场景的改进卢卡斯-卡纳德(lucas and kanade,LK)光流法,解算图像光流信息,使用惯性导航系统信息辅助光流导航系统,同时也利用光流导航系统的特征点速度信息辅助惯导系统进行导航解算,利用卡尔曼滤波器以融合光流/惯性导航信息得到速度、位置估计信息,并通过仿真实验进行验证.仿真结果表明:该方法能够在纹理丰富和纹理较差的场景下进行精确的速度、位置信息估计,所提出的导航算法符合自主导航的实时性和精确性要求.     

带衰减因子的自适应滤波在组合导航中的应用研究

从卡尔曼滤波的稳定性出发，分析了卡尔曼滤波算法发散的原因，提出了一种适合组合导航的衰减记忆卡尔曼滤波中衰减因子的自适应估计方法，并在GPS／SINS组合导航系统中进行了实验．实验结果表明，该算法能够自适应地估计出衰减因子的大小，有效地抑制滤波发散，且计算量较其它方法小．