基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。     

结合总体最小二乘的自适应抗差滤波算法

在动态导航定位中,不仅会存在有色噪声的影响,而且还会出现观测系数矩阵存在偏差的情况,数据处理中不容忽视。针对此,本文将总体最小二乘和自适应抗差滤波相结合,提出了能够同时控制有色噪声和系数矩阵偏差影响的新方法。该算法先用总体最小二乘方法求出观测方程系数矩阵偏差,并对观测方程系数矩阵进行修正,再基于修正后的观测系数矩阵使用自适应抗差滤波算法求解出最后的状态参数估值。计算结果表明,该方法不仅能够改正系数矩阵偏差且能控制有色噪声的影响,有效地提高导航定位的精度和可靠性。     

红外目标精跟踪方法的研究

本文提出了一种直接把红外前视传感器的输出作为测量值来跟踪红外目标的扩展型卡尔曼滤波跟踪算法。在滤波处理时,设置可变的测量矩阵,其目的在于提高运算速度和抑制噪声干扰。通过具体的实例,对所提跟踪算法的特点和有效性进行了细致的分析。     

一种用于组合导航的多层感知机模型

针对组合导航系统，研究了一种多层感知机模型，采用相应的ＢＰ算法训练此神经网络，并将其代替闭环卡尔曼滤波器，应用于ＧＰＳ／ＳＩＮＳ组合导航系统，通过计算机仿真，表明了这种模型较标准的前馈型神经网络更适于组合导航系统，具有较好的学习能力与较快的收敛速度 。     

先进稳定平台惯性测量装置试验台的校准与对准

本文扼要地叙述了先进稳定平台机械编排的有关细节,重点放在辅助参考监视器(ARM)部分。叙述了利用卡尔曼滤波技术进行自校准与对准,从而获得良好性能的机械编排的发展及其试验结果。通过对先进稳定平台方面的研制与试验,所获得的经验与试验结果可直接用于高级惯性参考球的惯性测量装置中。     

TAN/EOAN 组合导航技术

当飞行器超低空、低空在山区、平原、海面地带连续飞行作战时,由于地理条件的限制,所以GPS/INS组合导航或者其他导航系统(惯性导航系统、电光系统)的性能就会受到限制.在这种情况下,文中提出地形辅助导航和电光辅助导航技术,就能够克服这个困难,达到精确导航的目的.     

二维卡尔曼─中值混合自适应滤波

本文提出了能同时抑制加性噪声，脉冲噪声干扰和点扩展函数模糊，又能保护图象边缘及细节信息的新型滤波方法—“二维Kalman－Median混合自适应滤波”，并成功地应用于统计图象恢复，取得了满意的效果。     

卡尔曼滤波在混煤鉴定中的应用

对宝山钢铁公司４种生产用单种煤配制成的１１种混煤进行了滤波计算，尝试了一种计算机模式识别技术－卡尔曼滤波在混煤鉴定中应用的可能性。     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

基于扩展卡尔曼滤波的测量系统数据分析

为消除误差和随机干扰对测量数据的影响。利用扩展卡尔曼滤波算法对测量数据进行处理,并提出基于扩展卡尔曼滤波算法的不可信点判断方法对测量数据进行野值剔除。两种方法结合运用,可以在保留数据特征的基础上,提高数据的精度,更好地反映测量目标的性能。