基于改进Singer模型的机动目标跟踪方法

Singer模型使用标准卡尔曼滤波器对机动目标进行跟踪,当系统模型不准确或噪声统计特性不确定时,容易引起滤波发散或跟踪精度下降等问题。针对这种情况,本文提出了一种采用自适应渐消卡尔曼滤波的Singer模型算法(AKF Singer),通过引入渐消因子来抑制滤波器的记忆长度,自适应的调整新息权重和滤波器增益,从而避免发散。仿真结果表明,本文所提算法能够有效抑制滤波发散,相比于传统Singer模型,具有更好的跟踪稳定性和更高的跟踪精度。     

基于数据链的战斗机引导误差矢量分析及处理

根据美军提出的机间数据链支持下的先进战斗机静默攻击方式,对基于数据链的战斗机引导进行了研究。主要分析了战斗机引导误差来源,对引导误差的产生过程进行了矢量描述,推导出引导误差矢量方程。为减小误差,提高战斗机静默攻击方式下对目标的跟踪精度,提出基于"当前"加速度模型的自适应卡尔曼滤波改进算法,对战斗机接收到的数据链信息进行滤波,估计目标当前信息。通过仿真表明,滤波算法有效地减小了基于数据链的目标信息随机误差,可以将定位几何精度提高到245 m以内,充分说明了静默攻击方式的可行性。     

基于差分GPS的战术数据链高精度时间同步

精确协同作战作为信息化条件下作战形态的必然发展趋势,其对作战平台间高精度时间同步提出了较高的要求。针对该要求,在分析了战术数据链往返计时（ RTT)时间同步算法的基础上,提出了卫星导航载波相位差分GPS（ DGPS)技术与数据链高精度时间同步算法,利用卡尔曼滤波构建时间同步计算算法模型,实现高精度的时间同步。仿真结果表明该算法可提高时间同步精度到3 ns。     

基于随机积分的非线性滤波跟踪算法

针对雷达系统的非线性目标跟踪存在精度低、滤波易发散等问题,提出一种新的非线性滤波算法——随机球面径向积分滤波算法(SSIF)。该滤波算法基于随机积分准则,利用随机球面积分准则和随机径向积分准则来近似函数积分。所提的滤波算法和传统的非线性滤波算法,例如扩展卡尔曼滤波、不敏卡尔曼滤波和容积卡尔曼滤波等相比在计算复杂度相当的情况下,不仅可以消除系统误差具有更高的跟踪精度,而且可以防止滤波发散提高滤波稳定度。通过蒙特卡洛仿真实验表明,所提出的非线性滤波算法整体性能明显优于传统的滤波算法。     

基于北斗卫星辅助的岸舰导弹飞行中对准研究

针对岸舰导弹快速发射的问题,为实现岸舰导弹弹载惯导动基座对准,提出了导弹弹载惯导系统飞行中对准方案.首先,建立了飞行中非线性对准模型;其次,提出了导弹弹载北斗导航信息辅助下的基于sage滤波开窗法原理的渐消矩阵自适应平方根容积卡尔曼滤波飞行中对准方法,并建立了相应的渐消矩阵切换准则;最后,仿真试验对比了平方根容积卡尔曼滤波和所提自适应平方根容积卡尔曼滤波飞行中对准方法,得出所提的自适应平方根容积卡尔曼滤波的精度和稳定性更高的结果,对准时间和精度能够满足相关性能指标要求.所提出的飞行中对准方案能够为工程应用提供一定的参考和借鉴.     

一种改进的扩展卡尔曼滤波

针对机动目标跟踪中目标发生状态突变和运动模型不匹配时扩展卡尔曼滤波精度降低或发散的问题,提出一种根据新息矩阵的范数判断滤波是否应该修正,并通过修正一步预测值来提高滤波精度的算法。该算法使用新息矩阵和量测误差矩阵来判断滤波是否稳定,在滤波精度降低甚至发散的情况下通过修正一步预测值来提高滤波精度。该算法计算量小,实时性强。仿真结果表明,该算法能够根据新息实时调整,且滤波精度较高。     

同步轨道卫星四站时差统计定轨精度分析

基于卫星通信信号的多站时差测轨是一种重要的新型无源测轨方法,分析其定轨精度对系统 应用具有重要意义。介绍了四站时 差测轨原理与系统组成,提出了基于四站时差测量数据的自校准统计定轨策略,采用计算机 仿真了同步轨道卫星的统计定轨精度。仿真结果表明：当无系统误差时,24 h观测数据统计定轨位置误差约为11 m,预报1周位置误差约100 m;当存在系统 误差时,可用自校准方法同步估计系统误差,系统误差估计精度约为4 m,位置误差约 为120 m,预报1周的位置误差约为200 m。     

基于MFFAKF的微惯导磁匹配粗对准方法

针对微机电系统(MEMS)陀螺仪精度低,无法完成惯导系统方位对准的问题,该文提出一种采用加速度计与磁强计输出完成MEMS惯导系统粗对准法。同时针对遗忘卡尔曼滤波法的缺点,提出将一种多遗忘因子自适应卡尔曼滤波法(MFFAKF)引入系统的对准方案中。该方法通过基于指数渐消记忆的方式计算量测噪声方差阵,并采用多遗忘因子调节不同的滤波通道。实验结果表明,采用MFFAKF得到的粗对准航向角精度满足MEMS惯导系统粗对准要求。     

机动目标跟踪的新算法

机动目标通常不是做恒定的运动,其运动状态会随时间的变化而变化.这就使描述系统运动的状态方程是非线性的,而且系统参数会不断变化.传统的推广卡尔曼滤波适用于定系统定参数的情况,如果运用到机动目标跟踪上会导致误差增大甚至滤波发散.基于此,将强跟踪滤波运用到机动目标跟踪上.强跟踪滤波在卡尔曼滤波的基础上引入了多重渐消因子,使强跟踪滤波具有极强的跟踪能力和较好地鲁棒性,因此可以很好地解决变系统变参数的问题.通过仿真,将强跟踪滤波与UT-BLUE滤波方法和EKF滤波方法进行比较,结果表明了该滤波方法的有效性和优越性.     

基于多渐消因子强跟踪SRUKF的故障参数辨识

为了解决非线性系统中故障参数估计问题,提出多重渐消因子强跟踪平方根无迹卡尔曼滤波(MST-SRUKF)算法。MST-SRUKF将多重渐消因子引入到协方差矩阵平方根中,推导适用于平方根无迹卡尔曼滤波(SRUKF)的渐消因子计算公式,从而实时调整SRUKF中的增益矩阵,保证其对模型存在较大误差或者突变情况下的滤波精度。实验结果表明,相比于SRUKF和强跟踪无迹卡尔曼滤波(STUKF),MST-SRUKF对故障参数具有更高的估计精度。     

高精度星敏感器安装矩阵在轨实时校准方法

在轨运行过程中,受空间热环境的影响,星敏感器的安装矩阵具有轨道周期变化的特征。为了校准卫星结构变形导致的星敏感器之间安装矩阵变化,提出了一种基于四元数自适应卡尔曼滤波（quaternion Adaptive Kalman Filter,q-AKF）的安装矩阵在轨实时校准方法。该方法结合衰减记忆滤波与简化的Sage_Husa自适应滤波,通过自适应调整衰减因子,调节当前量测值在滤波过程中的权重,以抑制因模型参数不准确造成的滤波性能下降甚至发散问题。仿真试验结果与在轨数据验证结果表明:q-AKF算法不但可以抑制参数不准确造成的滤波发散问题,而且在0~5（）/s的姿态机动速率范围内,仍能稳定跟踪安装矩阵的真值（偏差均值的绝对值0.15）,具有良好的自适应性与鲁棒性。     

自适应SICKF及在目标跟踪中的应用

针对容积卡尔曼滤波（CKF) 估计精度在系统状态或参数突变时下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)思想,提出了一种自适应SICKF(ASICKF)方法。在SICKF获得高估计精度的同时引入STF条件,根据系统输出残差获得自适应渐消因子,将其引入系统输出协方差均方根阵和互协方差阵中对滤波增益进行实时修正,强迫系统输出残差序列始终正交,从而使SICKF算法具备强跟踪能力。为验证所提ASICKF算法性能,利用数值仿真将其应用于存在突变情况的目标跟踪问题中。仿真结果表明,ASICKF在系统状态突变时仍能保持较高的估计精度,算法稳定性和适应能力较好。     

基于滤波方法的OFDM信道估计研究

维纳滤波和卡尔曼滤波都是基于最小均方误差准则的滤波方法,本文主要研究这两种滤波方法在OFDM信道估计中的应用。为了跟踪频率选择性信道的变化,采用在OFDM系统中易于实现的梳状导频进行研究。传统的MMSE在统计意义上是最好的线性估计器,但是需要对矩阵求逆,是一种计算量较大,算法较复杂的方法。LMMSE是频域维纳滤波方法,其减小了MMSE的复杂度,但只适用于慢衰落信道,针对时变信道,本文提出卡尔曼滤波的信道估计方法,仿真结果表明,卡尔曼滤波的信道估计方法在时变信道中具有良好的性能。     

A Non-Pilot Aided Iterative Carrier Frequency Offset Estimator Using Optimal Filtering for an Interleaved OFDMA Uplink System

In an uplink transmission of a coded orthogonal frequency division multiple access (C-OFDMA) system, channel estimation, time and frequency synchronization has to be addressed. For this purpose a control data, i.e. a known training sequence called “preamble” and pilot sub-carriers are used. As an alternative to the classic scheme and in order to maximize the data rate, we propose a non-pilot aided estimator based on an iterative architecture that does not require pilot sub-carriers. Our approach combines 1/ the so-called minimum mean square error successive detector to estimate the signal sent by each user 2/ a recursive method estimating the CFOs. Various algorithms such as the extended Kalman filter, the sigma-point Kalman filters and the extended H _∞ filter are tested and their performances are compared in terms of convergence speed and estimation accuracy. When considering an interleaved OFDMA uplink system over a Rayleigh fading channel, simulation results clearly show the efficiency of the proposed algorithm in terms of CFO estimation and bit error rate performances.     

分布式数据链的定周期自适应时间对准

分布式数据链航迹处理对时间对准提出了更高要求。为此,提出了一种定周期的自适应处理模型。通过建立数据校正模型,将多源数据统一到固定的时间点上,通过卡尔曼滤波算法将数据外推到相应时间点,并可有效根据其数据消息质量进行动态调整有效数据融合策略,从而为后续数据链航迹融合提供支持。通过仿真实验验证了算法的有效性和可行性,为后续数据链无中心数据处理提供了基础支撑。     

基于IMM-SCKF-STF的机动目标跟踪算法

在处理非线性机动目标跟踪问题时,传统的非线性滤波估计算法跟踪误差大且容易引起滤波发散.针对上述问题,研究将强跟踪平方根容积卡尔曼滤波(SCKF-STF)和交互多模型(IMM)算法相结合,提出一种新型的交互多模型强跟踪平方根容积卡尔曼滤波(IMM-SCKF-STF)跟踪算法.该算法在SCKF基础上引入强跟踪渐消因子,使其不仅拥有应对机动目标状态突变的强跟踪能力,同时还具备交互多模型算法的优良机动目标跟踪性能.因此,新算法在机动目标跟踪方面将获得更高的非线性滤波估计精度,且算法的稳定性和应对状态突变的跟踪鲁棒性能获得显著提高.最后,通过两个仿真例子验证了此算法的有效性与优越性.     

Time Synchronization Error and Calibration in Integrated GPS/INS Systems

The necessity for the precise time synchronization of measurement data from multiple sensors is widely recognized in the field of global positioning system/inertial navigation system (GPS/INS) integration. Having precise time synchronization is critical for achieving high data fusion performance. The limitations and advantages of various time synchronization scenarios and existing solutions are investigated in this paper. A criterion for evaluating synchronization accuracy requirements is derived on the basis of a comparison of the Kalman filter innovation series and the platform dynamics. An innovative time synchronization solution using a counter and two latching registers is proposed. The proposed solution has been implemented with off‐the‐shelf components and tested. The resolution and accuracy analysis shows that the proposed solution can achieve a time synchronization accuracy of 0.1 ms if INS can provide a hard‐wired timing signal. A synchronization accuracy of 2 ms was achieved when the test system was used to synchronize a low‐grade micro‐electromechanical inertial measurement unit (IMU), which has only an RS‐232 data output interface.     

基于自适应信息融合的导航系统构成与算法研究

由于组合导航系统应用环境的不确定性,给噪声统计特性的准确描述带来困难,这将造成Kalman滤波器不稳定甚至发散,目前常用的解决办法是直接估计系统噪声与量测噪声的方差阵 Q及R ,进行自适应滤波.但方程的增加将使计算量加大、实时性不能保证.本文在对基于信息融合的INS/GPS组合导航系统进行分析和设计的基础上,探讨了通过ARMA模型自适应参数辨识求解可变增益K,从而求出状态估计值的方法,并对辨识误差协方差的防饱和算法进行了研究.计算机仿真结果表明:该算法对提高导航精度和运算速度是行之有效的,所得结论有一定的工程实用价值.     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

弹箭定姿系统的改进卡尔曼滤波算法研究

针对陀螺存在随时间累积漂移误差的特性造成卡尔曼滤波数据发散的问题,提出以陀螺与磁强计组合为测量手段,小波变换和卡尔曼滤波相结合的方法.该方法由卡尔曼滤波器获得较为准确的测量信息,对陀螺和磁强计的信息分别在尺度3下进行分解,比较每层的细节系数和近似部分的系数获得误差信号,结合BP神经网络建立误差模型.当测量数据发散时,选...