基于贝叶斯估计的加权最小二乘分布式融合

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。     

观测噪声方差变化条件下系统状态估计方法

针对观测噪声方差时变情况下,非线性系统状态估计精度不高的问题,提出了一种改进的容积卡尔曼滤波方法。该方法首先采用变分贝叶斯滤波对系统的状态和观测噪声进行在线实时估计,保证了最新观测信息对参量的修正作用;接着,将估计的结果引入到传统容积卡尔曼滤波框架内实现非线性系统状态的迭代估计。仿真结果表明,该方法较好地改善了噪声统计特性时变情况下的估计精度,有效扩展了容积卡尔曼滤波在非线性系统状态估计方法中的应用范围。     

UKF在目标运动速度估计中的应用研究

将无迹卡尔曼滤波(UKF)算法应用到反舰导弹对舰船目标运动估计中,实现了对舰船速度和方向的估计。建立了目标运动估计模型,并对不同目标的运动情况进行仿真。仿真结果表明滤波收敛时间、目标运动速度的估计误差能够满足反舰导弹使用需求,在目标进行慢速运动、慢速转向时,滤波估计误差较小。     

基于动态贝叶斯网络推理的运动目标状态最优估计

提出基于动态贝叶斯网络推理的火炮攻击敌纵深运动目标状态估计模型。首先结合Kalman滤波理论，提出基于动态贝叶斯网络（Dynamic Bayesian Networks-DBN）的目标状态估计模型。然后应用DBN的图形模式的前向后向光滑计算方法对某一节点概率进行不确定推理，在对某一观测序列光滑的基础上，预测敌目标运行队列未来时刻的最大可能估计值，将预测信息传给火控系统并决定最优打击点。最后，通过仿真验证了整个方案的可行性。     

存在非高斯重尾分布噪声的纯方位目标跟踪算法

纯方位目标跟踪是目标跟踪研究中的热点问题,针对目标跟踪方程中的非高斯重尾分布噪声问题,提出了一种针对非高斯重尾分布噪声的卡尔曼滤波算法。该方法通过建立基于存在异常值的高斯分布的层次高斯模型来近似未知的非高斯重尾分布系统过程噪声和测量噪声,并使用变分贝叶斯推断来学习混合概率,解决混合概率不确定带来的滤波性能下降的问题,从而提高滤波的鲁棒性。同时针对纯方位目标跟踪模型的非线性,结合修正增益卡尔曼滤波来降低量测方程非线性的影响。数值仿真结果表明,相对于EKF、UKF和变分贝叶斯卡尔曼滤波PEKF-VB、VBEKF,新算法VBMGEKF估计精度分别提高了69.31%、58.08%、127.84%和9.36%,具备更好的鲁棒性与精度。     

一种改进的容积信息粒子滤波多目标跟踪算法

为了解决传统的自举式粒子滤波采用状态转移密度作为重要性采样函数呈现粒子退化、跟踪精度差等问题,文中采用后验概率作为重要性采样函数并提出其估计方法.通过容积信息滤波和Gating技术,估计重要性采样函数对应的均值和方差,完成重要性采样函数设计.使用改进后的粒子滤波方法,在非线性场景下对多个目标的状态和目标数目进行了估计.仿真结果表明,本算法在非线性多目标跟踪场景下具有估计精度高、稳定性好的优点.     

GSPF融合的SINS/GPS紧耦合组合导航技术

针对SINS/GPS紧耦合组合导航中的非线性融合问题,提出了一种基于高斯和粒子滤波(GSPF)的紧耦合导航方法。建立了SINS和GPS的紧耦合非线性模型,分析了GSPF算法对最优贝叶斯滤波的近似原理,并设计了基于GSPF的紧耦合融合步骤。对系统进行了仿真,结果表明在GPS可见卫星数目低于4颗时紧耦合仍可实现组合,并且GSPF在紧耦合导航中可达到较高的估计精度,当系统具有较大姿态误差时可获得比粒子滤波(PF)更好的精度和更快的收敛速度。     

基于UKF的北斗/INS组合导航

扩展卡尔曼滤波(EKF)是工程中常用的滤波算法,然而EKF是次优的贝叶斯估计,这会影响到估计的精度;用不敏卡尔曼滤波算法(UKF)取代EKF构建了北斗/INS组合导航系统,实验结果表明:UKF相对于EKF,各项参数的误差均有10%以上的减少量。     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

带野值修正的滤波算法及试验研究

对 INS/双星跑车试验数据进行了分析和处理,在跑车试验数据的基础上,使用野值修正 Kalman 滤波算法和常规 Kalman 滤波技术对 INS/双星的位置组合方案进行了仿真。仿真结果表明,存在较大范围野值的情况下,采用改进后的 Kalman 滤波技术比常规 Kalman 滤波算法具有更高的估计精度,它能有效地降低INS 的位置误差。     

三种非线性滤波在再入弹道估计中的分析研究

首先在雷达直角坐标系下建立了再入目标的动力学模型,针对其运动的非线性,采用了三种经典的非线性滤波,即扩展卡尔曼滤波,不敏卡尔曼滤波以及粒子滤波进行弹道参数估计,给出了估计性能(误差均值和标准偏差),并与理论后验Cramer-Rao下限进行了对比。计算结果表明,在弹道参数采取指数建模的情况下,三种滤波的性能大致相同,从计算量、滤波性能和滤波的稳健性上综合考虑,不敏卡尔曼滤波更胜一筹。     

半捷联图像寻的制导系统导引信息构造方法

半捷联导引头的动力学数学模型非线性比较严重,EKF(Extended Kalman Filter)滤波不能满足高精度制导要求。本文采用UKF(Uncented Kalman Filter)滤波方法对框架角速率进行估计,同时结合弹上IMU测量得到的弹体角速率信息以及图像探测器处理得到的目标在像平面上的位置信息,构造导弹的准比例导引信息。通过仿真对比了基于EKF和UKF的框架角速度滤波估计精度,进行了基于UKF的导弹三维飞行仿真。结果表明,基于UKF滤波方法所构造的制导信息精度较高,能够满足导弹精确打击需求。     

改进RBPF算法在制导和防空技术中的应用

针对导弹制导和防空快速跟踪问题,对RBPF算法进行了改进,并将该算法应用到导弹目标跟踪和防空技术中.跟踪仿真试验表明,该算法在精度和速度上明显高于粒子滤波,与RBPF算法相比,改进算法虽在精度上略有下降,但运算速度大大提高,改进算法能对运动目标进行有效、快速的跟踪.     

主动段弹道定位与跟踪算法

针对预警卫星测量方程的非线性,利用传统方法(如EKF)不可避免地会带来线性化误差.该文提出了几何定位卡尔曼滤波(GL-KF)方法,在主动段弹道位于过地心平面的假设下,根据2颗卫星的角度测量解算出导弹位置,将测量方程转化为线性模型,减小了测量方程非线性所带来的估计误差.在得到位置信息后,利用Kalman Filter实现对主动段导弹的跟踪.通过Monte-Carlo仿真可以看出,该方法较之EKF滤波有更好的估计精度.     

弹道导弹主动段样条滤波算法

对弹道导弹主动段进行跟踪是弹道导弹主动段防御中极其重要的任务,它是制导拦截的基础。针对传统方法在弹道导弹主动段跟踪能力不足,建立了弹道导弹主动段样条滤波算法。该滤波算法首先用样条函数建立了主动段运动模型,其次在此基础上将运动状态进行了解耦,建立了状态方程,最后基于解耦模型,应用Kalman滤波进行了状态估计,并且在估计中设计了模型更新方法,使算法具有很好的机动跟踪性能。仿真实验证明,该跟踪算法估计精度高于其它算法。     

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。     

中段弹头IMM-EKF跟踪方法及性能分析

为了提高中段弹头跟踪收敛速度以及跟踪精度,提出了一种基于交互多模型(IMM)的扩展卡尔曼滤波(Extended Kalman Filter,EKF)的跟踪算法。基于中段弹头加速度变化特点,建立了目标的中段系统动力学模型及量测模型,通过引入速度测量值,使用IMM-EKF算法对中段目标进行跟踪。仿真结果表明,通过交互多模的非线性滤波算法,可以使中段跟踪收敛速度大为加快,速度测量值的引入也使得跟踪精度有所提高,并在弹头中段与再入段衔接处有较好的跟踪性能; 验证了IMM-EKF跟踪中段弹头的有效性。     

轨道重构的自适应滤波改进算法

自适应滤波是在系统建模、参数估计和轨道重构中抑制Kalman滤波发散问题的最有效方法之一。然而在实际工程中，因原始数据质量问题，自适应滤波同样存在收敛速度慢甚至于建波发散问题。提出了对增益矩阵修正的改进型自适应滤波算法，有效地克服了滤波发散问题。仿真结果证明，本方法是可靠有效的方法。     

SR-CDKF在组合导航直接法滤波中的应用

为了解决SINS/GPS组合导航系统姿态、速度和位置等导航参数的非线性估计问题,提出了一种基于平方根中心差分卡尔曼滤波(SR-CDKF)的直接式滤波估计方法。系统状态方程选取惯导力学编排方程,系统状态向量和观测向量分别选取SINS导航参数和GPS输出参数,构建了SR-CDKF滤波器。该滤波器可以使导航参数动态过程得到直接反映,并使得直接式滤波计算流程得以实现。以MATLAB中areoblk_HL20模块为基础构建了仿真系统并进行了仿真。仿真结果表明,该算法具有较高的滤波精度、良好的滤波收敛性和稳定性,能使非线性模型下SINS/GPS组合导航系统的导航要求得到满足。