基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。     

相对导航处理器的设计与实现

主要对相对导航这一新型战术导航技术的工程实现进行了研究。为满足系统对相对导航处理器的要求，设计中对信号处理算法做了进一步改进，在硬件上采用ＴＭＳ３２０ＣＳＯ来实现电路。最后，在模拟器上对其性能进行了实时测试，实验结果表明：该处理器达到了设计要求。     

自适应Kalman滤波算法在相对导航中的应用

本文将Singer、CS、IMM三种自适应滤波算法应用到数据链相对导航中,并进行了计算机仿真,分析比较了三种算法的性能。仿真结果表明,对机动平台相对导航而言,CS模型和IMM算法具有明显的优势。另外,指出并印证了Singer模型和CS模型中机动参数对相对导航性能的影响,分析了IMM算法在相对导航应用中存在的问题,并提出了相应的解决思路。     

基于卡尔曼滤波的相对定位算法研究

根据移动通信网络对平台之间相对定位的应用需求,研究了基于卡尔曼滤波的相对定位算法,给出了具体的算法设计过程,并对算法进行了仿真分析,验证了算法的有效性,仿真结果为实际工程提供了一定的理论参考。     

最小二乘算法在JTIDS相对导航中的应用

介绍了JTIDS的相对导航原理。针对JTTIS相对导航原理提出了一种基于最小二乘的滤波算法，并针对用户端机分时测距带来的滞后误差，提出了相应的解决办法。经过仿真验证，该算法能满足定位要求，且算法实现简单、效率高、适应性好等特点。     

飞机编队相对导航技术研究

随着未来编队协同、空中加油等对相对导航功能要求的不断提高,而以往的相对导航信息处理方法对平台间导航参数传输的频率及延时等都有较为苛刻的要求,一定程度上影响了相对导航功能的稳定性。因此,本文研究了一种相对导航信息处理方法,首先介绍了整个系统的工作原理,在此基础上构建了相对导航信息处理架构,并建立了应用性较强的卡尔曼滤波方程, 研究了利用伪距差分方式获得相对观测信息的计算方法。仿真结果表明,相对导航信息处理方法表现出良好的性能,编队内僚机均可获得连续平稳、高精度的相对导航信息。     

卡尔曼滤波在地形辅助导航中的应用及仿真

本文以地形辅助导航系统的研究为背景,对推广的卡尔曼滤波连续修正惯导误差技术在地形辅助制导中的应用进行了研究与分析,建立了系统的状态方程和测量方程,据此推出卡尔曼滤波模型。仿真实验证明了这一方法是可行的,明显改善了飞行的实时控制水平。     

RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用

为了克服传统卡尔曼滤波对观测噪声必须为零均值白噪声过程的依赖,针对工作于恶劣环境下的飞行器、舰船等运动载体的组合导航系统,提出了利用神经网络的自学习、自组织、自适应能力来辅助传统卡尔曼滤波器的方法。对所建立的BP神经网络和基于正交最小二乘(OLS)算法的RBF神经网络的收敛速度进行了比较。最终选择收敛较快的RBF神经网络辅助卡尔曼滤波器,仿真结果表明该方法能够抑制滤波器发散,提高了导航定位精度。     

量测转换卡尔曼滤波在塔康导航中的应用

塔康导航系统是一种无线电测角测距系统,结合高程数据可以确定目标的三维位置。由于塔康导航的量测误差较大,导致其对目标位置的估计精度不高。为解决此问题,用基于量测转换的滤波跟踪技术实现非线性量测下的状态估计。针对塔康导航系统量测值的特点,首先在斜距值与高度所在平面内推导出量测转换的误差统计特性,并将其推广到三维空间,进而推导出塔康导航系统中的量测转换模型。基于所推导模型的卡尔曼滤波器用于塔康导航系统中的目标跟踪,取得良好的效果。与经典滤波算法的性能对比表明,由于严格基于量测值推导量测转换误差的统计特性,算法在滤波误差、置信度和计算量上优于其它算法,可在不同量测噪声水平下稳健滤波,有较好的全面性和鲁棒性。      

UKF改进算法在组合导航INS误差校正中的应用

针对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法与全球定位系统/惯性导航系统(Global Positioning System/Inertial Navigation System,GPS/INS)组合导航模型不匹配,且鲁棒性不足,难以适应INS 元件的随机性和突变性的问题,提出了一种UKF改进算法。该算法有效结合了混合滤波思想、平方根滤波技术及交互式多模型结构,分别克服了算法与线性/非线性模型不匹配,协方差矩阵非正定以及参数设置难以适应模型不确定性的问题。仿真实验分别考察了新算法在INS平台角初始大误差及加速度计零偏突变两种情况下的表现。实验表明,新算法在估计精度及鲁棒性方面比UKF有较大提高,能够有效校正INS元件产生的随机和突变误差。     

混合SRUKF在GPS/INS组合导航中的应用

建立了GPS/INS(Global Positioning System/Inertial Navigation System)紧组合模式下的线性/非线性模型,针对SRUKF(Square Root Unscented Kalman Filter)不能与该模型达到最佳匹配的问题,提出一种基于混合滤波思想的SRUKF.将时间更新分为两个阶段:利用线性状态方程得到状态的一步预测并根据该值构造Sigma点,求取Sigma点加权和以实现对量测值的一步预测.新的算法省去了线性状态方程的UT(Unscented Transform)环节,在保证滤波精度的前提下,降低了计算量.将改进的算法应用于已建立的模型,仿真实验表明,相比于UKF(Unscented Kalman Filter)及SRUKF,该算法不仅能够有效获得导航参数的精确估计,还具有较强的实时性,发挥出了算法的最佳性能.     

基于小波神经网络的卡尔曼滤波在GPS/DR系统中的应用

针对GPS/DR定位过程中采用卡尔曼滤波时噪声的统计特性与实际不符,提出采用小波神经网络嵌入到卡尔曼滤波,来实现自适应调整噪声协方差矩阵.通过对基于小波神经网络的自适应卡尔曼滤波辅助的GPS/DR定位系统进行仿真,结果表明既能有效抑制发散,又能有效提高定位精度.     

基于改进神经网络增强自适应UKF的组合导航系统

基于微机电系统(MEMS)的惯性器件和全球定位系统(GPS)的组合导航系统在卫星信号失锁时存在误差发散的问题,该文提出一种基于人工蜂群算法(ABC)改进的径向基函数(RBF)神经网络增强改进的自适应无迹卡尔曼滤波算法(AUKF)。在GPS信号失锁的情况下利用训练好的神经网络输出预测信息来对捷联惯导系统进行误差校正。最后通过车载半实物仿真实验验证该方法的性能。实验结果表明该方法在失锁情况下对于捷联惯导系统的误差发散有较为明显的抑制效果。     

基于LabVIEW的某导航设备卡尔曼滤波方位解算修正技术

某导航设备信号常使用卡尔曼滤波算法进行方位解算。为改良卡尔曼滤波噪声系数,确保算法在较短的时间内准确解算设备信号方位值,提出一种基于LabVIEW 的卡尔曼滤波方位解算修正技术,通过LabVIEW 快速构建信号模型和卡尔曼滤波方位解算模型,完成对卡尔曼滤波初始参数的修正。经测试,该技术有效缩短卡尔曼滤波噪声系数修正时间,可应用于实装工程。     

卡尔曼滤波在跟踪运动目标上的应用

在多关节机器人跟踪运动目标过程中,图像处理的主要内容包括图像的识别和目标轨迹的判定,需要在整个视觉空间进行搜索和匹配。这是一个典型的全局搜索问题,耗时较长、实时性较差,难以实现运动目标的快速跟踪。针对多关节机器人跟踪运动目标过程中存在的彩色图像数据量大、处理时间长,从而影响实时性的问题,采用线性卡尔曼滤波将全局搜索转化为局部搜索,减少搜索空间、加快匹配速度。通过实验可知,匹配时间由原来的157 ms降低到20 ms。实验结果证明了该方法的有效性。