神经网络算法在自适应卡尔曼滤波器中的应用

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明,该算法比BP算法在收敛速度方面有明显提高.     

神经网络算法在自适应卡尔曼滤波器中的应用

针对传统神经网络算法速度慢，容易陷入局部极值的缺点，提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中。把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态，网络输出为算法的观测。仿真结果表明，该算法比BP算法在收敛速度方面有明显提高。     

新型六状态卡尔曼滤波器在初始对准中的应用

kalman滤波广泛应用于惯导系统的初始对准，本文建立带来知常值偏置的六状态滤波器误差方程，利用微硅陀螺采集的数据。进行仿真，得到航向、姿态角误差和陀螺漂移估计量，然后进行补偿，并且给出了仿真结果。     

采用渐消卡尔曼滤波器防止捷联惯导系统滤波发散研究

为了有效防止捷联惯导系统滤波发散，从卡尔曼滤波原理出发并对滤波发散的原因进行了研究，介绍了渐消卡尔曼滤波原理、遗忘因子等内容，通过对渐消因子的推导及计算机仿真，给出了常规卡尔曼滤波器和渐消卡尔曼滤波器对系统进行滤波的结果比较．该结果表明，采用渐消卡尔曼滤波器工程实践上确实可以解决的捷联惯导系统滤波发散的问题．     

卡尔曼滤波器在战术火箭飞行控制中的应用

本文提出了一种用于机射火箭的制导系统。在火箭上装有惯性制导系统的基础上,采用火箭运动时的坐标信息可大大提高末制导的精度。为了获得坐标信息,必须对火箭运动方程进行积分,并算出测量的最佳权系数。采用卡尔曼-比尤斯递归滤波器就比较方便。文中从次要误差怎样影响最终状态入手,导出了敏感矩阵,其对角线就表示状态矢量的误差对最终状态的影响程度。     

平方根容积卡尔曼滤波器

针对容积卡尔曼滤波器在递推过程中,计算量大、数值不稳定等问题,提出了平方根容积卡尔曼滤波器。该滤波器不仅增强了数值鲁棒性,确保了状态协方差矩阵的正定性,且在一定程度上提高了滤波精度。仿真结果表明,该滤波器的滤波精度与容积卡尔曼滤波相比提高了约10%,且均高于扩展卡尔曼滤波;随着状态维数的增加,该滤波器的估计性能越加优于扩展卡尔曼滤波器。因此对系统维数较高的场合,该滤波器是一种非常有效的非线性滤波算法。     

基于自适应卡尔曼滤波器的神经网络算法

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明, 该算法比BP算法在收敛速度方面有明显提高.     

基于矩阵外积法的卡尔曼滤波器在动态GPS定位中的应用

提出了一种新的基于矩阵外积的卡尔曼滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性.     

改进的自适应卡尔曼滤波在SINS 初始对准中的应用

为提高 Sage-Husa 自适应滤波的稳定性,提出一种基于 UD 分解的改进自适应滤波算法。对在线估计的量测噪声协方差阵和状态估计误差方差阵采取UD分解的形式进行标示和更新,结合捷联惯导静基座初始对准模型,对改进自适应算法进行仿真测试。仿真结果表明：在先验量测噪声和状态估计协方差矩阵存在误差的情况下,新算法能够提高对准精度。     

实时GPS定位中的自适应故障检测

给出了一种GPS卡尔曼滤波的自适应方案，该方案能根据GPS导航中变化的动态来估计协方差。当增强卡尔曼滤波器时，方案可得到更精确的定位修正。此外，也可将此估计方法用于完整监测，以增强故障检测的阈值选择，采用模拟数据验证了提出方法的正确性。     

自适应滤波技术在光纤陀螺中的应用

将带有遗忘因子的自适应滤波技术应用于光纤陀螺的输出数据的滤波中,提高了滤波器对环境的适应能力,增强了滤波器的鲁棒性,克服了由于噪声变化引起的滤波发散现象.仿真结果证明自适应滤波技术较卡尔曼滤波能更为有效地减小陀螺的随机误差.     

捷联惯性/天文组合导航信息融合方法研究

为了提高弹道导弹捷联惯性/天文组合导航系统的精度及其在实际工作环境下的自适应性,本文对导航元器件误差进行深入分析,提出了一种基于自适应卡尔曼滤波的状态转移矩阵算法。该方法将简化的Sage-Husa自适应卡尔曼滤波算法与状态转移矩阵校正方法相结合,通过自适应滤波方法来补偿由于复杂工作环境而引入的元器件误差,并利用状态转移矩阵法校正主动段积累的速度、位置误差。通过实际弹道数据的仿真分析表明,新算法能够适应实际工作环境中元器件误差的时变特点,增强了系统对工作环境的适应能力,提高了导弹的导航精度。     

基于最小二乘原理的天文定姿和定位方案

针对弹载平台天文导航系统的应用,研究了基于最小二乘原理的天文导航方法.在天文定姿中,以大视场星敏感器为天文观测器件,研究了TRIAD方法和最小二乘定位法,仿真验证了最小二乘方法在充分利用多颗观测星的情况下定姿效果优于TRIAD法.在天文定位中,摒弃了传统的非线性滤波方法定位,以最小二乘微分矫正法实现了对导弹的纯数学解析定位,仿真实验证明最小二乘微分矫正定位方法以较小的运算量获得了优于纯惯导的定位精度.     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

用于实时弹道滤波的Sage-Husa改进算法

为了解决实时弹道测量数据滤波过程中量测噪声统计特性未知且时变的实际问题,对Sage-Husa算法进行了多种改进,提出了改进的Sage-Husa自适应卡尔曼滤波（improved Sage-Husa adaptive Kalman filter,ISHAKF）算法。该算法将量测噪声协方差估计矩阵变换为半正定矩阵和正定矩阵之和的形式,保证了量测噪声协方差估计矩阵的正定性,消除了量测噪声协方差估计矩阵非正定导致滤波异常的缺陷。设计了一种自适应遗忘因子,提升了滤波收敛速度,解决了量测噪声统计特性突变时Sage-Husa算法收敛较慢的问题。对卡尔曼增益矩阵进行了抗差改进,增强了算法的鲁棒性,削弱了野值对滤波效果的影响。分别对正定性改进、遗忘因子改进和抗差改进进行了对比仿真实验,对比结果验证了Sage-Husa算法改进的正确性和有效性。通过ISHAKF算法的实例应用,证明了该算法在实时弹道滤波上,具有更高的实时性、自适应性和抗差性,滤波效果提升明显。     

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．     

自适应随机跳变滤波器在导弹制导中的应用

针对目标机动对导弹制导系统视线角速度的影响,利用导弹导引头给出的量测信息,设计了自适应随机跳变滤波器对弹目视线角速度进行滤波,在计算量增加不大的情况下,可以满足不同机动模式的滤波要求。仿真结果表明,所设计的自适应随机跳变滤波能准确估计目标机动模式,并对视线角速度进行有效滤波,其滤波结果满足导弹制导系统性能指标要求。     

一种基于无迹卡尔曼滤波的UUV协同定位方法

多水下无人航行器(multi-UUV)协同定位技术是解决海洋中间层水下导航定位问题的重要途径,针对以往multi-UUV仅靠距离量测的协同导航定位精度低的问题,给出了一种基于无迹卡尔曼滤波(UKF)方法的UUV协同定位方法。利用从UUV的运动学方程和基于距离的量测方程建立了从UUV的导航模型,针对该非线性导航模型,采用UKF设计了导航滤波算法,避免了对非线性方程的线性化处理,实现了递推导航滤波算法,并与传统的航位推算方法进行了仿真对比。仿真结果表明,从UUV能够利用该导航滤波算法进行实时定位,比传统的航位推算方法具有更高的定位精度。     

递推最小二乘算法在新型无源探测系统中的应用

探讨了递推最小二乘算法在新型无源探测系统中的应用,这种算法是基于最小二乘算法提出的一种算法.用该算法联合自适应卡尔曼滤波算法对飞行目标定位,提高了实时性,减少了运算量.多次计算机仿真结果验证了算法的实时性和可靠性,精度较高.