粒子滤波的机载激光通信自适应参数辨识跟踪方法

机载空间激光通信是实现未来超大容量空间通信的主要途径,机载空间激光通信终端的高精度实时动态跟踪一直是其研究的难点问题。为了解决机载空间激光通信终端的机动形式多样性的问题,提出了自适应参数辨识粒子滤波方法。在连续的时间域中,基于三阶线性微分方程的参数辨识模型描述机载空间激光通信终端运动,该模型能适应机载激光通信终端的多种运动模式,粒子滤波能处理非线性/线性高斯问题,因此可以引入到参数辨识模型中。实验结果表明:该算法能改善收敛精度,对工程应用也有重要意义。     

机载空间光通信平台的交互多模型粒子滤波跟踪算法

机载空间激光通信是实现未来超大容量空间通信的主要途径,高精度实时性的机载平台跟踪问题一直是其研究的难点问题之一。因为机载通信平台机动形式的多样性,用单一的模型很难准确描述机载平台的运动状态,因此需要采用多个模型进行描述,即交互多模型方法。粒子滤波能够处理非线性/非高斯问题,其与交互式多模型结合可用来获得更好的跟踪性能。针对粒子滤波算法计算量大、实时性差的问题,给出了粒子滤波算法的并行处理方法。通过计算机仿真,交互多模型粒子滤波算法与其他算法相比,其跟踪性能有较大的提高,忽略通信代价,并行处理的粒子滤波时间开销显著下降。     

机载激光通信终端的模糊变结构跟踪方法研究

机载激光通信系统中视轴的稳定性决定了通信质量的高低,该过程是一个典型的非线性问题.为保证通信链路的建立与稳定,提出一种模糊变结构控制方法.借助变结构思想将模型线性化处理,并用模糊算法来确定切换增益的取值,以削弱抖振.该方法响应迅速且易于实现.仿真结果表明,该方法对机载环境下的激光通信终端所受到的扰动与系统参数摄动具有很好的抑制作用,能够实现视轴的快速稳定跟踪.     

小型机载激光通信系统设计与验证

针对空空宽带高速通信的需求，设计了小型化机载激光通信系统。仿真分析了300 km、2.5 Gb/s无线激光链路性能，并通过运动仿真台模拟机动环境测试了系统的跟踪与通信性能，其中粗跟踪误差为533.2 μrad(1σ)，精跟踪误差为3.6 μrad(1σ)，测试数据传输240 s，通信误码率为2.82×10-9。仿真与实验验证了该系统用于远距离空空无线激光通信的可行性。     

机载空间激光通信平台间跟踪理论研究

随着自由空间光通信应用的深入,以机载平台为节点的激光通信链路已成为研究热点。机载平台的跟踪预测性能决定了通信的成败,机载平台间跟踪预测是一个典型的非线性问题,为解决这个问题,提出了一种改进的粒子滤波方法,且在此基础上,仿真实验验证了该种方法对机动平台具有良好的自适应跟踪性能。     

基于迭代学习控制的潜望式激光通信终端系统的动态跟踪设计

为提高潜望式激光通信终端伺服系统的动态跟踪性能,针对基于永磁同步电机的二维伺服转台的控制系统进行了设计。通过采取空间矢量控制方法实现电机的解耦控制,建立控制模型并完成了各控制回路的设计。针对动目标跟踪设计了迭代学习控制方法以提高通信终端的动态跟踪性能,并对控制系统的速度阶跃响应进行测试,分析通信终端系统的低速平稳性。最后,搭建了4.62 km激光通信的动态跟踪实验,利用六自由度转台模拟平台抖动,为动态跟踪验证实验创造外部平台扰动条件。实验结果表明:通信终端系统速度阶跃响应的稳态误差为±0.02 (°)/s,表明伺服系统速度回路具有较快的动态响应特性和较高的稳态精度,在最大加速度为0.219 (°)/s2的正弦波扰动条件,二维伺服转台的动态粗跟踪精度可以达到62 μrad,粗精复合跟踪精度优于2 μrad,验证了通信终端伺服系统的有效性及其动态跟踪性能,为进一步提高终端系统的跟踪精度奠定基础。     

UKF参数辨识的T-S模糊多模型目标跟踪算法

针对非线性系统中机动目标动态模型不确定性问题，提出了一种新的基于UKF参数辨识的T-S模糊多模型机动目标跟踪算法。在提出的算法中，用多个语义模糊集对目标特征信息进行模糊表示，构建一个通用的T-S模糊语义多模型框架。在T-S模糊语义多模型中，使用模糊C回归聚类算法实现对前件参数的辨识，同时，为了实现系统的非线性特征，引入无迹卡尔曼算法辨识后件参数。仿真结果表明，提出的算法跟踪性能优于传统的交互多模型算法和交互多模型无迹卡尔曼滤波算法，在被跟踪目标突然发生方向改变或目标的动态先验信息不精确等复杂情况时，能够有效地对目标进行精确跟踪。      

空间激光通信单探测器复合跟踪控制技术研究

空间激光通信终端伺服系统是一种高精度的跟踪机构,在扰动条件下,通信系统对跟踪系统的稳定性及精度提出了较高的要求。本文主要介绍了激光通信伺服系统的复合跟踪技术,详细论述了单探测器复合跟踪方式的选择以及激光通信伺服系统的控制流程。最后,在振动平台上进行了粗精复合的激光跟踪实验。实验结果显示,当通信终端系统跟踪最大振动加速度为0.22°/s2的振动平台时,跟踪目标平稳性较好,单独采用粗跟踪时误差为60 μrad,采用粗精复合跟踪时位置误差可以达到2 μrad。实验结果表明,空间激光通信系统中单探测器复合跟踪技术的设计满足了系统跟踪精度的要求,为激光通信控制系统的设计提供了一定的参考。     

APT系统外场动态模拟实验的设计与分析

设计了3.4km的外场空间激光通信实验,测试了捕获、对准、跟踪(APT)系统在室外机动平台下的性能.实验通过一维旋转平台模拟了机动平台对光束的扰动,实验数据表明,APT系统在大气湍流和旋转平台扰动的情况下,仍然能对光束运动进行有效抑制.     

导引模型在FTC自适应IMM-UKF目标跟踪算法中的应用

在应用IMM算法时, 根据战术导弹这种特殊的应用对象, 以两种常用导引律为例, 推导出导引运动模型作为交互模型集;使用不敏卡尔曼滤波器(UKF)实现了IMM-UKF算法, 并根据导引模型的特点引入了弹道收敛因子(FTC)自适应调节IMM算法中的模型转移概率。仿真实验结果表明, 这种基于目标导引运动模型的跟踪算法很好地实现了目标跟踪任务, 并且有效地分辨出了目标机动的运动模型。     

基于角度和频率信息的机动目标无源自适应跟踪算法

在进行可观测性分析的基础上,综合利用方位角和频率观测信息,提出了一种利用单个模型对机动目标进行无源跟踪的UKF算法,该算法通过对目标的运动状态和机动参数进行联合估计自适应地逼近真实的运动模型,从而进行准确跟踪。与现有算法相比,本文的算法不仅运算量小,而且降低了对观测站自身的运动要求,但却保持了良好的性能。仿真结果表明了算法的有效性和正确性。     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

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.     

三状态样条Kalman滤波与目标机动检测

基于样条方法和Kalman滤波理论，给出了一种新的三状态样条Kalman滤波方法及对目标进行机动检测的方法。该滤波方法用样条函数建立目标运动模型，应用Kalman滤波进行状态估计；该机动检测方法通过检测滤波新息来对目标机动发生或消除进行判断。由于考虑了加速度的实时估计，该滤波方法尤其适用于对弹道式目标的机动跟踪。仿真计算与实测数据计算表明：该滤波具有较高的精度；该机动检测方法具有较高的检测效率。     

雷达目标角度跟踪环路滤波器设计新方法

角度跟踪环路在机载雷达对目标的距离、速度、角度3维联合跟踪中起着至关重要的作用。该文分析指出传统采用卡尔曼滤波算法形成角度跟踪环路对机动目标角度进行跟踪时跟踪精度低,角跟踪误差收敛速度慢的缺点,提出弯曲度检测跟踪环路滤波器(Bend Degree Tracking Loop Filter, BDTLF)设计方法,其利用弯曲度检测角度曲线拐点,自适应地调节环路滤波器环路等效噪声带宽,并以此来控制角度跟踪环路。此算法加快了角跟踪误差的收敛速度,减轻了拐点处的角度滤波扰动,保持了滤波性能的连续性。计算机仿真结果验证了该文方法相比于卡尔曼滤波算法、粒子滤波算法、-- 滤波算法及恒定系数环路滤波器方法,对弱机动目标角度跟踪具有更加出色的性能。     

基于容积卡尔曼滤波的自适应IMM算法

在目标跟踪中,针对无迹卡尔曼滤波在高维状态下容易出现滤波精度下降甚至发散的问题,提出了一种自适应交互式多模型容积卡尔曼滤波算法。首先,将容积卡尔曼滤波引入到交互式多模型算法中,提高了算法在高维非线性情况下的滤波精度。然后,结合马尔科夫参数自适应思想,在模型概率更新阶段,利用后验信息修正马尔科夫概率转移矩阵,增大匹配模型的转移概率,进一步提高模型之间的切换速度。最后,在目标跟踪仿真中利用"当前"统计模型对算法进行验证,实验结果证明了算法的有效性。     

基于机动检测的参数自适应跟踪算法

在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数.针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整.首先,利用加速度预测误差方差信息,自适应调...     

航空光电平台机动目标跟踪定位技术应用

利用航空光电平台对机动目标进行侦察,使用机载平台参数对探测机动目标进行定位,通过卡尔曼滤波算法解决机动目标定位离散分布,通过滑动加权及滑动平均的方法对机动目标的航向航速进行平滑。工程应用表明,上述方法可以实现对航空光电平台探测机动目标进行实时自动定位及航向航速解算,数值定位滤波精度高,满足系统定位指标的要求。     

针对临近空间目标跟踪的自适应AMCKF算法

临近空间飞行器具有机动特性复杂、运动轨迹多阶段性等特点,在目标跟踪的过程中,易出现由于系统模型误差较大导致跟踪精度降低、滤波发散的问题。针对该问题,在容积卡尔曼滤波的过程中加入衰减因子,通过衰减记忆的方法补偿模型误差;同时,提出了一种实时辨识容积卡尔曼滤波衰减因子的方法,达到自适应跟踪的目的。仿真结果表明:衰减记忆容积卡尔曼滤波算法能够很好地解决模型失配问题,自适应算法实时对衰减因子赋值,避免了衰减因子取值的困难,可以达到更好的跟踪效果。