一种用于组合导航的多层感知机模型

针对组合导航系统，研究了一种多层感知机模型，采用相应的ＢＰ算法训练此神经网络，并将其代替闭环卡尔曼滤波器，应用于ＧＰＳ／ＳＩＮＳ组合导航系统，通过计算机仿真，表明了这种模型较标准的前馈型神经网络更适于组合导航系统，具有较好的学习能力与较快的收敛速度 。     

SINS／GNSS／数字罗盘组合导航系统研究

将GNSS和数字罗盘共同运用到组合导航中，以卡尔曼滤波为基础，构建了sINs／GNss／数字罗盘组合导航系统，并对样机在实验室的静态数据结果进行了描述和分析。试验结果表明，系统组合滤波器的设计和参数选择正确，该组合导航系统具有较高的精度。     

INS／GPS组合导航集中式卡尔曼滤波器的仿真研究

主要研究平台式惯导（INS）和全球定位系统（GPS）组合导航集中式卡尔曼滤波器的实现，其中包括位置组合，速度组合、位置＋速度组合三种组合方式，并给出了相应的仿真结果，研究表明集中式卡尔曼滤波器可以提高导航系统精度。     

面向民用航空的SINS/DGPS组合导航融合方法

针对单频点地基增强系统不能满足飞机CAT III类精密进近与着陆导航需求问题,提出一种机载差分GPS(DGPS)与捷联式惯性导航系统(SINS)紧组合导航工作模式,利用SINS提高组合后系统的导航特性。分析了SINS/DGPS紧组合滤波模型,并构建了紧组合导航状态方程和量测方程,利用改进的Kalman滤波器对滤波状态进行最优估计与补偿。进行了计算机仿真与实际系统验证实验,实验结果表明,SINS/DGPS组合导航系统中,当卫星信号不可用时,利用SINS具备的自主性能够提高导航系统的连续性和可用性,同时组合导航系统位置误差标准差相比机载DGPS单系统减小了50%以上,提高了导航系统位置引导精度。     

铷钟辅助GPS／气压计／罗经组合导航算法研究

单独的GPS无法进行定位导航时，如果仍要保持定位，则需与其他的传感器进行组合，组戍较为完备的导航系统．本丈研究了铷钟辅助GPS与气压计和罗经的集成系统的组合算法，每一个传感器都有自己的滤波器，主滤波器是基于GPS的，所有的局部滤波器都馈入到主滤波器中并在那里进行信息融合．最后，通过一个实例对所提出的算法进行了验证．     

一种基于信息融合的滤波算法及其应用

本文从组合导航系统研究的角度出发,提出了一种应用卡尔曼滤波技术建立多传感器信息融合系统的方法,该方法克服了以往存在的局部滤波器和全局滤波器具有相同数学模型的缺点,增强了算法的通用性.文中从概念理解、模型建立、系统结构等方面作了详细的分析,并针对GPS/INS组合导航系统进行了仿真.结果表明:该算法对提高导航系统的精度和运算速度是行之有效的.     

空地制导弹药的MIMU/GPS组合导航系统研究

针对空地精确制导弹药对低成本、高精度和高可靠性导航系统的需求,设计了MIMU/GPS组合导航系统.该系统采用了MEMS的IMU和GPS进行组合,利用位置、速度组合模式,采用渐消自适应Kalman滤波器估计并修正惯导的误差.通过地面跑车试验进行了验证,试验结果表明:组合导航系统误差得到了有效的抑制,导航精度满足空地制导弹药的导航要求.     

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPSIIMU组合导航系统，现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器，该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。     

联合卡尔曼滤波在多传感器信息融合中的应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法，并将此方法运用于舰船INS/GPS/Loran-C组合导航系统中，理论分析与仿真结果表明，该联合卡尔曼滤波器的设计合理，算法具有全局最优性，能够提高系统的导航精度和容错能力。     

一种基于载波相位时间差分的惯性/卫星组合方法

传统的惯性/卫星紧耦合组合导航系统使用卫星伪距/伪距率作为量测，卫星伪距率一般可以提供厘米/秒级精度的速度信息；而载波相位时间差分观测量可以达到毫米级精度且无需参考接收机。本文分析了载波相位时间差分的原理，并将其应用到惯性/卫星组合导航系统中；在滤波器的设计中使用状态延迟滤波法处理载波相位时间差分观测量，使惯性/卫星组合导航系统达到了较高的速度精度。     

离散Kalman滤波器的UML建模与实现

离散卡尔曼滤波器的理论比较抽象。为了能较直观地理解离散卡尔曼滤波器,采用面向对象分析的方法对离散卡尔曼滤波器的具体实现过程进行了UML建模,给出了离散卡尔曼滤波器的用例图、类图、时序图和活动图,使得比较抽象的卡尔曼滤波过程变得直观、形象、易于理解,并且适合于实际编程实现。通过Matlab语言编程实现了一个具体实验的离散卡尔曼滤波算法,给出了卡尔曼滤波器的程序代码,实现的滤波达到了预期的效果。该算法对工程技术上具体实现离散卡尔曼滤波器的编程有一定的参考价值。     

粒子滤波在目标跟踪算法中的应用研究

针对非高斯、强噪声背景下的高机动目标实施跟踪时,卡尔曼滤波、扩展卡尔曼滤波等算法将出现滤波精度下降甚至发散现象。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。以目标跟踪问题为背景,将粒子滤波与卡尔曼滤波算法进行了对比研究。     

Self-tuning measurement fusion Kalman filter with correlated measurement noises

For the multisensor system with correlated measurement noises and unknown noise sta-tistics, based on the solution of the matrix equations for correlation function, the on-line estimators of the noise variances and cross-covariances is obtained. Further, a self-tuning weighted measurement fusion Kalman filter is presented, based on the Riccati equation. By the Dynamic Error System Analysis (DESA) method, it rigorously proved that the presented self-tuning weighted measurement fusion Kalman filter converges to the optimal weighted measurement fusion steady-state Kalman filter in a realization or with probability one, so that it has asymptotic global optimality. A simulation example for a target tracking system with 3-sensor shows that the presented self-tuning measurement fusion Kalman fuser converges to the optimal steady-state measurement fusion Kalman fuser.     

Algorithm of SAR satellite attitude measurement using GPS aided by kinematic vector

In this paper,in order to improve the accuracy of the Synthetic Aperture Radar (SAR) satellite attitude using Global Positioning System (GPS) wide-band carrier phase,the SAR satellite attitude kinematic vector and Kalman filter are introduced.Introducing the state variable function of GPS attitude determination algorithm in SAR satellite by means of kinematic vector and describing the observation function by the GPS wide-band carrier phase,the paper uses the Kalman filter algorithm to obtian the attitude variables of SAR satellite.Compared the simulation results of Kalman filter algorithm with the least square algorithm and explicit solution,it is indicated that the Kalman filter algorithm is the best.     

拟合修正Kalman滤波在弱小目标跟踪中的应用

文章在目标精确跟踪阶段，引入曲线拟合的方法进行跟踪，根据实际情况提出了拟合权系数的定义和计算公式，可以很好地预测运动方向和抑制抖动。引入Kalman滤波系统思想，提出了适合图像跟踪的目标机动性参数，应用在拟合跟踪中，实现了自适应的跟踪算法。将改进的拟合跟踪和Kalman跟踪做了比较，在分析各自优缺点基础上，把改进的拟合跟踪中和Kalman跟踪结合起来，提出了Kalman修正的拟合跟踪算法，可以较好的解决多目标跟踪中记忆跟踪、交叉跟踪、成像抖动的问题。     

目标跟踪中野值的判别与剔除方法

运用Kalman滤波对目标位置进行跟踪时,测量数据中的野值是影响滤波效果的重要因素之一。分析了动态测量数据中野值产生的原因和野值对Kalman滤波性能的影响机理,利用新息的统计特性,提出了野值判别准则和一种抗野值Kalman滤波算法。仿真结果表明,该方法使野值处理与状态估计同步进行,可有效抑制野值对Kalman滤波的影响,提高滤波精确度。     

IMM-based Kalman filter for channel estimation in UWB OFDM systems

Ultra-wide band (UWB) communication is one of the most promising technologies for high-data rate wireless networks for short-range applications. This paper proposes a blind channel estimation method namely Interactive Multiple Model (IMM)-based Kalman algorithm for UWB OFDM systems. IMM-based Kalman filter is proposed to estimate frequency selective time-varying channel. In the proposed method, two Kalman filters are concurrently estimating channel parameters. The first Kalman filter, namely the Static Model Filter (SMF) gives an accurate result when the user is static while the second Kalman filter namely the Dynamic Model Filter (DMF) gives an accurate result when the receiver is in moving state. The static transition matrix in SMF is assumed as an Identity matrix where as in DMF, it is computed using Yule–Walker equations. The resultant filter estimate is computed as a weighted sum of individual filter estimates. The proposed method is compared with other existing channel estimation methods.     

一种可变遗忘因子的卡尔曼滤波信道跟踪

在快衰落信道下,时变特性会使导频时段与数据时段的信道冲激响应存在误差,所以需要引入信道跟踪。实践证明,系统建模与实际模型存在一定偏差时,标准卡尔曼滤波的鲁棒性较差。因此,文中提出了一种可变遗忘因子的卡尔曼滤波算法。仿真表明,与标准卡尔曼滤波相比,可变遗忘因子的卡尔曼滤波信道跟踪具有更好的鲁棒性。     

数据融合技术在测量船组合导航系统中的应用

提出了利用数据融合技术来提高测量船的导航系统精度的方法.针对测量船上的惯性导航系统在长时间运行后产生误差的问题,通过测量船上的天文经纬仪观测恒星,利用卡尔曼滤波把惯性导航、天文导航等其他导航系统组成组合导航系统,并建立了数学模型.同时在卡尔曼滤波中引入模糊控制理论,来解决所建立的数学模型中量测噪声不满足零均值高斯白噪声的问题.实验结果与理论分析一致,证明利用多种数据融合方法能有效提高测量船导航系统的精度.     

不确定系统鲁棒协方差交叉融合稳态Kalman滤波器

针对带不确定模型参数和噪声方差的线性离散多传感器系统,基于极大极小鲁棒估值原理,该文提出一种鲁棒协方差交叉(CI)融合稳态Kalman滤波器。首先,用引入虚拟噪声补偿不确定模型参数,把模型参数和噪声方差两者不确定的多传感器系统转化为仅噪声方差不确定的系统。其次,应用Lyapunov方程证明局部鲁棒Kalman滤波器的鲁棒性,进而保证CI融合Kalman滤波的鲁棒性,且证明了CI融合器的鲁棒精度高于每个局部滤波器的鲁棒精度。最后,给出一个仿真例子来说明如何搜索不确定参数的鲁棒域,并验证所提出的鲁棒Kalman滤波器的优良性能。