改进的卡尔曼滤波压缩感知信道估计算法

针对伪测量卡尔曼滤波压缩感知算法应用于时变信道时精确度和实时性的不足,提出了改进的卡尔曼滤波压缩感知信道估计算法。该算法进一步优化了扩展滤波过程的范数框架,利用Levenberg-Marquardt方法实现了方差矩阵的自优化,解决了估计误差不能一致减少的问题,保证了全局收敛性;根据卡尔曼增益设置了迭代收敛条件,解决了伪测量过程的自适应收敛问题。仿真分析表明,该算法的估计精度和收敛速度有较大程度提高,在SUI-3信道条件下性能明显优于传统信道估计方法。     

一种改进的UKF非线性滤波器研究

针对无味卡尔曼滤波器(UKF)存在的缺陷,提出一种能对多通道数据进行渐消的带多重次优渐消因子的UKF滤波算法(SMFUKF)。该方法基于强跟踪滤波器的概念,通过引入多重次优渐消因子到UKF滤波器,自适应的在线调整UKF滤波器的状态预测误差协方差矩阵、量测预测协方差阵、状态和量测之间的互协方差阵及相应的增益矩阵,从而达到对快速变化的状态进行强有力的跟踪。实验结果表明多重次优渐消因子的引人使得UKF滤波器有可能更多的利用系统的先验知识,SMFUKF滤波器对快速变化的状态将具有更强的跟踪能力。     

INS控制量辅助GNSS卡尔曼跟踪环路方法

针对高动态环境下锁相环易失锁、跟踪不稳定的情况,提出了INS控制量辅助GNSS卡尔曼跟踪环路的方法。该方法利用INS和GNSS计算多普勒频率的变化率,并将该加速度信息作为控制量与卡尔曼滤波器进行融合,叠加到卡尔曼滤波器的状态量上,起到辅助跟踪环路的作用。仿真实验以及数据分析表明,该方法可显著提高载波环的动态性能以及接收机的定位测速精度,在高动态环境下,相较于INS辅助传统环路的算法,使用INS辅助卡尔曼环路时定位误差减少2%~3%,测速误差减少4%~72%。     

一种模糊智能高动态GPS载波跟踪环路设计

载体的高动态运动使GPS载波信号存在很大的多普勒频移和频移变化率,极易导致载波环路的跟踪失锁。为了提高GPS接收机在高动态环境中的跟踪性能,设计了一种新的基于模糊控制的载波跟踪环路,在Costas锁相环的基础上引入模糊逻辑控制器,使环路能够快速跟踪载波信号的动态变化,并采用二维线性插值算法消除模糊控制器的量化误差和调节死区,从而改善环路的稳态跟踪精度。仿真结果表明,所设计的环路能够在保证跟踪精度的前提下,有效提高对GPS载波信号的动态跟踪能力。     

惯性辅助GNSS跟踪环路及其适配性分析

载波跟踪技术作为GNSS接收机的关键技术,其跟踪算法在很大程度上决定着GNSS接收机的导航性能。本文基于一种典型载波跟踪环路结构,针对高动态环境下接收机跟踪环路易信号失锁的情况,设计了一种惯性辅助GNSS载波跟踪算法,提出利用多普勒频移变化量平滑伪距率算法,并对惯性辅助跟踪环路的适配性进行了分析。实验结果表明:惯性辅助GNSS载波跟踪算法适用于高动态环境,具有良好的动态性能和导航精度。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

共用反正切鉴别器的低复杂载波跟踪算法

针对一般载波跟踪环锁定范围窄,资源消耗大的问题,提出了QPSK直接序列扩频系统共用反正切鉴别器的低复杂度的载波跟踪算法,该算法锁相环(PLL)和锁频环(FLL)联合工作,共用一个反正切函数单元,比传统载波跟踪方法节约一个反正切单元和将近一半的乘法器与加法器.利用System Generator搭建模块所进行的仿真结果表明:所设计的载波跟踪算法复杂度与运算量大为降低,在数据跳变的同时且多普勒频率变化为阶跃函数、斜坡函数的情况下能快速、准确跟踪载波.     

非线性跟踪-微分器在载波相位测速中的应用

针对传统微分器存在噪声放大和时延问题构造的非线性跟踪-微分器.通过离散的载波相位观测量提取载波相位率,并利用跟踪-微分器输出的二阶微分,采取预报的方法进行时延补偿.仿真及车载实验结果表明,该非线性跟踪-微分器能准确快速地跟踪微分信号,对噪声抑制作用良好,时延补偿效果明显,可提高速度测量精度.     

一种强跟踪UKF及其在GPS/SINS深组合导航中的应用

针对弹道导弹的特点,研究了发射惯性系下GPS/SINS深组合导航下的一种强跟踪无迹卡尔曼滤波算法。该算法根据渐消的思想,通过引入多重次优渐消因子到UKF滤波器,自适应地在线调整UKF滤波器的预测状态协方差阵,从而有效跟踪快速变化的状态量。仿真结果显示,UKF引入次优多重衰落因子对算法进行改进后,对高度机动目标的跟踪能力更强,强跟踪无迹卡尔曼滤波器对快速变化的状态将具有更强的跟踪。改进算法在保证原有的UKF滤波算法精度的同时,使系统误差在较短的时间内收敛。     

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。