渐消自适应Unscented粒子滤波及其在组合导航中的应用

提出一种新的渐消自适应Unscented粒子滤波算法,通过Sigma点来获取状态估值和协方差阵,利用渐消因子自适应的调节权值大小,得到一种参数可调节的重要性密度函数。该重要性密度函数考虑了最新量测的影响,更合理地利用有效信息,保证了粒子多样性,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和渐消自适应扩展Kalman滤波比较,仿真结果表明,提出的滤波算法能提高导航解算的精度,其性能明显优于扩展Kalman滤波和渐消自适应扩展Kalman滤波。     

基于分段常值的贝叶斯状态估计滤波算法

针对上有高斯噪声的非线性随机系统状态估计问题,提出了一种基于分段常值的贝叶斯状态估计滤波算法。本文对此种滤波算法的误差进行了分析。并且对地形辅助导航定位系统的应用进行了仿真,仿真结果表明基于分段常值的贝叶斯状态估计滤波算法是一种鲁棒性很强的滤波算法。     

基于粒子滤波的通信保障航天器相对导航方法

为提高通信保障航天器天线指向精度,提出一种基于粒子滤波的通信保障航天器相对导航方法,获得两个航天器间更精确相对位置和速度.该方法利用测量距离远、覆盖率高和可全天候工作的无线电设备为主要测量部件,利用粒子滤波在非线性系统滤波上的优势,进行相对位置和速度的估计.仿真结果表明,新算法能够有效降低测量误差,提高相对位置和速度估计精度,保证通信保障航天任务的有效进行.     

北极冰下双自主水下机器人协同地形匹配导航

针对自主水下机器人北极冰下远距离航行存在较大定位偏差的情况,本文提出利用单波束协同地形匹配导航方法改善定位性能。针对粒子滤波出现粒子退化和粒子耗尽,导致测量更新失效问题,本文设计一种地形自适应双自主水下机器人协同地形匹配导航方法,根据地形高程标准差计算地形置信度,将地形置信度融入双自主水下机器人协同地形匹配导航系统中,提高了导航方法的鲁棒性。通过模拟仿真对该方法进行验证,结果表明该方法能够有效提高定位的精度及鲁棒性。     

船舶运动纵向受扰力和受扰力矩估计方法研究

研究船舶纵向运动受扰力和力矩的估计对于船舶纵向减摇控制是非常必要的.针对典型船舶,建立了船舶纵向运动模型,论述了3种受扰估计方法,中心差分法、有色Kalman滤波方法及扩展Kalman滤波方法.仿真结果表明,以上3种估计方法均可行.若选取相同精度的测量仪表,扩展Kalman滤波估计效果最好,其估计方差相对值在10%以内,有色Kalman滤波估计次之,中心差分法估计最差,但中心差分法计算简便,而扩展Kalman滤波估计方法较繁,且需知干扰力和干扰力矩能量Rw的先验知识.若提高测量仪表精度,则中心差分法估计方差相对值明显改善,可提高到10%以内.     

神经网络辅助的组合导航系统信息融合方案

传统的Kalman滤波器自适应能力弱，而单纯的神经网络滤波器估计精度较差，且网络训练经验性太强。面向组合导航领域，提出BP神经网络辅助自适应联邦Kalman滤波器方案，设计并实现了SINS／GPS／TAN／SAR智能化容错组合导航系统。结合自适应滤波和神经网络两种方法共同提高系统的自适应能力，并提出新的神经网络输入量，改善了算法的实时性。系统的估计精度得到显著提高，仿真结果证明了该方案的可行性和有效性。     

一种快变信道下OFDM系统的Kalman信道估计算法

针对频率选择性快速时变信道的多径干扰和较大的多普勒频谱扩展,提出了一种改进的Kalman滤波算法。用于正交频分复用（OFDM）系统信道估计．该算法采用复杂度大大降低的低维Kalman滤波来跟踪快速时变信道,迭代联合信道估计与检测算法来获得测量矩阵,并对滤波结果利用一种新的简单的最小均方误差（MMSE）估计器进行优化。有效地降低了传统基于Kalman滤波算法的复杂度．仿真结果表明,该方法能够跟踪信道的快速变化,具有良好的估计性能．     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

一种基于区间估计的粒子滤波算法

针对非线性、非高斯系统的状态估计问题,本文提出了一种基于区间估计的粒子滤波算法．新算法从辅助粒子滤波算法的理论出发,首先对系统状态的期望值进行区间估计,然后在该区间上均匀采样,并利用当前观测信息进行修正,最后得出滤波结果．为了保证估计区间的有效性和算法计算效率,本文给出了区间扩展条件．由于算法直接在区间上均匀采样,不仅避免了重采样带来的样本贫化,而且保证了粒子的多样性．实验结果表明,该算法具有较高的滤波精度,明显优于一般的粒子滤波算法．     

管道地理坐标测量中低精度IMU初始对准技术

针对管道地理坐标测量系统低精度惯性测量单元（inertial measurment unit,IMU）初始对准问题,提出一种管道定位的初始对准方法.针对大角度情况进行粗对准,然后在小角度范围内再进行精对准.在精对准过程中,对测量信号采用一阶马尔科夫模型,提取出符合kalman滤波模型的白噪声分量,随后建立13维状态量的kalman状态方程以及观测方程.对于较大方位误差角引起的非线性,采用Cubature Kalman滤波（Cubature Kalman filtering,CKF）算法对非线性模型进行状态估计,解决了滤波模型的非线性问题并进行了静态对准实验.实验结果表明,设计的算法在计算时间上优于Unscented粒子滤波（Unsented particle filtering,UPF）算法,适于作为管道地理坐标测量的初始对准算法.     

无人机组合导航系统信息融合方法研究

针对小型无人机通常采用的无线电导航,综合考虑无人机具体情况以及其它导航方式的特点,提出了一种将无线电导航系统(RP)、全球导航星系统(GN SS)、多普勒导航系统(DN S)、地形辅助导航系统(TAN)和景象匹配导航系统(SMN)组合起来,取长补短,构成基于联邦卡尔曼滤波器的DR/RP/GN SS/DN S/TAN/SMN组合导航系统。仿真结果表明,该方法完全可以满足导航精度的要求。     

主/被动雷达导引头信息融合方法研究

针对导弹制导系统的特点要求,研究了基于Kalman滤波的信息融合算法并将其应用于主/被动雷达多模导引头系统中。研究了基于标量加权的分布式融合算法和基于增广测量方程的集中式融合算法并进行了数字仿真。研究结果表明信息融合算法能够提高多模导引头的测量精度,使融合精度受单一传感器影响更小,同制导律的闭合仿真也表明信息融合技术提高了制导精度,减小了脱靶量;分布式融合算法更方便实现时间校准从而便利于多模复合制导使用。此外,所研究的融合算法计算量小,易于工程应用。     

一种新的高动态全球定位系统频率估计算法

针对常用高动态全球定位系统频率估计算法扩展卡尔曼滤波(EKF)由于对模型进行简单线性化而造成的估计精度低与失锁门限高等缺陷,引入了一种新的线性滤波算法unscented卡尔曼滤波(UKF)进行频率估计．该算法不需要对非线性模型进行线性化,而是利用一系列Sigma采样点,通过unscented变换(UT)来进行状态与协方差阵的递推与更新．仿真实验结果表明新算法的估计精度远高于EKF,失锁门限也比EKF低约1dB,估计性能得到了改善．     

基于MVEKF算法的机载单站无源定位

介绍了基于相位差变化率的机载单站无源定位原理,并引入一种新的MVEKF(修正协方差扩展卡尔曼滤波)算法。文中详细介绍了MVEKF算法的基本原理,并将其应用于相位差变化率体制下的机载单站无源定位中,给出了MVEKF滤波方程;通过仿真将其与常用的非线性滤波算法EKF(推广卡尔曼滤波)和MGEKF(修正增益扩展卡尔曼滤波)进行了比较。结果表明,与EKF算法相比,MVEKF不易受初始状态估计的影响,且收敛速度更快,滤波效果更具稳定性;此外,无须寻找观测方程修正函数,MVEKF算法就可达到与MGEKF算法相当的滤波效果,因而为机载无源定位向快速、高精度方向的发展提供了一定的理论依据。     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．     

迭代中心差分粒子滤波的SLAM算法

为了提高SLAM算法中的位姿估计精度,通过在广泛使用的RBPF粒子滤波器中,利用迭代中心差分卡尔曼滤波器(ICDKF)来代替其中的扩展卡尔曼滤波器(EKF),并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计智能车辆的位姿,进而采用ICDKF算法更新特征地图的位置.该算法在保证定位精度的同时减少了计算的复杂度,提高系统的估计性能,增加了迭代算法的稳定性.仿真实验结果验证了迭代中心差分粒子滤波SLAM算法的有效性.     

基于非线性滤波的风廓线雷达数据处理

针对实际工程中风廓线雷达风向、风速随高度分布取值的非线性特性以及非气象干扰因素,基于非线性化方法———扩展卡尔曼滤波法,对风廓线雷达探测数据进行滤波处理.先利用泰勒展开式的一次项对非线性方程作线性化处理,再结合经典的卡尔曼滤波进行滤波估计,将非线性滤波问题转化为一个近似的线性滤波问题.仿真实验结果表明,该方法可以有效去除风场数据中掺杂的噪声干扰,很好地发挥了其非线性特性,滤波效果优于传统的卡尔曼滤波,具有一定的工程应用前景.     

A new optimal approach to segmentation of 2D range scans to line sections

In order to obtain a compact and exact representation of 2D range scans, UKF (unscented Kalman filter) and CDKF (central difference Kalman filter) were proposed for extracting the breakpoint of the laser data. Line extraction was performed in every continuous breakpoint region by detecting the optimal angle and the optimal distance in polar coordinates, and every breakpoint area was constructed with two points. As a proof to the method, an experiment was performed by a mobile robot equipped with one SICK laser rangefinder, and the results of UKF/CDKF in breakpoint detection and line extraction were compared with those of the EKF (extended Kalman filter). The results show that the exact geometry of the raw laser data of the environments can be obtained by segmented raw measurements (combining the proposed breakpoint detection approach with the line extraction method), and method UKF is the best one compared with CDKF and EKF.     

基于MDS-MAP和非线性滤波的WSN定位算法

为提高传感器网络节点的定位精度,对MDS-MAP结合非线性滤波方法的多种传感器网络定位算法进行研究.根据传感器节点间距离与节点定位坐标之间存在的非线性关系,在MDS-MAP定位算法的基础上,引入扩展卡尔曼滤波（EKF）求精算法和不敏卡尔曼滤波（UKF）求精算法,对MDS-MAP求得的节点坐标进行求精.对MDS-MAP定位算法、MDS-MAP和EKF相结合的定位算法（MDS-EKF）、MDS-MAP和UKF相结合的定位算法（MDS-UKF）的定位精度进行比较.实验结果表明：EKF和UKF等非线性滤波方法的应用可以提高定位精度,在相同条件下MDS-UKF定位算法的定位精度更高并且其生成的网络拓扑图最接近于实际网络拓扑图.     

一种用于飞行器RCS计算的高效矩量法

提出一种适用于飞行器隐身性能计算的高效矩量法。基于矩量法,通过分析物体几何外形与物面感应电流之间的关系,总结了几何形状对其表面电流分布影响的一般规律,在此基础上,根据物体表面各面元位置之间的距离、曲率等相对关系,提取物面单元感应电流间强耦合的阻抗矩阵元素,组成稀疏矩阵,并利用该矩阵计算物体的电磁散射。该方法保持了与传统矩量法基本一致的计算精度,而计算时间明显减少。以金属机翼模型和典型隐身飞机外形为例,计算结果表明该方法准确和高效。