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。     

基于自适应滤波技术的被动协同跟踪算法

为增强被动协同跟踪系统对复杂环境的适应性，提高跟踪精度和系统鲁棒性，提出了一种基于自适应滤波技术的目标跟踪算法。该算法通过基于Sage-Husa自适应噪声估计的无迹卡尔曼滤波对多站被动协同定位结果进行状态估计，并利用残差量的局部动态统计对噪声估计器进行改进，以提高噪声估计的准确性和稳定性。同时，引入协方差自相关量匹配判据来保证噪声方差阵的正定性，防止滤波发散。仿真结果表明，该方法可有效提高噪声估计精度，增强目标跟踪系统对环境的适应性，大幅提升跟踪性能。     

基于改进自适应滤波算法的在线标定技术研究

考虑到火箭炮工作环境复杂多变,弹载捷联惯导系统的状态噪声及量测噪声难以精确预知,若标定过程中采用标准卡尔曼滤波肯定会影响标定的效果。针对这一问题,在Salychev O自适应滤波算法的基础上提出了一种改进自适应滤波算法。该算法可实时估计和修正系统状态噪声及量测噪声协方差阵,并通过在量测噪声协方差阵估计过程中加入阈值因子,可有效抑制较大量测误差对滤波的影响。通过建立在线标定误差模型、滤波模型及补偿模型,采用改进自适应滤波算法对弹载捷联惯导系统进行在线标定,仿真结果表明,相较于标准卡尔曼滤波及Salychev O自适应滤波算法,采用该算法对惯性器件误差参数的标定效果更好。     

控制Kalman滤波器发散的方法研究

针对 Kalman 滤波发散这一工程现象,分析了造成 Kalman 滤波发散的原因和控制 Kalman 滤波发散的机理;重点研究了 SK 强跟踪滤波方法和 Sage-Husa 自适应滤波算法,提出了 SK 强跟踪滤波不发散的自适应遗忘因子的新算法;分析了强跟踪条件下量测噪声阵遗忘因子权重变化的物理意义;推导并指出了 Sage-Husa 自适应滤波算法的局限性。仿真结果证明了所述方法的有效性。     

Sage-Husa自适应卡尔曼滤波算法在SINS初始对准中的应用研究

Sage-Husa自适应卡尔曼滤波算法是解决系统模型发生变化的捷联惯导系统初始对准的一种有效工具,但对未知的系统噪声方差阵和观测噪声方差阵进行同时估计将会造成滤波发散.本文将在选择最佳遗忘因子的基础上,选取仅对观测噪声方差阵和均值进行估计的改造Sage-Husa自适应卡尔曼滤波算法进行捷联惯导系统的初始对准.计算机仿真试验结果表明:该方法在收敛速度和精度上都有很大改进.     

Sage-Husa自适应卡尔曼滤波算法在SINS初始对准中的应用研究

Sage-Husa自适应卡尔曼滤波算法是解决系统模型发生变化的捷联惯导系统初始对准的一种有效工具，但对未知的系统噪声方差阵和观测噪声方差阵进行同时估计将会造成滤波发散。本文将在选择最佳遗忘因子的基础上，选取仅对观测噪声方差阵和均值进行估计的改造Sage-Husa自适应卡尔曼滤波算法进行捷联惯导系统的初始对准。计算机仿真试验结果表明：该方法在收敛速度和精度上都有很大改进。     

组合导航中抑制自适应滤波发散的研究

主要分析了Sage-Husa自适应卡尔曼滤波器,通过改进自适应滤波过程中的系统噪声和量测噪声的方差估计方法,使得能够抑制Sage-Husa自适应滤波的发散现象。通过与卡尔曼滤波器的滤波结果进行比较分析,来验证改进后的自适应滤波器的效果。经过实验仿真后,改进后的Sage-Husa自适应滤波的精度有所提高,并且没有出现发散现象。     

平方根容积卡尔曼滤波算法及其应用

针对使用扩展卡尔曼算法（extended Kalman filter,EKF）对复杂非线性状态估计时收敛速度慢、估计精度低的问题,提出一种平方根容积滤波算法（square root cubature Kalman filter,SRCKF）。SRCKF使用基于容积原则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性。把平方根容积卡尔曼滤波算法（SRCKF）应用到未知弹道系数的再入弹道目标的状态进行估计中。Monte Carlo数值仿真表明,平方根容积滤波算法大大降低了未知弹道系数的再入弹道目标的状态估计误差,提高估计精度,且运行速度较快。     

一种鲁棒自适应容积卡尔曼滤波方法及其在相对导航中的应用

针对无人机编队相对导航系统中视觉导航传感器量测噪声服从非高斯分布的问题,提出一种带噪声估计器的鲁棒自适应容积卡尔曼滤波(CKF)算法。该算法将Huber求解线性回归问题与协方差匹配方法相结合,利用残差序列实时估计,调整系统过程噪声和量测噪声的统计特性,并采用遗忘加权参数对接收到的测量数据进行加权,从而准确地估计出无人机之间的相对位置、速度和姿态信息,提高了鲁棒CKF算法的自适应能力。仿真结果表明,与标准CKF算法和鲁棒CKF算法相比,该算法对受污染的噪声统计特性有较强的自适应性,估计精度高,鲁棒性更强。     

一种改进滤波算法及其在目标跟踪中的应用研究

针对无迹卡尔曼滤波算法在滤波迭代过程中可能存在状态协方差矩阵非正定情况,导致跟踪误差较大甚至滤波易发散等问题,对无迹卡尔曼滤波算法进行了改进设计。在滤波迭代过程中对状态协方差矩阵进行QR分解和Cholesky分解,通过分解后的协方差平方根矩阵来进行滤波迭代,从而保证状态协方差矩阵的正定性,并利用加权最小二乘法进行量测数据同步融合。为验证改进算法的有效性,设计了雷达红外联合跟踪系统数据融合仿真测试实验,并与传统无迹卡尔曼滤波算法进行了比较。仿真实验结果表明：改进算法能够有效抑制跟踪误差、提升目标跟踪系统的鲁棒性,可应用于防空武器系统多传感器航迹信息融合系统设计。     

自适应滤波算法在捷联惯导初始对准中的应用研究

针对捷联惯导系统静基座自对准过程中常规卡尔曼滤波器估计精度低且易发散的问题,提出了一种复合自适应卡尔曼滤波算法．该算法采用衰减记忆法利用信息实时估计系统噪声方差阵,并基于模糊推理的自适应因子调节滤波增益阵和系统噪声阵．仿真验证了该自适应算法较常规卡尔曼滤波有更强的稳定性和更高的滤波估计精度．     

基于双旋迫击炮弹平台的改进型Sage-Husa自适应滤波滚转角测量算法

针对传统扩展卡尔曼滤波算法无法消除量测噪声、导致二维弹道修正引信滚转角测量误差偏大问题,利用轴向陀螺的实测转速作为系统噪声补偿,提出一种基于双旋迫击炮弹平台的改进型Sage-Husa自适应卡尔曼滤波滚转角测量算法。相对于传统扩展卡尔曼滤波方法,新算法显著降低了滚转角测量误差,提高了滤波器对于弹道升弧段和降弧段滚转角新息改变的自适应性;以高精度三轴转台作为硬件实验验证平台,该算法始终能够保持较高的测量精度和自适应性。研究结果表明：改进后的Sage-Husa自适应卡尔曼滤波滚转角测量算法在仿真验证中的滚转角测量误差均值为0.26°、标准差为0.35°;硬件实验验证中的滚转角测量绝对误差不超过4.2°.     

自适应联邦滤波算法在鱼雷多参量导航定位中的应用

针对鱼雷水下航行的特殊性以及组合导航系统中由于量测噪声统计特性的不确定而导致滤波精度降低的问题,提出了一种新的应用于鱼雷导航定位的自适应滤波算法。该算法通过新息自适应量测噪声,在噪声统计特性未知的情况下能进行滤波计算。同时在信息融合时提出一种新的自适应信息分配方法,该方法利用估计的均方误差阵来实时确定各子滤波器的信息分配系数,使信息分配系数能够跟随子滤波器的性能而改变。通过对新算法与标准卡尔曼滤波算法所做的对比仿真试验分析,结果表明,该自适应联邦滤波算法在鱼雷多参量自适应联邦滤波导航定位应用中的有效性。     

低精度捷联惯性航姿系统姿态算法研究

针对纯惯导情况下的航姿系统,采用了一种模糊判别算法,实时判断系统的运动状态,根据系统的运动状态自适应调整卡尔曼滤波器的量测噪声方差阵,进而通过卡尔曼滤波算法估计姿态角误差。试验结果表明,该方法有效提高了系统的姿态精度。     

自适应卡尔曼滤波在地磁姿态检测中的应用

针对多种噪声源作用下地磁姿态检测系统测量精度不足的问题,利用简化形式的弹丸被动段弹道方程,建立扩展卡尔曼滤波模型,通过对系统噪声、测量噪声和舵机噪声的自适应估计,实现整个滤波过程的自适应化,最后对自适应滤波方法进行了仿真验证。仿真和实验结果表明,自适应卡尔曼滤波算法具有较强的可行性,适用于地磁姿态探测系统。     

基于序贯算法的无偏最小二乘估计纯方位目标跟踪

测量方程的非线性是纯方位角跟踪研究的难点。为了解决传统伪线性估计结果存在严重有偏性这一问题,提出了一种基于伪线性估计的无偏估计方法,即在伪线性方程中利用约束最小二乘估计,它不需要对初始值进行假设,且收敛效果良好。采用序贯滤波方法对估计量作批处理滤波以减少运算量,提高了运算效率。仿真结果表明,利用该方法得到的估计量在高斯噪声下能很好地逼近理想状态,且收敛速度较快,比扩展卡尔曼滤波具有更好的跟踪精度及收敛速度,在目标高速运动时仍能保持较好的跟踪效果。     

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。     

基于新息自适应滤波的惯性测量单元误差在线标定方法研究

考虑到空天飞行器飞行环境和运动特性下导航传感器误差的噪声统计特性不可能完全精确已知,若使用常规卡尔曼滤波进行在线标定,将会导致滤波精度下降甚至发散。设计一种基于新息自适应滤波方法的惯性测量单元(IMU)误差在线标定方案和算法,克服常规卡尔曼滤波需预先知道噪声统计特性的不足,设计包含IMU安装误差、刻度因子误差和随机常值误差在内的27维高阶状态变量的误差标定模型,分析提出可同时对系统噪声和量测噪声协方差矩阵进行动态调整的新息自适应滤波在线标定算法。仿真验证实验表明,相较于采用常规卡尔曼滤波以及Salychev O自适应滤波算法进行在线标定,所设计的新息自适应滤波在线标定方法能更有效实现对IMU误差的动态标定及补偿,进一步提高了惯性导航系统精度。实物验证实验表明,该方法可有效标定IMU误差残差,提高导航精度,为工程应用带来较大便利。