卡尔曼滤波在弹道修正弹落点推算中的应用

为了准确地估算常规弹箭的飞行弹道,以便对其实施简易弹道修正并大幅度提高殚箭的密集度,应用卡尔曼滤波方法,结合质点弹道模型,建立了卡尔曼滤波弹道模型.对地面侦察雷达撂测到的一段飞行弹道参数进行滤波,进而外推出弹道落点.仿真结果表明,雷达测量信号中的噪声具有随机性且幅值较大,在卡尔曼滤波过程中,滤波方差衰减很快,滤波后测量噪声能够较快地大幅度减小;外推弹道落点精度随着雷迭跟踪时间(跟踪点数)的增加而迅速提高,经过一段跟踪时间后,这种趋势逐渐变缓.对于大口径弹道修正弹,雷达跟踪点数宜取30～40点,求解一条弹道约需几十mS.     

基于渐消记忆滤波的弹道修正弹落点预测

针对滤波处理所需时间长、准确建立误差模型难的问题,提出了仅对弹道落点预测偏差进行滤波的方法,给出了弹道方程及落点预测方程.关于弹道修正弹飞行过程中弹道经常发生突变及弹载计算机运算能力有限的问题,提出了基于渐消记忆滤波的自适应滤波方法,采用半实物仿真试验和飞行试验对该滤波方法进行了试验验证,结果表明该方法能实现实时滤波,弹道突变时滤波后的预测偏差可保持相对平滑,没有引起发散现象,实用性很强.     

弹道修正弹落点预报方法研究

为了根据空中飞行弹箭的一段实测弹道参数,准确预报弹道落点,并实施弹道修正,实现对目标的精确打击,在阐述弹道修正弹飞行原理的基础上,建立了扩展卡尔曼气动参数辨识弹道模型。该模型可对一段实测弹道参数进行弹道滤波,辨识出空中飞行弹丸的实际阻力和升力符合系数,并能较准确预报其后续飞行弹道。数值计算结果表明,经扩展卡尔曼弹道滤波后,能有效剔除测量弹道参数的噪声,且坐标滤波方差、阻力和升力符合系数迅速收敛;预报弹道落点的精度与飞行弹道参数的测量时间和采样时间间隔有关,考虑到实时弹道预报方法的预报弹道落点精度和解算时间等,飞行弹道参数测量时间宜取6~8s,采样时间间隔宜在60~120ms范围内选取,为弹箭实现弹道修正提供了参考。     

一种一维弹道修正弹自适应落点控制算法

针对在发射前预先装定弹道信息的传统弹道修正弹控制方法存在易受外界因素扰动的问题,提出了一种一维弹道修正弹自适应落点控制算法;通过建立弹道滤波模型外推弹道,利用自适应落点控制算法,得到阻尼器修正参数修正弹道,并根据弹丸飞行参数每隔特定时间循环上述过程实现自适应修正,直到引信引爆;仿真结果表明:滤波外推后的弹道更接近于实际弹道,经过多次弹道修正可以有效减小落点弹目偏差,与传统弹道修正方法相比较,改进弹道修正方法可较大幅度提高对静态目标的打击精度.     

基于“当前”模型的UKF滤波算法在目标跟踪与实时弹道估计中的应用

针对靶场机动目标跟踪与实时弹道估算的实际,介绍了基于“当前”模型的UKF滤波方法。将“当前”模型和UKF滤波用于机动目标跟踪与实时弹道估算,建立了具有较好自适应特性及较高滤波精度的系统模型与算法。经对多发任务实测数据的试算表明：该算法具有较好的稳健性和较高的滤波精度,在靶场的实时显控、设备跟踪引导等方面具有良好的应用前景。     

抗野值卡尔曼滤波在火箭弹落点估计中的应用

为了实现火箭弹精确打击,根据飞行弹道参数对弹道进行修正.应用文中提出的双气动参数辨识算法,去除出现在信号初始阶段的野值,降低对后续卡尔曼滤波的影响.随后利用基于新息判断野值的卡尔曼滤波器,结合质点弹道模型,建立了卡尔曼滤波弹道模型,对一段飞行参数进行野值的去除与滤波,并对火箭弹落点进行外推.结果表明,该方法可以将量测数据中的野值有效去除.落点估计可知,外推时间的推后可以增加预估的精度.     

平方根UKF算法在汽车轮胎力估计方法中的应用

针对车辆行驶过程中各车轮轮胎力等状态参数,在现有测量水平及成本下难以找到较适用的传感器直接测量的问题,提出利用七自由度车辆动力学模型结合平方根UKF算法的汽车轮胎力估计方法.利用该算法具有的无需计算雅可比矩阵和较高的非线性近似精度等优点,在无需建立轮胎力学模型的前提下,确保了迭代UKF的数值稳定,实现对汽车轮胎力估计.应用CarSim软件进行仿真对比试验,仿真结果表明,基于平方根UKF的汽车轮胎力估算方法对各轮胎的纵向力和侧向力估计比较准确,验证了该方法的有效性.     

弹箭落点坐标测量及弹序区分

炮弹、火箭弹的落点坐标测量及弹序区分是极待解决的问题，本文提出了利用弹箭产生的地下应力被测量落点参量的方法，讨论了该方法的基本原理，给出了用多应变量最小二乘法求解落点参量的数学模型，并对该测量方法的可行性做了初步分析，对于一般中等口径的填砂火箭弹，其落点的可检测范围为2公里，定位精度优于1米。     

伞弹系统落点散布影响因素分析

根据伞弹系统弹道飞行特征对伞弹弹道模型进行了简化,提出了弹道和落点分析计算模型。根据该模型对影响弹道落点的因素进行了分析,得出了各因素导致的落点散布影响范围和敏感程度。认为载机偏角、载机倾角、机弹侧向分离速度、伞弹自身因素散布和风偏对弹体落点散布的影响较明显,是导致弹体落点散布的敏感因素,并通过计算得到了弹体落点综合散布范围。     

利用声震原理测量弹箭落点坐标方法的探讨

本文对声震测量技术定位原理及方法进行了初步分析,给出了多应变量最小二乘法求解落点坐的数学模型,并对其精度进行了初步分析.     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

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。     

基于无迹卡尔曼滤波的火箭弹姿态估计

针对某尾翼稳定火箭弹姿态估计的问题,以姿态角、位置、速度参数作为状态变量,建立了火箭弹运动参数的捷联惯性解算模型,将GPS的位置和速度测量值作为输出变量,构成组合滤波模型,并分别采用扩展卡尔曼滤波和无迹卡尔曼滤波方法进行滤波处理。仿真结果表明,扩展卡尔曼滤波在滚转速率变化较快、模型非线性较强的情况下不能达到预期的滤波效果,而基于无迹卡尔曼滤波的组合滤波方法更为有效,相比扩展卡尔曼滤波,其俯仰、偏航角估计误差均方根降低了一半,滚转角估计误差均方根降低了三分之二,满足姿态估计的需求。     

基于改进无迹卡尔曼滤波的弹道射程修正算法研究

以全球定位系统（GPS）作为弹载测量系统的弹道射程修正弹,存在GPS动态数据易受测量噪声与系统噪声污染或在高过载环境中发生定位丢失、数据异常等问题。为了降低弹道数据测量误差,并减小对射程修正时刻预测的误差,提出了基于牛顿插值法的改进无迹卡尔曼滤波(UKF)算法,以重新估计具有粗大误差的测量数据,从而降低异常测量值和定位失锁情况对滤波效果的影响,提高UKF算法对测量数据误差的敏感程度。仿真与试验结果表明：改进的UKF算法作为预处理过程融合至射程修正算法中,当系统离散化步长与GPS数据更新周期相等时,可最大化地预处理算法效果;改进后的修正算法可有效地降低GPS数据造成的修正误差;预处理算法中数据样本容量的选择与修正时刻以及GPS更新周期相关,不受算法效果约束。     

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器（UKF）的系统偏差和目标状态的联合估计算法（ASUKF）.Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计.     

基于UKF弹体滚转姿态测量方法研究

利用磁阻传感器和GPS等器件的测量信息,建立了地磁/GPS组合弹体姿态测量解算模型,对弹体姿态信息进行实时测量解算。为了提高弹体飞行姿态测量解算精度,建立了弹道滤波方程,采用UKF算法进行数据滤波处理,结合磁阻传感器的输出信息对弹体滚转姿态进行实时解算。数值计算及仿真结果表明:相比于直接使用GPS输出的速度信息进行姿态解算,通过UKF滤波处理后,可以使得地磁/GPS组合测量解算的结果更准确,提高了弹体姿态解算精度。     

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。     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

基于观测域平方根UKF的机载无源定位算法

针对机载无源定位存在滤波稳定性差、收敛速度慢、定位精度低等问题,提出一种观测域平方根UKF滤波算法,新算法充分利用了观测域滤波的自动解耦功能和平方根UKF良好的数值稳定性及非线性滤波能力,并通过最小偏度单形采样的UT变换减少了算法在状态域与观测域之间转换时存在的舍入误差,同时也提高了算法的运行效率。仿真结果表明新算法提高了滤波稳定性、收敛速度和定位精度。     

基于无迹卡尔曼滤波的超空泡航行体最优控制研究

针对超空泡航行体运动过程中环境噪声和测量噪声带来的不利影响,提出一种基于无迹卡尔曼滤波器（UKF）的最优控制算法。通过超空泡航行体动力学建模,建立含有环境噪声和测量噪声的状态方程,分别在无滤波器和含有UKF情况下的最优控制器进行了仿真分析。研究结果表明：在环境噪声和测量噪声干扰下,超空泡航行体跟踪误差较大,运动极其不稳定,处于失稳状态;在UKF作用下,超空泡航行体跟踪误差明显减小,在较短时间内达到全包裹状态,有较好的信号处理效果。