事件触发容积卡尔曼滤波及其在火控探测网络中的应用

为减小传感器网络中各探测单元和融合中心间的数据传输量,设计了基于双重判断准则的事件触发机制,以控制各探测单元到融合中心的数据传输。为得到比已有事件触发融合估计算法更高的估计精度,提出了一种基于所提事件触发机制和平方根容积卡尔曼滤波的非线性融合估计方法。仿真和试验结果表明：所提方法与基于周期传输机制的容积卡尔曼滤波相比,可减小数据传输量;与已有事件触发融合估计方法相比,可在数据传输量基本一致情况下获得更高的估计精度。     

不完全量测下事件触发卡尔曼一致滤波及在光电探测网中的应用

针对分布式状态估计中卡尔曼一致滤波算法各节点间通信量过大的问题,在保证卡尔曼一致滤波算法估计精度及各节点估计值一致性前提下,为减少各节点间的通信量,提出一种事件触发机制协调各节点间的信息交互过程。推导了相应的卡尔曼一致滤波算法,并证明了其估计误差的有界性;仿真了所提算法在不完全量测下光电探测网中的应用。研究结果表明：与经典卡尔曼一致滤波算法相比,所提算法可在节约网络通信资源前提下,保证网络中各节点估计精度及估计值的一致性。     

扩展卡尔曼滤波的目标跟踪优化算法

针对传统扩展卡尔曼滤波算法在多普勒量测目标跟踪情况下估计精度低的问题,提出了扩展卡尔曼滤波目标跟踪优化算法。该算法对传统的扩展卡尔曼滤波算法进行了改进,将仅考虑位置量测的扩展卡尔曼滤波算法推广到包含多普勒量测的算法以提高目标跟踪精度。仿真结果表明,该算法具有较小的均方根位置误差和均方根速度误差,可以很好地提高目标跟踪过程中的精度,可有效应用于机动目标跟踪场合。     

基于容积卡尔曼滤波的辅助粒子滤波算法

针对非线性系统的状态估计精度较低的问题,提出基于容积卡尔曼滤波(CKF)的辅助粒子滤波(APF)算法—CAPF算法。该算法采用容积数值积分原则计算非线性函数的均值和方差,生成粒子滤波算法的重要性密度函数,获得所需的带权值粒子,进而计算粒子均值,获得系统状态的最小均方误差估计。CAPF算法由于使用最新的量测信息产生粒子,因而提高了对系统状态估计的逼近程度。仿真结果表明,CAPF算法具有更高的滤波精度,验证了算法的可行性和有效性。     

观测噪声方差变化条件下系统状态估计方法

针对观测噪声方差时变情况下,非线性系统状态估计精度不高的问题,提出了一种改进的容积卡尔曼滤波方法。该方法首先采用变分贝叶斯滤波对系统的状态和观测噪声进行在线实时估计,保证了最新观测信息对参量的修正作用;接着,将估计的结果引入到传统容积卡尔曼滤波框架内实现非线性系统状态的迭代估计。仿真结果表明,该方法较好地改善了噪声统计特性时变情况下的估计精度,有效扩展了容积卡尔曼滤波在非线性系统状态估计方法中的应用范围。     

基于UKF-IMM的方位-到达时间空-海机动目标的跟踪

探讨了机动目标无源跟踪(PMTT)中基本的非线性估计问题,介绍了无味卡尔曼滤波(UKF)算法的设计思想与具体实现,用UKF代替原交互多模(IMM)中的扩展卡尔曼滤波(EKF)得到UKF-IMM估计算法,特别针对空-海单站只测方位-到达时间PMTT问题分别应用UKF-IMM和EKF-IMM进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了Monte Carlo仿真结果;表明UKF-IMM滤波算法具有更高的估计精度和收敛特性,滤波的一致性较好,更加适合解决非线性较为严重的PMTT问题.     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

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。     

基于IMM-UKF的雷达/红外分布式加权融合算法

在雷达/红外复合制导机动目标跟踪背景下,针对非线性机动目标融合跟踪存在滤波器易发散问题,提出一种基于交互式多模型无迹卡尔曼滤波(IMM-UKF)的分布式加权融合算法。IMM具有对不同目标机动模式自适应跟踪的能力;UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点;分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度。仿真结果表明:该算法在处理非线性系统机动目标跟踪融合结果误差均得到减少,更能提高目标跟踪滤波精度,增强了系统稳定性。     

不完全信息下分布式目标跟踪算法

针对分布式目标跟踪过程中出现数据丢包和不完全量测现象,提出一种分布式目标跟踪算法.该算法由统计意义下局部滤波器和基于协方差交叉算法融合滤波器构成,其中局部滤波器利用邻域内各节点测量信息计算局部滤波值,融合滤波器则将邻域内各节点局部滤波值进行融合处理,得到该节点的目标坐标信息;最后,利用典型目标航迹模型对该算法进行仿真分析.仿真结果表明:该算法可有效抑制不完全信息发生时对目标跟踪结果的不利影响,可为分布式目标跟踪系统在实际工程中的设计与研制提供有益的参考.     

混合噪声条件下的目标被动定位算法

为提高被动传感器观测噪声为含时变有色噪声、跳变噪声的混合噪声时容积卡尔曼滤波（CKF）算法的滤波精度和稳定性,提出一种自适应容积卡尔曼滤波（ACKF）算法。在ACKF算法中,在基本CKF算法基础上,采用观测重构、待定系数去相关方法,推导得到有色噪声条件下的容积卡尔曼滤波算法。针对时变有色噪声和跳变噪声导致滤波精度受损的问题,引入噪声方差在线修正及有害观测剔除的思想,进行了ACKF算法设计。仿真结果表明,与基本CKF算法相比,ACKF算法在x轴、y轴、z轴3个方向得到的被动定位精度分别提升了24.75％、32.57％和28.48％,具有更高的滤波稳定性和精度。     

几种非线性滤波只测角跟踪性能评估

为综合分析非线性滤波在只测角跟踪应用中的性能,文中给出了二维空间动态系统估计的克拉美罗界递推形式,对扩展Kalman滤波(EKF)、转换瑞利滤波(SRF)、无迹Kalman滤波(UKF)、容积Kalman滤波(CKF)和粒子滤波(PF)进行了实验仿真研究。结果表明CKF和PF可以获得高于其他滤波的精度,CKF的运算量又远低于PF,CKF可以获得精度和时效性的有效折衷。     

基于迭代无偏有限冲击响应滤波的共轴跟踪技术研究

为了有效提升光电跟踪系统的跟踪精度,提出一种共轴跟踪改进方案。采用迭代无偏有限冲击响应（UFIR）滤波算法来替代传统卡尔曼滤波（KF）算法,进行系统状态估计与预测。迭代UFIR滤波算法由于不依赖噪声先验统计信息,可有效克服传统KF算法的不足,在噪声统计信息未知时能保持理想的预测精度,从而使改进后的系统在实际工况下仍能达到较高的跟踪精度。分别进行了迭代UFIR算法和KF算法对比的单元仿真实验,以及采用两种算法的共轴跟踪系统对比仿真实验,实验结果验证了理论分析的正确性,表明在噪声统计信息无法事先准确获得的实际工程应用中,基于迭代UFIR滤波的共轴跟踪改进方案较基于KF算法的传统方案鲁棒性更强,具有更大的应用潜力。     

不完全量测下光电跟踪系统中冗余测角信息的攫取研究

针对由激光测距机与精密测角设备组成的光电跟踪系统,为了攫取跟踪系统的冗余测角信息以提升不完全量测下跟踪系统的估计性能,设计了基于验后置信度残差检测的联邦目标跟踪滤波器.依据物理结构将跟踪系统的位置探测通道分解为测距与测角2个探测通道,并对2个探测通道的量测数据分别进行基于验后置信度残差检测的目标状态估计.将估计结果送至...     

身管对某发射药初速或然误差影响分析

初速或然误差是发射药的重要弹道性能指标,它的大小影响发射药内弹道性能的稳定性和再现性。为了分析身管对某发射药初速或然误差的影响,依据已经获得的该发射药初速或然误差的大量试验数据,利用数理统计方法对不同身管试验所得的结果分别进行了正态性检验、异常性检验和一致性检验。检验结果表明:试验数据呈正态分布、样本值均无异常值、样本总体方差相等而均值差有显著差异。得出了不同身管对发射药初速或然误差有显著影响的结论。可见,身管质量的一致性是影响发射药初速或然误差的因素之一。     

基于动态规划和双变量容积卡尔曼滤波的空基外辐射源定位算法

针对空基外辐射源定位系统在杂波环境下的目标状态估计问题,提出一种基于动态规划和双变量容积卡尔曼滤波的空基外辐射源定位算法.基于误差传播理论,确定出目标的状态转移范围;选取回波信号幅度值作为动态规划的值函数进行递推积累;根据杂波的统计特性和极值理论解算出动态规划的目标量测提取阈值,逆向提取来自目标的量测序列;利用双变量容...     

基于Elman网络的传递对准容错联合滤波器设计与仿真

针对用于快速传递对准的Kalman滤波器阶数高,计算量大,滤波更新率低,鲁棒性差及对准精度不高等问题,采用联合强跟踪Kalman滤波器进行快速传递对准。提出一种基于模糊加权系数的误差方差阵估计方法,以提高传统强跟踪Kalman滤波算法的精度。在此基础上,设计了联合强跟踪Kalman滤波器的结构和算法。基于提高无故障子滤波器的鲁棒性来提高联合滤波器的快速重构能力考虑,同时兼顾子滤波器的精度和计算稳定性,提出利用改进的Elman网络进行信息分配系数的自适应调节,以实现融合信息在各子系统中的自适应分配。仿真结果表明,该滤波器不仅提高了解算速度,而且提高了系统对准精度、故障鲁棒性和快速重构能力。