一种基于LSTM的弹丸长时间落点预测修正方法

针对炮位侦察校射雷达在弹丸上升段长时间预测落点偏差大的问题，文中提出了一种基于长短时记忆(LSTM)网络的弹丸长时间落点预测模型修正算法。针对训练样本少的问题，采用知识驱动和数据驱动相结合的双驱动方法，结合传统无迹卡尔曼滤波预测作为先验知识，利用LSTM网络对射向和侧向偏差量进行学习拟合构建误差模型，并利用误差模型对外推弹道进行射向和侧向修正。仿真验证表明：采用少量训练样本就可显著提升弹丸长时间落点预测的精度，落点预测射向精度提升55%,落点预测侧向精度提升85%～91%。     

扰动引力对高超声速跳跃-滑翔弹道的影响分析

在临近空间长时间超声速滑翔的导弹,扰动引力对弹道的影响不可忽略。考虑地球扁率及自转的影响,建立了助推-滑翔导弹跳跃-滑翔段三自由度弹道模型;通过球谐函数计算扰动引力,针对起始飞行高度与速度固定的跳跃滑翔弹道,分析了不同阶次扰动引力的变化趋势以及所产生的落点偏差;同时在固定阶次扰动引力下,分别分析了扰动引力对不同射向角、不同起始飞行高度跳跃-滑翔弹道落点精度的影响。仿真结果表明,扰动引力影响不同射向角跳跃-滑翔弹道所产生的落点偏差最大超过4900 m,偏差随着弹道起始高度的降低而减小,当扰动引力计算阶次超过360阶时落点偏差趋于一致,计算结果具有可靠性。因此在实际作战背景下,必须考虑扰动引力对临近空间跳跃-滑翔导弹命中精度的影响,在满足作战条件的前提下可以采用降低跳跃-滑翔弹道起始飞行高度的方式来减小扰动引力对落点精度的影响。     

一种改进的航迹起始与多目标跟踪算法

在靶场弹道测量多目标雷达数据实时处理中,在预测目标状态之前需要进行目标航迹起始。传统航迹起始算法的可靠性受第一帧数据的不确定性影响较大。在进行高射频连发弹丸初速测量等高精度多目标弹道测量试验时,异常的航迹起始会导致弹道测量出现严重偏差。根据连发弹丸初速测量的特点提出了一种改进的航迹起始与跟踪算法。首先,选择检测效果最佳的数据作为起始数据进行航迹起始;然后,采用双向α-β-γ滤波的跟踪滤波方法获得弹道参数的最优估计。实测数据处理结果表明,改进的航迹起始与跟踪算法能够避免第一帧数据不确定性带来的影响,提高了雷达测量弹道参数的可靠性与稳定性。     

提高弹道导弹落点预报精度方法

基于二体运动模型对弹道导弹的弹道生成和落点预报方法进行了研究,并提出改进落点预报精度的方法。该方法通过对雷达测量时间段内的弹道数据进行滑窗平均处理,以提高弹道导弹落点预报精度。仿真结果验证了该方法的有效性。     

某种弹着点测量技术的研究

从信号采集处理、弹道解算的实现、软件设计三方面讨论了一种弹着点偏差测量的改进技术,该技术采用外弹道校射原理和算法,缩短了预测其落点的时间和火炮校准的绝对时间;配备高速计算机和DSP功能模块,对仪器内部各个功能模块进行闭环控制和驱动,完成船载火炮的自动校射,提高射击精度;增加具有图像和图形存储与回放的功能模块,存储射击的弹丸落着点图像及数据,便于事后的回放、参考、分析和总结。弹着点偏差测量从海上目标扩大到对空、岸(岛)目标,可以在雨、雾和雪等各种气候条件下工作。满足火炮射击和校射多方位、全天候、快速和高效的要求。     

航天器陨落落点计算偏差分析

航天器陨落落点计算的精度受多种影响因素制约,基于工程实际情况,从各类摄动力的对比、大气阻力参数的影响及初始位置速度误差影响等方面对主要影响因素产生的原因和影响量级进行了分析。同时,为分析落点在飞行弹道、飞行方向的偏离情况,对飞行弹道径切法各方向上加速度值进行了对比。结果表明,地球阻力和大气作用都会在法向产生分量,使落点偏离原弹道方向。研究结果对航天器陨落及返回落点的计算及分析有一定的参考价值。     

提高弹道导弹落点预报精度的动弧平滑平均法

从多项式拟合出发,提出一种将中点平滑与滑动弧段相结合的动弧平滑平均算法,旨在提高弹道导弹轨道测定与落点预报的精度,该方法利用长测量数据段抑制随机误差的同时通过短弧段滑动减小了拟合误差.文中作了误差分析,证明动弧平滑平均法能够提高弹道导弹轨道测定与落点预报的精度,并给出算法的具体流程及弹道轨道根数的计算方法.     

弹道导弹落点精度影响因子分析

弹道导弹落点预报是预警系统中重要的一个环节,其精确度直接影响预警系统的性能。文中从弹道导弹模型出发,建立了弹道导弹精细化物理模型,从地球椭圆度、大气阻力以及地球自转三方面分析影响弹道目标落点精度的因素,对落点预报估算器进行修正。最后,通过仿真验证了算法的正确性,分析了不同因素对落点精度的影响,并给出了影响中近程弹道导弹落点预报精度的主要影响因素。     

数字滤波技术在弹道外推中的应用——α-β滤波器及α-β-γ滤波器

文章说明,在进行常规弹丸的弹道外推,推算弹丸落点时,若不考虑机动性,利用最小二乘α-β滤波与用卡尔曼滤波两者分别进行跟踪滤波比较,在落点、精度上相近,而α-β滤波减少了一多半的计算量.在弹道外推中,α-β滤波器是一种适用的滤波器形式.     

基于IMM-UKF的航天测控雷达机动目标跟踪

航天测控中雷达的测量值具有较大的随机误差,用雷达的测量值直接解算运载火箭的外弹道跟踪精度较低。提出基于IMM-UKF的雷达机动目标跟踪方法,适应了航天发射任务中运载火箭在不同时段具有不同机动特性条件下对机动目标稳定精确跟踪的需要。仿真结果表明和利用雷达测量值直接解算目标弹道的方法以及采用单一运动模型的UKF滤波方法相比,IMM-UKF算法具有更高的外弹道跟踪精度,并且算法的收敛速度满足航天测控外弹道跟踪的实时性要求。     

基于卡尔曼滤波的动态轨迹预测算法

基于拟合的传统轨迹预测算法已无法满足高精度和实时性预测要求.提出基于卡尔曼滤波的动态轨迹预测算法,对移动对象动态行为进行状态估计,利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计,进而对下一时刻的轨迹位置预测.大量真实移动对象数据集上的实验结果表明：GeoLife数据集上基于卡尔曼滤波的轨迹预测算法的平均预测误差（预测轨迹点与实际轨迹点的均方根误差）为12.5米;与基于轨迹拟合的轨迹预测算法相比,T-Drive数据集预测误差平均下降了555.4米,预测准确率提升了7.1%.在保证预测时效性前提下,基于卡尔曼滤波的动态轨迹预测算法解决了轨迹预测精度较低的问题.     

基于并行卡尔曼滤波的递推最小二乘测频算法

提出了一种基于并行卡尔曼滤波的递推最小二乘算法.利用最小二乘算法对卡尔曼滤波的并行多路收敛输出值进行二次优化估计.将本算法应用于正弦波测频,与只采用卡尔曼滤波的算法相比,可使频率估计精度得到明显提高.仿真证明在信噪比0~100 dB区间内采用本算法为卡尔曼滤波算法的测频误差的1/10左右.     

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。     

压电陶瓷定位系统电容传感器容错控制

针对压电陶瓷定位系统中电容传感器故障对定位精度的影响,对使用扩展卡尔曼滤波(EKF)进行容错控制的方法进行了研究。以传感器采样电路故障和掉电故障为对象,对三阶轨迹规划算法下电容传感器的EKF滤波公式进行了分析,提出以离散化迭代计算的EKF代替传统的将非线性系统线性化的方法。在压电陶瓷定位系统实验平台上,使用激光干涉仪作为测量基准,在传感器采样电路故障和掉电故障的情况下,实现了500μm行程,绝对精度小于3.5μm,误差小于0.7%的定位控制。结果表明,基于EKF的电容传感器容错控制可以有效减小传感器故障引起的控制误差,增加压电陶瓷定位系统的鲁棒性。     

单站无源定位中的抗野值鲁棒CKF算法

单站无源定位系统的测量噪声中如果出现野值,会影响滤波器的估计精度和稳定性,严重时还会导致滤波器发散。针对这一问题,基于Bayes定理并结合归一化受污染正态模型,提出了一种抗野值鲁棒容积卡尔曼滤波算法。该算法采用球面径向积分原则直接计算非线性函数的均值和方差,并对测量误差建立一个归一化的受污染正态模型,然后根据野值出现的后验概率来自适应调整测量预测残差的方差阵。结合空频域单站无源定位模型进行仿真实验表明,该算法可以较好地抑制测量噪声中的离散或成片连续野值的不利影响,具有较强的鲁棒性。     

基于新息突变约束的自适应卡尔曼滤波研究

针对微机电系统(MEMS)陀螺仪易受影响且随机误差较大,导致建立模型不准确和测量精度低的问题,该文提出了一种改进的自适应卡尔曼滤波方法。首先建立ARMA模型,在传统卡尔曼算法中引入衰减系数以减小系统旧值的影响,同时引入基于系统新息突变的预测误差矩阵清除系统的突变值。使用Allan方差对原始陀螺仪数据和滤波后的陀螺仪数据进行分析对比。结果表明,实验所用陀螺仪的角度随机游走、零偏不稳定性和角速率随机游走至少小了1个数量级,标准差明显减小,这表明改进算法有效抑制了随机噪声,提高了MEMS的性能。     

基于SMSS-UKF的机载单站无源定位算法

基于机载单站无源定位中常用的扩展卡尔曼滤波具有近似线性方程的雅可比矩阵计算困难、不敏卡尔曼滤波(UKF)具有计算量较大的问题,提出了基于改进的变尺度最小斜度不敏卡尔曼滤波(SMSS-UKF)的机载单站无源定位算法,该方法采用最小斜度采样策略进行Sigma 点采样,减少Sigma点提高计算效率,利用变尺度不敏变换克服了采样点非局部效应问题。同时,针对大部分定位跟踪模型中状态方程为线性方程的特点,依据在线性状态方程情况下的贝叶斯理论,运用卡尔曼滤波状态预测的方法进行UKF的最优状态预测,使状态预测避免了不敏变换的数值近似误差和Sigma采样点计算的复杂性,提高了算法的运行效率和滤波精度。仿真实验的结果证明了SMSS-UKF滤波算法的有效性。     

基于模板修正和自适应Kalman预测的刚性目标跟踪

目前在远景刚性目标的跟踪中,由于长序列图像具有亮度动态范围大及背景噪声大的特点,当前模板的尺寸和位置往往不能有效代表目标,从而使目标的预测和相关搜索产生误差累积;另外,Kalman预测常因过程噪声与模型不匹配使其对机动目标跟踪适应性差.对上述问题进行研究提出了一种基于区域增长的模板修正方法,并对Kalman预测中过程噪声自适应的方法进行了仿真.结果表明,这种新的模板修正方法具有良好的尺寸及位置自适应能力和抗背景噪声能力,而且过程噪声的自适应也有效提高了Kalman预测的准确度,对目标跟踪具有指导作用.     

在非视距环境下基于数据融合的无线定位算法研究

在基于TDOA数据融合算法的基础上,给出了一种在非视距环境下改进型数据融合模型。该模型利用联合卡尔曼法消除偏差较大的测量值对后续估计值的影响,有效抑制了卡尔曼滤波的不收敛,降低了对可采用系数的限制,从而使可采用的系数进一步降低,更大程度地消除了非视距误差,提高定位精度。     

针对临近空间目标跟踪的自适应AMCKF算法

临近空间飞行器具有机动特性复杂、运动轨迹多阶段性等特点,在目标跟踪的过程中,易出现由于系统模型误差较大导致跟踪精度降低、滤波发散的问题。针对该问题,在容积卡尔曼滤波的过程中加入衰减因子,通过衰减记忆的方法补偿模型误差;同时,提出了一种实时辨识容积卡尔曼滤波衰减因子的方法,达到自适应跟踪的目的。仿真结果表明:衰减记忆容积卡尔曼滤波算法能够很好地解决模型失配问题,自适应算法实时对衰减因子赋值,避免了衰减因子取值的困难,可以达到更好的跟踪效果。