不完全信息下导弹参数与状态的联合估计

基于UKF推导了非线性系统参数的递推最大似然估计算法, 并结合UKF实现了对不完全信息下导弹的参数与状态的实时联合估计。首先通过引入导弹的导引律, 建立导弹的状态滤波模型, 进而给出参数辨识的一般递推似然法, 并在UKF状态滤波算法的基础上推导出非线性递推最大似然参数估计方法, 实现了参数估计与状态滤波的并行计算。仿真结果表明, 该方法收敛速度快, 具有很好的实时性和较高的估计精度。     

一种改进的多普勒雷达跟踪算法

多普勒雷达能够获得目标位置量测的同时,还能获得多普勒量测,即目标径向速度.为解决多普勒雷达量测处理算法过程复杂、计算量大的问题,本文提出一种用不敏卡尔曼滤波处理多普勒量测的改进方法对多普勒雷达量测直接在混合坐标系下进行非线性滤波,实现过程简单,计算量小.仿真结果表明该算法能够达到序贯扩展卡尔曼滤波和序贯不敏卡尔曼滤波算法的状态估计精度,并且明显改善估计的一致性.     

基于无迹卡尔曼滤波的MIMO-OFDM系统信道估计算法

基于对现有MIMO-OFDM系统信道估计技术及其理论的分析,提出了一种基于无迹卡尔曼滤波（UKF）的信道估计算法。该算法不需要信道的任何先验统计信息,从频域出发,首先利用最小二乘（LS）算法得到导频处信道的粗略估计值,再在时域运用路径捕获法和UKF算法得到信道的精确估计值。仿真结果表明,与LS算法、最小均方（LMS）算法等相比,该算法在较低运算复杂度下可以获得信道估计性能的明显改善。     

基于UKF的视觉辅助末制导仿真研究

针对巡航导弹中段制导累积误差大的情况,在末制导段采用计算机视觉技术进行辅助制导.介绍了视觉制导的位姿估计方法,并利用无迹卡尔曼滤波器(UKF)对视觉和惯性制导系统进行信息融合,建立了视觉辅助末制导(VATG)的仿真控制模型.实验结果表明:该方法显著提高了末制导系统的精度和可靠性.     

一种红外导引头量测误差抑制方法研究

针对自寻的反坦克导弹的红外导引头由于受复杂背景和随机干扰影响测角精度不高的问题,提出了一种惯导信息辅助的无迹卡尔曼滤波方法;利用惯导信息描述导弹自身的运动,基于弹目信息状态变量构建弹目相对运动模型,采用无迹卡尔曼滤波方法实现对导引头量测误差的抑制;该方法实现了导引头量测信息与惯导信息的融合,充分利用信息资源,抑制导引头量测误差,提高了导弹的打击精度,仿真实验证明了该方法的有效性.     

UKF在INS/GPS组合导航直接法滤波中的应用

INS/GPS组合导航系统直接法滤波中是直接以导航系统输出的导航参数(位置、速度等)作为状态,所以系统方程为非线性方程。UKF(Unscented Kalman Filter)是一类以UT变换为基础,以卡尔曼线性滤波为框架,采用确定性采样策略逼近非线性分布的非线性滤波算法。由于它是对后验概率密度进行近似来得到滤波估计,所以避免了非线性系统中状态方程的线性化问题,能较好地解决系统方程非线性问题。论文INS/GPS组合导航系统中采取直接法,建立非线性模型进行UKF滤波解算,并与EKF方法比较,实验结果显示UKF方法能更好地解决系统状态方程非线性的问题,并得到更高的导航精度。     

基于变增益UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,设计了变增益UKF滤波器。变增益UKF滤波器具备UKF滤波器精度高,稳定性好,不易发散的优点。蒙特卡罗仿真结果表明,该滤波器适用于实际情况,且具有比UKF和EKF更好的跟踪性能。     

基于自适应多测量融合UPF的矿井人员跟踪算法

针对复杂背景下的矿井跟踪视场由于单一线索对目标缺乏可分性、观测模型可靠度对场景变化缺乏自适应性致使观澍失效、跟踪发散的问题,提出了基于自适应多测量融合UPF的矿井人员跟踪算法.采用UKF产生预测样本,通过融入最新观测的建议分布引导预测样本分布在状态空间的高似然区域,扩大了预测样本与观测似然峰值重叠区域;提出运动光流直方...     

UKF强跟踪滤波在组合导航故障诊断中的应用

针对组合导航系统故障诊断,在强跟踪滤波理论的基础上,对无迹卡尔曼(UKF)强跟踪滤波法进行了研究.UKF强跟踪滤波法兼具UKF和强跟踪滤波器的优点:较强的处理非线性问题的能力和强跟踪能力.最后,将该方法应用于组合导航系统故障诊断,设置不同的故障模式,与强跟踪滤波法进行了对比仿真研究.从仿真结果可看出,两种方法对硬故障的灵敏度接近,UKF强跟踪滤波法对软故障的灵敏度明显高于强跟踪滤波方法.由此证明UKF强跟踪滤波器对于突变状态具有强跟踪能力,对于缓变故障具有优于其他方法(强跟踪滤波)的敏感能力,提高了组合导航系统的精度、可靠性和安全性,可应用于工程实际.