基于半参数建模的弹道目标实时滤波

设计弹道目标的实时跟踪滤波器时,精确的动态建模和测量系统误差自校准是提高滤波精度的重要手段。基于补偿最小二乘原理和Tikhonov正则化定理,将难于参数化的复杂运动成分和测量系统误差表示为非参数分量,建立了基于半参数化建模的弹道递推模型和实时滤波算法,并详细设计了半参数建模时所需的光滑因子、正则化矩阵和窗口宽度等建模参数的在线选取方法。仿真实验和实际数据的计算结果表明,非参数成分可以有效地补偿状态模型误差,且可在线校准测量系统误差,显著改善弹道估计精度。算法已初步应用于实际飞行任务,其中的递推建模方法和参数选择策略对其它实时滤波器的设计同样有参考价值。     

两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用

针对两传感器信息融合，提出了一种在标量加权下的最优信息融合Kalman滤波器。该信息融合滤波器考虑了局部滤波误差的相关性，避免了局部滤波误差方差阵的逆短阵的计算，也避免了加权短阵的计算，只要求计算加权系数，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。     

临近空间非弹道式目标HTV-2跟踪滤波与预报问题

近年来各国均开始重视临近空间高超声速飞行器的发展,其中以X-51A和HTV-2高超声速飞行器飞行试验相继成功为代表。本文概述了目前高超声速飞行器跟踪滤波与预报领域存在的难点问题,然后对坐标系进行了定义,并设计了HTV-2(Hypersonic Technology Vehicle-2)质心运动方程及跟踪滤波器,介绍了HTV-2弹道预估原理,最后使用卡尔曼滤波方法进行了仿真计算,并对相关参数的选取进行了分析。仿真结果得出使用卡尔曼滤波算法跟踪滤波效果较好,对工程应用有一定的借鉴意义。     

基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法.传统的弹道导弹跟踪方法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高.在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化.对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较.仿真结果表明新算法的模型更准确,跟踪性能更好.     

基于自适应IMM算法的高超声速飞行器轨迹预测

针对非弹道式高超声速飞行器的周期跳跃运动特点,提出了一种基于多种运动模型的自适应交互多模型(IMM)方法对目标运动状态进行估计。建立了目标的常速度、常加速度、Singer和蛇形机动模型,以及雷达的量测模型。自适应IMM算法包括混合概率计算、输入融合(混合交互)、模型条件滤波、模型概率更新和滤波估计融合等步骤。算法融合了Singer和蛇形机动模型,能较好地适应有幅值变化和频率衰减的模型状态估计,并用滤波估值和双正弦和函数拟合加速度,进一步递推目标运动轨迹。仿真结果表明:自适应IMM算法对高超声速目标有较好的弹道跟踪和预测精度。     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法。传统的弹道导弹跟踪方法，利用扩展卡尔曼滤波器进行非线性滤波，取Taylor展开的前两项，可能引入较大的线性化误差，导致跟踪精度不高。在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述，并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化。对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较。仿真结果表明新算法的模型更准确，跟踪性能更好。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。
     

多姿态敏感器测量的信息融合定姿方法研究

基于最优融合估计理论,给出并证明了多敏感器组合姿态确定系统状态最优融合估计形式。设计了基于信息分配的多信息融合联合滤波器结构和算法,分析估计性能,讨论了决定联合滤波器融合的性能信息分配因子选择方法,提出了一种基于协方差阵特征值平方分解的动态自适应信息分配因子确定方法。以某卫星多姿态敏感器组合测量为例,推导了卫星姿态确定的误差状态方程和各子系统的量测方程及观测阵。仿真结果表明：采用联合滤波器对多敏感器卫星姿态确定系统进行信息融合能改善定姿精度,有效抑制滤波发散,并提高整个系统的运算与收敛速度。     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

基于卡尔曼滤波的时分星间信号跟踪技术研究

在星间链路领域的测量过程中，时分双工体制星间测量逐渐成为新兴技术，而时分信号的跟踪精度决定了接收机测量误差。传统的接收机载波跟踪环路可以保证对连续信号的稳定跟踪，但受相位抖动的影响较大，且对于时分双工体制间断信号，会出现开环阶段跟踪结果发散的问题。针对以上问题，提出了一种基于自适应卡尔曼滤波的时分信号跟踪技术，采用卡尔曼滤波器对鉴相结果进行处理，在开环阶段根据前一时刻的最终状态对频率进行稳定外推。相比于传统跟踪环路，该技术的载波相位跟踪误差绝对值均值降低了92.9%，标准差降低了93.5%。实验结果表明，该技术不仅实现了开环阶段载波相位的稳定跟踪，且有效抑制了闭环阶段相位抖动的影响，对实现时分双工体制星间精密测量具有重要应用意义。     

基于故障因子函数的鲁棒联邦滤波算法研究

针对联邦滤波器子系统传感器故障，提出了一种基于状态递推器的滑动残差检验法，并在故障检测函数的基础上，定义了故障因子函数，用于联邦滤波器的信息分配。根据新的算法，联邦滤波器的信息分配系数可根据故障因子函数进行自动调整，以减少故障通过全局重置对其他无故障子系统的污染程度，从而减少了故障信息的影响程度和持续时间，提高了故障隔离后联邦滤波器的快速恢复能力。仿真结果表明该算法是有效的。     

多传感器协同辨识自校正加权观测融合Kalman滤波器

对于带未知噪声统计的多传感器系统,利用最小二乘法将观测方程统一处理,形成新 的跟踪系统,处理后的观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关 函数阵解矩阵方程组,可解得各传感器观测噪声方差〖WTHX〗R〖WTBX〗i。通过状态 方程和观测方 程以及观测噪声估值,利用相关函数,可求得〖WTHX〗ΓQ〖WTBX〗w〖WTHX〗Γ〖WTBX 〗 T 的估计,进而得到自校正 加权观测融合Kalman滤波器。一个带有3传感器目标跟踪系统的仿真例子说明了其收敛速度 快,估计精确等特点。