基于可变遗忘因子的渐消记忆变分贝叶斯自适应滤波算法

针对全球卫星导航系统/捷联惯性导航系统（GNSS/SINS）组合导航中GNSS信号易受干扰，造成量测噪声突变的问题，提出一种基于可变遗忘因子的渐消记忆变分贝叶斯自适应Kalman滤波（VBAKF）算法。针对自适应滤波中突变噪声难以准确探测，构建基于初值的噪声突变检验准则；为解决自适应滤波估计突变噪声的拖尾现象，将变分贝叶斯自适应滤波的超参数传递结构转化为协方差阵修正结构，通过构造可变遗忘因子函数动态调节自适应滤波中的遗忘因子。仿真和实测数据表明：所提算法可在GNSS/SINS噪声突变时快速估计量测噪声，提高组合导航精度。     

粒子群优化粒子滤波的接收机自主完好性监测

接收机自主完好性监测（RAIM）是航空卫星导航接收机必不可少的功能,为保持全球卫星导航系统（GNSS）在卫星发生故障时系统性能不降级,需要对卫星故障进行检测和隔离。针对接收机观测噪声非高斯分布的特点,提出一种基于粒子群优化粒子滤波（PSO-PF）的故障检测和隔离算法。通过粒子群优化粒子滤波对状态估计进行一致性检验实现故障检测。采集实测数据验证算法的检测性能,并与基于基本粒子滤波的完好性监测算法进行比较,结果表明:本文所提算法在非高斯测量噪声下可检测并隔离全球定位系统（GPS）故障卫星,其性能优于基于基本粒子滤波的完好性监测算法性能,对研究北斗卫星导航系统（BDS）接收机自主完好性监测具有一定的意义。      

空间非合作目标交会对接影像测量自适应处理

分析了空间非合作目标影像测量及特征点提取机理,根据对接中特征点识别噪声不确定和空间摄动引起的模型误差,对传统滤波方法进行改进;通过量测更新后的新息数据对量测噪声量级进行估计,同时采用渐消自适应方法对模型误差进行处理,增进滤波效果;设计了针对空间非合作目标对接段的滤波器,能够提供对接段相对位置、速度、姿态角及角速率估计信息。仿真结果表明,提出的改进滤波算法能够在测量噪声不确定和模型误差条件下达到较好效果。     

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

基于IMU与UKF的船舶升沉运动信息测量方法

为获取实时、精确的船舶升沉运动信息，根据船舶升沉运动模型和频谱分析方法，建立描述惯性测量单元（IMU）的加速度测量信息与船舶升沉运动状态量关系的解析模型。基于无迹卡尔曼滤波（UKF）算法非线性滤波的特点，进行升沉运动滤波解算。通过仿真分析证明了所提方法在船舶升沉运动测量中的有效性。利用三自由度平台升沉运动测量实验验证，结果表明，同一模型下，相比于扩展卡尔曼滤波（EKF）算法的解算结果，所提方法具有更快的收敛速度和更高的测量精度；对船舶升沉位移的估计精度达到最大升沉幅值的5%，可以得到精确、无时延的船舶升沉运动信息。      

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

基于EMD的MEMS陀螺仪随机漂移分析方法

为了抑制微机械电子系统（MEMS）陀螺仪的随机漂移，基于经验模态分解（EMD）和模态集合选择标准，结合时间序列建模滤波法，提出了一种改进的MEMS陀螺仪随机漂移分析方法。首先，通过EMD将MEMS陀螺仪原始数据分解为多个本征模态函数（IMF），利用模态集合选择标准将IMF分为噪声IMF、噪声与信号混合IMF和信号IMF三类；然后，对混合IMF进行重构、时间序列建模及自适应卡尔曼滤波（AKF）；最后，将3类信号重构，实现MEMS陀螺仪信号去噪。实验表明:所提方法有更好的去噪效果和实时性，提高了MEMS陀螺仪的使用精度。      

超流体陀螺相位波动噪声自适应抵消系统分析

针对超流体陀螺相位波动噪声影响陀螺角速度检测精度的问题,提出了一种基于递推最小二乘（RLS）算法的陀螺自适应噪声抵消系统。首先,建立了超流体陀螺的相位检测模型,得到了陀螺输出薄膜幅值和相位的关系。其次,考虑热运动的影响,建立了相位波动噪声的等效输入角速度模型,探索了陀螺参数对角速度噪声的影响,得到了陀螺角速度噪声幅值范围。在此基础上,考虑该角速度噪声与输入角速度的互不相关性,将超流体陀螺薄膜幅值解算输出的混合角速度信息作为抵消系统的期望输入,将相位波动噪声引起的角速度噪声作为RLS自适应滤波器的参考输入,通过自适应调节参数使得RLS自适应滤波器的输出与混合角速度信息的噪声部分相抵消。通过与最小均方（LMS）算法仿真对比表明,在大角速度、大噪声情况下,该抵消系统能够有效消除陀螺混合角速度信息中的噪声成分,且具有较快的收敛速度和较好的稳定性。      

Radio/FADS/IMU integrated navigation for Mars entry

Supposing future orbiting and landing collaborative exploration mission as the potential project background, this paper addresses the issue of Mars entry integrated navigation using radio beacon, flush air data sensing system (FADS), and inertial measurement unit (IMU). The range and Doppler information sensed from an orbiting radio beacon, the dynamic pressure and heating data sensed from flush air data sensing system, and acceleration and attitude angular rate outputs from an inertial measurement unit are integrated in an unscented Kalman filter to perform state estimation and suppress the system and measurement noise. Computer simulations show that the proposed integrated navigation scheme can enhance the navigation accuracy, which enables precise entry guidance for the given Mars orbiting and landing collaborative exploration mission.     

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

基于小波滤波的无人旋翼机高度信息融合

针对小型无人旋翼机自主飞行时高度测量信息不稳定、易受干扰的问题,提出采用基于滤波数据的自适应高度信息融合方法来提高无人旋翼机高度测量信息的精度和可信度.通过基于小波提升算法的小波分解重构方法,消除原始测量数据中的高频噪声;根据全球定位系统的测量精度受搜到卫星数目波动影响的现象,提出利用自适应卡尔曼滤波的方法实现高度信息融合.通过自主悬停和三维航迹跟踪飞行试验验证该方法的可行性和有效性.     

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

单天线GPS姿态测量系统在制导火箭中的应用

了解决火箭横向尺寸不足以安装多天线GPS的技术问题, 提高制导火箭飞行姿态 的测量精度, 研究了利用单天线GPS进行姿态测量的方法. 引入伪姿态的概念, 分析了由伪姿态测量辅助求取载体姿态的具体算法, 建立了单天线GPS姿态测量的数 学模型, 利用卡尔曼滤波模型对状态矢量模型进行滤波, 得到相应的速度、加速度信息, 根据常规姿态与伪姿态的关系, 得到火箭的常规姿态信息. 通过仿真研究, 验证了这种姿态测量系统在制导火箭上的可行性和有效性.      

利用星地差分GPS的地基测控系统实时标校方法

针对地基测控系统传统标校方法和基于差分GPS事后标校方法的不足，提出了一种基于低轨卫星与地面测控站之间星地差分GPS的地基测控系统测量误差实时标校方法。与基于差分GPS的事后标校相比，实时标校能使地基测控系统及时获取标校后的测量数据，从而实时进行轨道解算和预报，并及时上注以提升卫星运行性能。针对星地长基线、高动态和实时标校场景，系统地分析了影响星地基线估计性能的各项误差及修正效果，并提出相对位置精度因子的概念，由此得到星地基线估计精度预算。采用基于抗差自适应卡尔曼滤波的实时星地基线估计算法，并利用加权最小二乘法求解测控系统测量误差，从而获得校准结果。利用星载双频GPS接收机和导航信号模拟器构建半实物仿真平台，仿真结果表明，实时标校后测距系统误差残差降低到40cm左右，测速系统误差残差降低到1cm/s以下，与理论分析结果一致，可以较好地满足未来航天任务的测控需求。     

转动惯量未知的非合作目标角速度估计方法研究

针对转动惯量未知的非合作目标的姿态角速度估计问题,将解算得到的非合作目标的惯性姿态作为测量信息,估计姿态角速度和姿态动力学参数（即转动惯量比）．首先,应用非线性控制系统的几何理论对待估计的状态扩展系统进行能观性分析．然后,利用UKF设计相应的滤波估计算法．仿真结果表明,本文所设计的方法能够精确估计出非合作目标的姿态角速度与转动惯量比．