机载双天线模糊相位差和多普勒频率联合定位

研究机载单站利用双天线对固定辐射源进行无源定位的技术。首先介绍仅利用相位差变化率的全空域网格搜索定位法,然后对其进行改进,采用边沿相关来测时差,将全空域搜索缩小为扇形搜索,从而大幅减少了计算量。针对定位结果对飞机姿态精度敏感的问题,提出一种模糊相位差和多普勒频率联合定位算法,并通过仿真验证了算法在定位精度和收敛速度上的优越性。     

空对空单站被动跟踪体制与精度仿真分析

比较了空对空单站被动跟踪的只测角(BO)、角度相位差变化率和角度频率变化率三种典型定位跟踪体制的性能。基于状态及不同的测量模型,给出了扩展Kalman滤波(EKF)算法,讨论了测量精度对跟踪效果的影响。仿真结果表明:角度频率变化率体制的可观测性优于BO和角度相位差变化率体制;对辐射源匀速运动,观测器匀速运动即可跟踪;与BO测角体制相比,角度相位差变化率和角度频率变化率体制增加了观测量,跟踪收敛速度快。     

无源定位中基于小波变换的相位差去噪研究

实际工程中相位干涉仪的测量误差较大,造成相位差变化率定位算法的收敛速度较慢。利用小波阈值降噪法对相位差及其变化率信息进行平滑滤波,可以在相位差测量误差较大情况下进行快速高精度定位,而且观测间隔越短,抗噪性能越好,定位精度越高。仿真证明了算法的有效性。     

基于相位差变化率的单站无源跟踪算法研究

利用机载观测站与辐射源之间的相对运动信息,在方位角测量的基础上增加相位差变化率的测量,可以对固定目标实现即时定位,为了提高精度,需要利用滤波算法进行跟踪滤波.在机载单站无源定位原理研究的基础上,通过计算机仿真分析了该定位方法下KF、EKF和MVEKF多种滤波算法的性能,对工程应用具有一定的参考意义.     

一种反馈修正推广卡尔曼滤波算法及其应用

针对在被动方式下进行目标定位时滤波收敛速度慢和估计精度不高的问题 ,本文介绍了一种反馈修正推广卡尔曼滤波算法。通过引入可观性弱的距离及距离变化率的估计值作为反馈变量 ,作为虚拟观测变量对系统状态进行二次估计 ,可以大大提高算法的收敛速度 ,本文对该算法进行了详细的推导并将其应用于目标被动定位估计器设计中。仿真结果表明 ,该算法在收敛速度 ,估计精度以及稳定性方面都优于原有的卡尔曼滤波器     

基于多普勒变化率的单星无源定位

针对单星测向定位中干涉仪设备复杂、卫星姿态测量要求高等不足,提出了一种基于多普勒变化率的单星无源定位方法。在分析定位原理的基础上介绍了一种网格搜索定位计算方法,并对定位中出现的模糊问题提出了三种解决方案。通过理论分析,研究了定位误差与测量精度的关系。仿真结果表明基于频率变化率的单星定位方法可得到较高精度的定位结果,GDOP分布表明对星下点两侧对称区域内的目标辐射源可实现定位。     

天线组阵中相位差的递推最小二乘估计与滤波

相位差的估计精度是影响深空网天线组阵中信号合成性能的关键因素。利用天线组阵S UMPLE或SIMPLE相关算法中相位差估计值之间的几何关系,提出了相位差变化率的最小二乘 估计,并在此基础上提出了相位差的递推最小二乘滤波方法。经过理论分析和仿真实验表明 ,所提出的方法能够大大提高相位差的估计精度;对于给定的例子,估计精度提高了接近两 个数量级。相位差经滤波后,天线阵的信号合成性能显著增强,从而大大提高对深空通信中 微弱信号的数据接收能力。
     

一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题,提出一种基于粒子滤波的双目视觉惯导SLAM（即时定位与地图构建）方法。算法基于传统粒子滤波思想设计实现,后端处理时仅对位姿状态量进行滤波,有效解决了传统算法的维度爆炸问题,减少计算量的同时保证一定的精确度,兼顾SLAM算法精确性和即时性的要求。实验结果表明,方法整体定位精度相对误差低于5%,在光照条件适宜的小型场景效果更佳,误差低于3%,能够达到分米级精度,证明了SLAM方法能够完成SLAM系统的要求,实现即时定位与地图构建功能,具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。     

基于修正罗德里格参数的小卫星SSUKF姿态确定

用无陀螺的三轴稳定偏置动量小卫星三轴磁强计和太阳敏感器获得观测矢量,提出了一种基于超球面分布采样Unscented变换滤波(SSUKF)和修正罗德里格参数(MRPs)的姿态估计方法,给出了算法模型.SSUKF在保证滤波性能的基础上减少了采样点个数,减轻了星载计算机的负载;用MRPs描述小卫星姿态大幅减少了计算量.某小卫星的仿真结果表明:算法兼顾了精度、收敛速度和鲁棒性,且提高了计算效率,适于小卫星.     

基于α¨-β滤波器的相位差滤波环设计

相位差变化率方法是一种比较有发展前途的单站无源定位方法。基于α β滤波器原理设计的相位差滤波环路 ,力图解决该定位法走向实用面临的两个重要问题———解模糊后的相位差数据的平滑和对应变化率数据的获取。仿真结果表明 ,文中所设计的滤波环路其输出的相位差及对应变化率数据的精度比较高 ,与理论分析结果相符 ,能够达到指定的精度要求。     

高超声速滑翔飞行器再入轨迹快速、高精度优化

针对高超声速滑翔飞行器再入轨迹优化问题，提出一种基于稀疏差分法和网格细化技术的快速、高精度求解方法。该方法应用局部配点法将再入轨迹优化问题转化为非线性规划(NLP)问题，从两方面提高轨迹优化的效率和精度。一方面，引入一种高效的稀疏差分法计算NLP的一阶偏导数，提高NLP的求解效率；另一方面，提出一种基于新型广义二分网格的网格细化算法调整离散节点的数量和分布，使得方法能够采用较少的节点数目取得较高的优化精度，从而减小NLP的规模和计算量。应用该方法求解了高超声速滑翔再入轨迹优化问题，仿真结果表明所述方法能够快速生成一条严格满足各种约束的最优三维再入轨迹。在此基础上，研究了滑翔飞行器的再入落点区范围，进一步检验了该方法的有效性。     

HCKF性能评估及其在传递对准中的应用

针对高阶容积卡尔曼滤波(HCKF)算法在传递对准中的应用问题,提出综合运用多变量函数泰勒级数展开和计算复杂度分析的性能评估方法。基于高阶球面-径向容积准则建立HCKF算法模型,并对其估计精度和计算量进行量化和对比分析：HCKF具有5阶泰勒级数展开精度且计算复杂度为O(n 4),综合性能优于高斯厄米特积分滤波(GHQF)和无迹卡尔曼滤波(UKF)。将三种非线性滤波算法应用到舰机大失准角传递对准系统中,摇摆台试验结果表明：HCKF的估计精度比UKF高17%,计算量比GHQF小2个数量级,与HCKF性能评估结果一致。     

一种基于Kalman滤波的跟踪控制方法

为了降低无线电测控系统跟踪过程中随机误差分量的影响,提高伺服分系统跟踪精度,提出一种基于Kalman滤波的跟踪控制方法,将Kalman滤波器估计得到的目标角位置与天线实时角位置之间的角误差作为伺服分系统位置环路输入,驱动天线跟踪目标。对基于"当前"模型的Kalman滤波算法进行改进,利用UD因式分解和野值剔除算法防止Kalman滤波过程的不稳定。仿真和实测结果表明,改进的Kalman滤波算法具有很好的数值稳定性,基于Kalman滤波的跟踪控制方法具有较高的静态跟踪精度。     

基于α—β滤波器的相位差滤波环设计

相位差变化率方法是一种比较有发展前途的单站无源定位方法.基于α-β滤波器原理设计的相位差滤波环路,力图解决该定位法走向实用面临的两个重要问题--解模糊后的相位差数据的平滑和对应变化率数据的获取.仿真结果表明,文中所设计的滤波环路其输出的相位差及对应变化率数据的精度比较高,与理论分析结果相符,能够达到指定的精度要求.     

基于盒粒子滤波的低成本皮纳卫星高效姿态确定算法

针对低成本皮纳卫星姿态确定系统在质量、体积、计算量以及能耗等方面的限制问题,本文基于区间分析理论提出了卫星姿态区间化描述方法并建立了运动学区间化方程,提出了基于盒粒子滤波(BPF)的皮纳卫星姿态确定算法。该算法首先采用双矢量算法对太阳敏感器和磁强计得到的量测进行姿态解算,并将解算出的姿态四元数作为伪量测值输入传递给BPF,从而降低敏感器噪声对估计精度的影响。仿真实验表明,相比于传统粒子滤波的姿态确定算法,本文所提出的BPF姿态确定算法能够在保证姿态确定精度的同时大幅缩短算法运行时间。     

基于液晶偏转系统的卫星平台振动补偿方法研究

针对卫星平台振动严重影响空间光通信跟瞄精度的问题,提出了基于液晶偏转控制系统的扰动补偿方案。建立了液晶偏转控制系统的数学模型,为了提高收敛速度,设计了基于后验估计误差RLS格型滤波算法的自适应控制器。引入了变阶算法,不但实现了快速、高精度的扰动补偿,而且在没有增加计算量的情况下,消除了高定阶RLS自适应算法中大的暂态响应,改善了控制系统性能。实验结果表明补偿后的扰动残差在10-6rad量级,验证了该控制方案的有效性和可行性。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

自适应SCKF在高动态COMPASS信号参数估计中的应用

高动态环境下北斗二号导航信号具有较高的非线性特性,载波参数估计难以保证较高的精度。在分析高阶非线性载波模型的基础上,提出了一种基于平方根容积卡尔曼滤波（SCKF）的自适应滤波算法,对载波相位及其三阶导数进行估计。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,且在迭代滤波过程中,利用移动窗口法通过最新量测信息来改进过程噪声和量测噪声的协方差阵,可获得较高的估计精度。仿真结果表明,相比EKF和SCKF,本文提出的方法具有更高的估计精度和更快的收敛速度。