模糊自适应卡尔曼滤波技术研究

提出了一种基于模糊自适应卡尔曼滤波技术的组合导航的新方法。这一方法主要应用于自主式机动飞行器。用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在线”修正,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。通过对ＧＰＳ/ＩＮＳ组合导航系统的仿真,验证了模糊自适应卡尔曼滤波器比常规卡尔曼滤波器具有更高的精度。该方法的研究对飞行器的导航与制导具有重要意义。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

航天器非合作目标相对导航的联邦滤波算法研究

提出了一种适用于空间机器人在轨对非合作目标进行测量的“激光测距仪+可见光 测角相机”组合的联邦卡尔曼滤波相对导航算法。分析了激光测距仪和可见光相机进行非合 作目标测量时存在的问题,为此设计了一套包括分别基于测角信息和测距信息的子滤波器, 以及进行子滤波器数据融合的主滤波器在内的联邦卡尔曼滤波器,并提出了具体的判据来对 子滤波器进行“条件重置”。仿真实验数据表明该联邦卡尔曼滤波器能够在部分目标测量设 备的输出出现暂时故障情况下输出较为平稳的相对导航数据,并且滤波算法具有较好的容错 性。
     

GPS/INS组合导航中两步自适应滤波方法

GPS/INS组合导航实际应用中存在系统模型偏差、噪声模型不确定等问题,导致卡尔曼滤波器无法实现最优滤波效果,严重时甚至导致滤波发散。渐消卡尔曼滤波器和自适应卡尔曼滤波器通过引入单渐消因子和单自适应因子可以部分解决上述问题,但是不足在于单因子只能进行整体调整,不能精确调整各个通道。针对此问题,本论文提出一种2步自适应卡尔曼滤波算法,构造基于残差协方差估计的多重渐消因子和自适应因子对各个通道精确调整,克服动态环境下跟踪性差的局限性。实验结果表明,改进后的自适应卡尔曼滤波算法可以精确调整各通道,增强系统的定位精度、跟踪性能和鲁棒性。     

基于卡尔曼滤波器残差的矢量跟踪完好性研究

针对接收机跟踪卫星导航信号时可能发生的各类故障,利用卡尔曼滤波器的残差观测量进行滤波,通常可以在不借助冗余观测量的情况下快速检测和隔离故障。建立软件接收机平台,利用卡尔曼滤波器进行导航信号的矢量跟踪,在跟踪环中模拟故障的发生并依靠残差序列滤波的方法检测并排除错误观测量。实验表明,在算法模拟的短时较大幅度干扰下,完好性监测方法可以快速检测并排除错误观测量对环路跟踪的影响,且无需冗余观测量。     

一种FAKF算法及其在惯性/多普勒组合导航中的应用

研究了一种模糊自适应卡尔曼滤波器(FAKF),并将其应用于惯性/多普勒组合导航中,以解决量测噪声时变导致滤波精度下降的问题.模糊自适应卡尔曼滤波器将模糊控制理论应用于卡尔曼滤波,通过新息来调节量测噪声的方差矩阵,使其与实际的量测方差相匹配,达到最优估计的目的.机载试验数据的离线仿真表明,FAKF能够较好地适应量测噪声时...     

模糊超球神经网络辅助组合导航融合算法

研究了应用线性网络对组合导航多传感器信息进行融合的方法,在此基础上提出了一种神经网络组合导航容错算法。该算法将局部滤波器状态估计的模糊超球隶属函数引入网络,在线调整融合网络权值,实现全局估计的自适应性和容错性。仿真表明,该融合算法有较高的估计精度,在传感器故障时,能够及时检测出并在融合网络中予以隔离,不致影响全局估计。     

卡尔曼滤波器在战术导弹导航系统中的应用

研究了一种战术导弹的导航滤波器。在中制导段以地面雷达作为测量单元，应用最优估计理论，设计了被称为导航滤波器的广义卡尔曼滤波器，以便于提供目标的运动状态信息。建立了导航滤波器的数学模型，并进行了公式推导和数字仿真分析。仿真结果表明，该方案能有效地估计大机动目标的运动状态信息。     

空中目标的状态估计

本文根据卡尔曼滤波理论,设计了一种对空中目标状态估计的算法,即卡尔曼滤波器。首先选择适合防空火控系统卡尔曼滤波器的坐标(?)直角坐标系,然后建立适合目标运动规律的随机加速度模型,接着针对防空雷达建立观测方程,讨论了初始条件的选择。并对该算法进行仿真分析。     

基于间接量测的卫星相对导航

研究了以微波雷达作为相对测量设备的追踪星与近圆轨道上运行的目标星之间的自主相对导航问题。通过对卫星相对运动方程简化得到了线性的卫星相对运动方程。采用以雷达输出确定的直角坐标系下的相对位置作为量测,避免了直接使用雷达输出作为量测时量测方程的非线性问题,并给出了间接量测噪声方差矩阵的构造方法。根据线性的相对运动方程和量测方程设计了基于标准卡尔曼滤波器的相对导航算法。根据某微波雷达的性能参数进行的仿真结果表明：该算法与采用雷达的直接输出和EKF的算法导航精度相当,然而该算法避免了求解雅可比矩阵的繁琐过程,使滤波器的设计工作得到简化。
     

Unscented卡尔曼滤波在SINS静基座大方位失准角初始对准中的应用研究

静基座大方位失准角的捷联惯导系统误差方程是非线性的，如何对静基座大方位失准角的捷联惯导系统进行初始对准是需要解决的问题。本文提出了基于Unscented转换的Unsented卡尔曼滤波进行捷联惯导系统对准的方法。分别通过扩展卡尔曼滤波和Unsented卡尔曼滤波进行仿真计算，结果验证了Unscented卡尔曼滤波的有效性与优越性。     

跨声速气动参数在线辨识方法研究

以增广扩展卡尔曼滤波作为在线辨识工具,对再入体跨声速区的气动参数在线辨识方法展开研究.系统分析了增广扩展卡尔曼滤波对状态和参数联合辨识效果,发现缓变气动参数辨识效果良好,但气动参数变化剧烈时辨识结果有较大偏差,为克服这一缺点,将强跟踪思想引入到一般的增广扩展卡尔曼滤波器中.通过仿真表明,强跟踪增广扩展卡尔曼滤波器可以有效克服一般增广扩展卡尔曼滤波在参数变化较大时估计误差较大的缺点.     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

基于多圆交汇的天文定位与组合导航方法

惯性/天文组合导航系统具有全自主、抗干扰能力强等特点,在一些特殊的导航领域受到了人们的高度重视。本文研究了一种天文多圆交汇迭代定位算法,具有数值计算稳定,适合任意多颗导航恒星参与计算的优点,并能同时计算出对应的定位误差协方差阵;在此基础上,将捷联惯性导航系统与天文导航系统组合,构成了扬长避短的组合导航系统,采用扩展卡尔曼滤波算法实现捷联惯导与天文定位两者的信息融合。最后进行了仿真实验,其结果表明,该天文定位算法简单有效,定位误差模型准确,组合后的系统具有较高的精度。     

基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

单站无源定位中角度变化率的测量方法研究

讨论了单站无源定位中角度变化率测量的问题.首先简要介绍了差分法、最小二乘拟合法和卡尔曼滤波法的测量原理,其次为了解决滤波模型非线性的影响,提出了一种并行分段处理的卡尔曼滤波方法,最后从数字滤波的角度,通过设计相应的低通滤波器对估计获得的角度变化率数据流进行处理,进一步提高了角度变化率的测量精度.仿真实验对比分析了所述几...     

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     

空间拦截中只测量视线角速度的跟踪滤波器的可观性分析

建立了空间拦截中导弹与目标的相对运动方程。论述了卡尔曼滤波器的可观性准则，研究了跟踪滤波器的可观性，并分析了影响跟踪滤波器可观性的因素。数字仿真证实了理论的正确性。     

卡尔曼滤波中动态模型的分级解耦

本文对卡尔曼滤波中动态模型的解耦提一种新的方法，这种方法其实质是把对整个动态模型的并联滤波估计变成对整个动态模型的分级串联滤波估计。这种分解耦的方法即可用于线性动态模型又可用于非线性动态模型。对于阶数很高的非线性动态模型，这种方法对于提高估计精度，减少量和计算时间，更有其优越性。本文利用一个九阶非线性动态模型进行仿真计算。计算结果说明了这种方法的有效性。