自适应滤波在平台自标定数据处理中的应用

对平台标定中数据处理的一种方法是对角度传感器输出分析，解算出移角速率，并在此基础上辨识出漂移参数。由于平台自标定在动基座条件下进行，角度传感器输出中的噪声统计难以确定，并且会出现时变的情况。传统的卡尔曼滤波方法不能适用。自适应卡尔曼滤波的估计状态的同时，利用观测数据带来的信息，可在线估计噪声的统计特性，从而不断地改进滤波器的设计。建立输出数据常速度模型，采用Sage和Husa自适应滤波算法，进行参数辨识，得到较好的效果。     

改进的Sage—Husa滤波及在卫星姿态估计中的应用

基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波（EKF）,与Sage—Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。     

基于Kalman光纤陀螺的随机信号处理

分析了光纤陀螺随机漂移的特性,建立了随机漂移的ARIMA模型;针对IFOG输出信号的特点建立了随机漂移的观测方程并用卡尔曼滤波把随机漂移估计出来,用以对IFOG的输出进行补偿.根据时间序列预测的特点和要求,分析了传统时间序列预测方法的不足,提出了将卡尔曼滤波应用于时间序列预测.推导了基于卡尔曼滤波的ARMA模型参数实时更新算法,并采用功率谱密度分析方法确定预测模型的形式与阶数;通过对光纤陀螺随机漂移建模进行了实证研究,对光纤陀螺仪信号处理有着重要的参考.     

自适应滤波在磁暴期间地磁导航中的应用

对磁暴期间巡航导弹巡航段的地磁导航问题进行了讨论。针对地磁导航在磁暴期间常规卡尔曼滤波容易发散的问题,提出了一种基于Sage\|Husa自适应卡尔曼滤波的地磁导航算法。算法根据新息的变化自适应调整测量噪声矩阵,消除了磁暴影响,提高了滤波稳定性。仿真表明在选择合适的遗忘因子基础上,即使在磁暴最剧烈的时间段,采用自适应卡尔曼滤波仍能保证一定的精度,定位精度在200m以内,满足巡航导弹中程制导的精度要求。     

激光陀螺随机误差的非参数建模与滤波

陀螺随机误差是影响惯导系统导航精度的重要方面.减小随机误差影响的有效方法是对随机误差进行建模并采用合适的滤波器进行滤波.为了更好地描述激光陀螺漂移的非线性,提出应用一类非参数ARMA模型--FARMA(p,q,d)模型(函数系数自回归滑动平均模型)对激光陀螺漂移数据进行建模.同时提出应用粒子滤波技术进行滤波,并采用交叠式Allan方差法辨识滤波前后随机误差噪声参数.仿真结果表明,应用该模型能较好的反映激光陀螺漂移的非线性;粒子滤波技术能有效抑制随机误差,5个误差项系数的减少均在29%以上.     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

基于AR模型的MEMS惯导随机误差分析方法

由于微机械惯性器件(MEMS)捷联惯导系统的惯组误差和漂移较大,在较短的时间内也会由于器件误差积累和模型算法误差引起很大的导航偏差。采用Allan方差法分析了MEMS陀螺的随机误差,并对陀螺中主要的5项随机误差系数进行辨识。辨识结果显示,角度随机游走在随机误差中占主要部分。针对MEMS陀螺的实测数据,运用时间序列方法对其随机误差进行分析,并建立了AR模型,试验结果表明,根据所建立的AR(1)模型,采用Kalman滤波方法可以减小其随机误差,滤波后的陀螺输出精度可提高3倍。     

基于新型经验模分解的激光陀螺漂移趋势项提取

为了提高激光陀螺建模精度进而提高惯件导航系统的精度,需要对激光陀螺漂移时间序列的趋势项进行精确提取.针对陀螺漂移时间序列非线性、非平稳的特点,提出一种基于自适应正弦延拓的新型经验模分解方法对其趋势项进行提取.该方法根据信号端点附近数据变化趋势,在其两端加上适当相位、幅值和频率的正弦延拓函数,从而抑制端点效应,提高分解精度.数字仿真和实例应用结果表明该方法具有筛选次数少,自适应能力强,分解精度高的优点,是提取趋势项的一种有效方法.     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

光纤陀螺随机漂移的实时滤波方法研究

在光纤陀螺捷联惯导系统的初始对准过程中,光纤陀螺的随机漂移是影响对准精度的重要因素。通过离线的建模和滤波,能够在一定程度上抑制光纤陀螺随机漂移的影响,但由于受环境因素及光纤陀螺重复启动性能的影响,离线建立的模型通常不具备普适性,无法实现初始对准中随机漂移的在线滤波。为了解决这一问题,论文研究了随机漂移的实时滤波方法,包括基于ARMA模型的Kalman实时滤波方法和基于滑动数据窗的小波实时滤波方法,并对两种方法进行了改进。最后,进行了光纤陀螺捷联惯导系统的初始对准试验,研究了两种滤波方法对对准精度的影响,试验结果表明两种在线滤波方法均能够在较大程度上提高初始对准的精度,而且小波实时滤波方法的精度和实时性均优于基于ARMA模型的Kalman实时滤波方法。
     

自适应广义卡尔曼滤波器在反辐射导弹中的应用

抗目标辐射源关机的能力是反辐射导弹的关键战术技术性能之一，采用增广状态的广义卡尔曼滤波（EKF）与Sage－Husa自适应滤波相结合的方法，解决了在被动雷达导引头测量存在常值偏差和随机噪声，且随机噪声方差未知情况下所测角度的滤波问题，从而在目标辐射源关机时刻较精确地建立起目标视线在惯导坐标系中的方位坐标（简称惯性基准），进而利用速度追踪法导引导弹攻击目标。给出了以某型导弹为背景的全空间弹道数学仿真结果。     

光纤陀螺随机漂移ARMA模型研究

从理论上证明了山多个ARMA过程组成的平稳随机过程，可以南一个等效ARMA模型描述，并推导废模型的数学表达式。提出了一种新的平稳随机过程建模的有效方法，并应用于光纤陀螺随机漂移建模。采用功率谱密度分析光纤陀螺随机漂移组成，从而确定随机漂移的ARMA模型的形式和阶数。通过对实际光纤陀螺数据分析和建模，利用所得随机漂移模型对陀螺输出数据补偿，检验模型的适用件。结果表明废建模方法正确町行，采用该方法建立的光纤随机漂移模型具有很好的适用性，可以有效抑制光纤陀螺随机漂移。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

单自由度气浮陀螺随机漂移模型特性分析

对某型单自由度气浮陀螺随机漂移的AR（2）平稳时序模型进行了分解，由分解得到的快模型和慢模型确定了随机漂移数据的时序相关时间和噪声组成成分，从而为漂移数据的采样方法和恒量惯性导航系统的性能提供了依据。     

硅微陀螺阵列信号处理技术研究

() 摘 要:基于一种新的硅微陀螺随机漂移模型和被测角速度的随机游走模型,建立硅微陀螺阵列随机漂移过程的Kalman滤波方程。通过数据融合方法,在选择合适的陀螺间互相关系数的基础上,可以将硅微陀螺的静态漂移从52.1度/小时降低为0.465度/小时。利用同类多传感器的数据融合和被测量动态信号的差分技术,可以实时辨识出硅微陀螺的随机漂移,通过已被检测出的动态信号的进一步Kalman滤波,最终可将被测信号的信噪比提高11dB.
     

基于低成本陀螺和倾角仪的姿态估计

针对动中通测控系统中低成本陀螺和倾角仪的姿态估计和陀螺误差校正问题,提出一种利用UKF（Uncented Kalman Filter）滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。试验中姿态角估计误差在1°以内,x轴陀螺漂移估计误差为0.0148°/s,y轴陀螺漂移估计误差为0.0017°/s,试验结果表明该算法能有效提高姿态角估计和陀螺漂移估计的精度。     

基于陀螺和星敏感器的卫星姿态确定算法

主要研究了基于陀螺和星敏感器配置的卫星姿态确定算法.为保证卫星姿态确定的高精度,利用星敏感器提供的姿态四元数结合扩展卡尔曼滤波,对陀螺漂移进行实时补偿.并利用在轨数据,通过matlab数学仿真,验证了高精度滤波算法的有效性.所设计的滤波器能准确估计陀螺漂移,估计误差优于5.56×10-5(°)/s;姿态估计误差优于0....     

基于异方差分析的多MEMS陀螺随机误差补偿方法

针对具有异方差性的多MEMS陀螺随机漂移误差的补偿问题,提出基于广义自回归条件异方差建立单个MEMS陀螺随机漂移的误差模型,并在此基础上进行多元异方差时间序列的相关性分析,研究基于多元广义自回归条件异方差分析多MEMS 陀螺随机漂移信号的协方差矩阵和时变相关系数。将该分析方法应用于多MEMS陀螺的在线融合补偿中,验证了多元异方差分析方法对多MEMS陀螺随机误差补偿的有效性。仿真结果表明该方法对随机漂移信号具有很好的融合补偿效果,可以提高多MEMS陀螺的测量精度。     

光纤陀螺随机误差建模及补偿

针对光纤陀螺的非系统性随机噪声,研究其补偿方法。首先,对光纤陀螺观测数据进行平稳性、正态性、零均值性和周期性统计检验。然后,基于时间序列分析的数据建模方法,利用光纤陀螺的输入输出特性数据建立AR模型,并验证AR模型的适用性。最后,采用基于AR模型的Kalman滤波算法对随机误差进行滤除。仿真结果表明,基于AR模型的Kalman滤波算法能够有效抑制光纤陀螺随机误差。     

基于自适应KF动态虚拟陀螺数据融合算法的研究

微机电系统(MEMS)陀螺与光纤陀螺相比，传感器的精度较低。为了提高MEMS陀螺的精度，通过组合多个相同陀螺实现虚拟陀螺的功能，同时提高虚拟陀螺的静态和动态性能。通过分析陀螺的Allan方差，并考虑陀螺之间的相关性，建立陀螺的测量模型;使用自回归(AR)模型建立预测模型，对卡尔曼滤波(KF)算法进行优化;搭建多MEMS陀螺仪硬件平台，获取数据并实时计算，融合多陀螺数据输出最优估计值，使用高精度转台分别在静态和动态条件下测试滤波效果。实验结果表明:静态条件下虚拟陀螺误差的方差可降低为单个陀螺的1/94，动态条件下降低为单个陀螺的1/18。基于自适应KF的虚拟陀螺可以显著提高精度。