姿态机动时天基武器系统的传递对准技术

根据考虑弹性变形的传递对准模型和空间导航解算所需的轨道运动学模型,研究了基于Kalman滤波的角速率与姿态阵匹配的姿态机动时天基武器系统的传递对准.仿真结果表明:弹性变形对两种匹配方式的传递均有影响;与Kalman滤波相比,H∞广义平方根滤波的对准性能更优;姿态阵匹配法较角速率匹配法更为适用.     

基于鲁棒H∞滤波的追踪卫星相对导航算法研究

针对追踪卫星存在轨道机动的情况,在模型存在不确定参数和非高斯噪声输入时,研究了基于鲁棒H∞滤波理论的相对导航算法.该算法采用线性不等式技术,根据Lyapunov稳定性原理推导出具有范数有界不确定参数离散系统的鲁棒H∞滤波器存在的充要条件,并将滤波器的设计转化为一个凸优化的求解问题.将该算法应用到追踪卫星导航中,仿真结果表明该算法在大轨道机动下有效且能消除模型不确定性和非高斯噪声对系统造成的不利影响.     

H∞滤波与粒子滤波在SINS传递对准方面的比较研究

为提高传递对准的精确性和鲁棒性,将H∞滤波和粒子滤波运用到SINS动基座传递对准,并对H∞滤波和粒子滤波应用于传递对准的鲁棒效果进行了比较。仿真结果表明,在有色噪声和白噪声强度较小时,两种滤波方法的滤波精度差别不大,但当有色噪声和白噪声强度较大时,粒子滤波精度优于H∞滤波。并且就估计精度而言,其鲁棒性优于H∞滤波,但H∞滤波的估计速度优于粒子滤波。     

基于强跟踪滤波和模糊逻辑推理的有向图切换算法

针对传统卡尔曼滤波算法中对于强机动目标跟踪性能较差的问题，文章提出了一种新的机动目标跟踪算法DS_STF_FI算法。该算法将强跟踪滤波引入到变结构多模型跟踪算法中，结合模糊逻辑推理来实现多模型间的信息交互，并通过有向图切换法实现模型集的自适应调整，从而使跟踪算法能够适应机动目标运动状态的变化。仿真结果表明，与基于卡尔曼滤波的DS_KF_FI算法相比，文章提出的算法的跟踪性能明显提高，且具有较高的算法费效比。在机动目标跟踪领域具有广泛的应用前景。     

一种改进的INS／GPS组合导航鲁棒H∞多重渐消容错滤波算法

在对适用于INS/GPS组合导航的H∞滤波方法进行了深入研究基础上,提出了一种改进的H∞多重渐消容错滤波算法.首先给出了H∞滤波算法,然后对渐消记忆滤波方法进行了有效的改进,提出了多重渐消因子矩阵对称加权的滤波算法和残差归一化的多重渐消滤波方法,有效避免了残差量级差别所导致的残差检测失效和修正作用失配,最后提出了一种双重故障检测的容错策略,构造了改进的鲁棒H∞容错滤波器.仿真结果表明,改进的H∞容错滤波方法较常规Kalman滤波对系统模型和噪声的不确定干扰具有很强的鲁棒性,在有色噪声情况下具有高于常规Kalman滤波的精度,对于故障具有较强的检测能力和较好的组合效果,更加贴近于工程应用需求.     

一种机动辐射源的单站无源定位跟踪滤波算法

基于辐射源的信号到达时间(TOA)及方位角信息,提出了一种利用单站对机动目标进行无源定位与跟踪的方法.根据机动目标跟踪及系统测量模型,将变维(VD)滤波算法和交互多模(IMM)滤波用于单站无源定位.给出了算法的模型和实现步骤.仿真结果表明:该法正确有效,滤波性能更好.     

H∞滤波及其在惯导中的应用

阐述了H∞滤波器的设计方法,建立了惯导系统初始对准的误差模型,并用状态解耦方法对模型进行了可观性分析.最后应用H∞滤波方法对可观的子系统进行了滤波器设计,给出了设计结果及相应的仿真曲线,仿真结果表明H∞滤波在惯导系统中应用是有效的.     

时变噪声系统的自适应强跟踪滤波器研究

在目标跟踪过程中,强跟踪滤波可以对目标的突变状态进行较好的跟踪,但由于系统噪声和观测噪声协方差阵是时变的未知量,采用固定数值将会影响目标跟踪的精度,所以需要对两种噪声特征进行在线估计.应用噪声有限记忆自适应算法改进强跟踪滤波,在线自适应估计噪声协方差阵,并提出基于时变噪声系统自适应强跟踪滤波的目标预测算法,提高了对目标状态的估计精度.利用自主研发的全自主足球机器人进行目标跟踪的仿真,结果验证了该算法的有效性.     

对高超声速目标的跟踪及算法研究

对高超声速目标特性进行了研究,针对高超声速目标高速及高机动的特点,提出了使用参考加速度模型的IMM算法.同时采用UKF滤波解决对目标跟踪造成的非线性问题.蒙特卡罗仿真试验证实该算法跟踪效果较好、误差均方值小、跟踪精度高.     

基于递推最小模型误差估计的机动目标跟踪

将非线性系统递推最小模型误差估计用于机动目标跟踪 ,有效地解决了基于Kalman滤波的跟踪算法对机动模型的依赖性和非线性跟踪的不稳定性问题。仿真结果表明 ,该估计方法能适应不同的机动方式、精度高、跟踪快速 ,具有重要的工程应用价值     

一种基于强机动的目标跟踪改进算法

针对传统目标跟踪算法鲁棒性较差等问题,提出了一种基于当前统计模型的无迹卡尔曼滤波交互式多模型(IMM-CS-UKF)融合算法。在交互式多模型算法框架内,计算当前统计模型的概率,提高了统计模型的目标加速度和自适应性。该算法结合了交互式多模型和无迹卡尔曼滤波算法,具有对不同机动模式目标的自适应跟踪能力和精度高等优点。仿真结果表明,该算法对以多种机动策略实时机动的目标具有较好的跟踪性能。     

基于凸优化技术的多目标鲁棒滤波组合导航方法

Kalman滤波在组合导航中的应用已很广泛,但是,在系统不确定情况下,误差出现发散,精度下降,采用的基于Riccati方程的H∞滤波技术对系统噪声的不确定性则具有一定的鲁棒性,但性能参数选取仅能凭经验而无系统的方法,给工程实践带来一定困难.根据现代控制理论最优控制理论思想,使用凸优化技术设计鲁棒混合H2/H∞滤波器融合高精度的GPS和CNS量测信息,解决系统不确定性问题,通过在惯性/卫星/天文组合系统中的半物理数据仿真进一步对混合H2/H∞滤波和H∞滤波算法进行了比较.仿真结果表明,真实器件噪声情况下,鲁棒混合H2/H∞滤波算法明显具有良好的精度.     

强机动条件下的弹载深组合ARCKF滤波方法研究

针对弹道导弹飞行中GNSS/SINS深组合导航系统呈现的强机动、非线性特性,引入了基于三阶球面-径向准则的容积卡尔曼(CKF)非线性滤波方法。同时,提出了一种自适应抗差容积卡尔曼滤波(ARCKF)算法,该算法运用抗差M思想,调节量测噪声阵,以抵御系统观测异常扰动,采用自适应因子对协方差阵进行调节,进一步处理动态扰动引入的误差。实验结果表明,该滤波算法有效提高了组合导航的动态性能,在加速度达到60g的强机动仿真环境中,仍能保持较高的导航精度和跟踪性能。     

弹载SINS四元数模约束下滤波空中对准

针对弹载SINS/GPS系统的空中对准,提出一种四元数模约束条件下的非线性滤波初始对准算法。首先,利用坐标变换和四元数姿态描述,将传统的强非线性滤波对准问题转化为一个二阶弱非线性滤波问题;其次,采用二阶扩展卡尔曼滤波（EKF）对二阶非线性部分进行处理,得到一种简洁的滤波对准方案;最后,推导了四元数模约束条件下滤波算法的最优实现,及反馈四元数估计结果时的闭环滤波形式。利用车载MEMS IMU/GPS系统,进行了初始对准的地面试验,结果表明,在车辆弱机动条件下,对准算法能够实现姿态和惯性器件误差的快速估计,实现惯导系统的对准。     

杂波环境下的机动目标检测和跟踪算法

交互多模式(IMM)是一种有效的机动目标跟踪算法,但由于其要求具有很多的先验前提条件而不利于工程实现.研究了一种杂波环境下更适合于工程实现的机动目标(同样适用非机动目标)的跟踪算法,该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测,并通过改变Kalman滤波的相关参数,实现自适应跟踪.该算法克服了IMM算法的模式限制和复杂性,同时也避免了对非机动目标的跟踪中,在跟踪模式间相互切换时所换造成的影响.通过在空管系统(ATC)的大量模拟实验,验证了该算法的有效性和重大应用价值.     

基于H∞与Kalman联合滤波的二次快速传递对准方法研究

将H∞滤波用于舰载导弹捷联惯导系统（SINS）的动基座传递对准。仿真研究结果表明，在测量噪声强度较小时，H∞滤波方法的显著特点是估计速度优于Kalman滤波，其估计精度略低于Kalman滤波。为提高动基座传递对准的快速性，将精对准分为两次进行。第一次精对准利用日。滤波估计速度快的这一优点，通过速度匹配进行水平对准，第二次精对准采用Kalman滤波通过速度加姿态变化量匹配进行航向对准。仿真结果表明，在测量噪声强度较小时，第一次对准可在2秒钟之内完成，第二次对准可在7秒钟之内完成。两次传递对准可在9秒钟之内完成。     

新型伪加速度修正自适应滤波算法研究

提出了一种新型自适应滤波算法,该算法采用球坐标系,同时根据当前目标的运动状态实时调整增益.仿真结果表明该算法易于工程实现,可实现机动目标的快速自适应跟踪.     

用于多策略机动目标跟踪的基于模糊理论的改进IMM算法

针对多种机动策略实时机动目标,为解决标准交互式多模型(IMM)算法的模型集冗余、算法量过大和实时性不高等问题,以提高机动目标滤波精度,保证目标跟踪系统性能,对基于模糊自适应理论的交互式多模型算法进行了研究。对标准IMM算法改进包括加速度预估、模型集合设计、模糊自适应推理设计,以及条件滤波输出四部分,通过加速度预估获得更准确的模型集,采用提前模型筛选获得更优的匹配效果并减少了计算量。给出了处理模型及滤波过程流程。对三维机动目标的仿真结果表明:与标准IMM算法相比,设计的基于滤波算法对以多种机动策略实时机动的目标有更好的实时性和跟踪性能。     

多普勒辅助测量IMM-PF机动目标跟踪

针对机动目标跟踪问题,提出了一种辅助多普勒测量的交互多模型粒子滤波算法.该算法利用粒子滤波解决系统观测与目标状态之间的非线性问题,并辅助多普勒测量信息在线估计目标角速率,作为目标转弯模型的参数.采用两个可内部切换的运动模型(常速度/逆时针转弯模型、常速度/顺时针转弯模型)作为交互模型,有效地描述了目标机动并减少了模型个数,进一步提高了算法的效率.对一个以不同角速率多次转弯的机动目标进行跟踪仿真,结果验证了算法的可行性和优越性.     

高超声速滑翔飞行器多模型鲁棒跟踪方法

针对高超声速滑翔飞行器（HGV）具有机动能力强、机动样式多变、机动时机不确定等特点,提出了一种基于有向图变结构多模型的鲁棒跟踪（CHF-DSVSMM）方法。考虑到高超声速滑翔飞行器的跳跃滑翔运动特性,建立了包括自适应非零均值衰减震荡（ANMDO）模型、“当前”统计模型（CSM）等机动模型的模型集。针对固定结构多模型算法存在模型相互竞争、运算时间长的缺点,设计了基于有向图结构的切换准则自适应地改变模型集构成,提高模型匹配性。对于地基雷达探测中存在闪烁噪声的问题,采用容积Huber-based滤波方法进行状态估计。仿真结果表明,所提算法与现有方法相比具有更高的跟踪精度,并对闪烁噪声具有良好的鲁棒性。