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     

相干通信中的卡尔曼滤波方法

该文论述将最佳滤波理论应用于相干通信中消息和信道过程的联合估计问题。首先根据消息过程和信道过程的随机特征,应用扩大状态变量的方法,建立相干通信中的联合非线性估计模型,然后应用推广卡尔曼滤波算法,寻求消息过程的最佳估值。计算机模拟结果表明,采用推广卡尔曼滤波改善了对消息过程的跟踪性能,使消息过程的估算具有更好的自适应性。     

相干通信中锁相环的非线性分析

本文讨论在卫星通信、遥控遥测等领域中用作同步的锁相环在有噪声作用时的非线性分析。文中从估计理论观点论证了锁相环路是一个最佳非线性相位估计器。并用福克—普朗克(Focker-Planck)方法分析了在观测噪声为白高斯过程时锁相环的统计特性。详细推导了三阶锁相环的稳态相位误差的概率密度,导出了锁相环在统计稳态时的失锁概率和跳周平均时间。     

反演法在导弹非线性控制系统设计中的应用

反演控制方法是非线性控制领域的一种新方法,可以有效解决系统的非线性、耦合性和不确定性。本文在三维空间六自由度非线性导弹系统模型的基础上设计了俯仰、偏航、滚转三通道控制系统,并针对空气动力学参数的不确定性进行了系统鲁棒性分析。仿真结果表明反演控制是一种非常有效的非线性控制方法,并具有较强的鲁棒性。     

卫星轨道保持的非线性鲁棒自适应变结构控制

应用反馈线性化方法，对卫星轨道保持的非线性动力学进行线性化，考虑线性化模型的范数有界不确定性，设计变结构各棒控制器，得到卫星轨道保持的非线性鲁棒控制律。在此基础上，利用自适应控制方法，得到一种具有不确定性范数上界估计能力的鲁棒自适应变结构控制器。进行数值仿真研究，验证了所提出控制器设计方法的有效性和适应性。     

高超声速再入飞行器的特征建模及自适应递推滑模控制

针对高超声速再入飞行器非线性程度高、参数不确定性大、快时变等特点，提出一种基于神经网络特征模型的自适应滑模姿态控制方案。首先，采用现有特征建模方法，将对象模型中的非线性、时变不确定性压缩至特征参量中；进一步，结合模糊神经网络，将快时变特征显式地表征在特征模型中，使得待估计的特征参量具有时不变特性，从而易于其自适应律的设计。然后，在该神经网络特征模型的框架下，设计递推形式的自适应滑模控制律，以进一步提高飞行控制系统的鲁棒性。最后，通过仿真校验了所提出控制方法的正确性和有效性。     

非线性黄金分割自适应控制

针对参数未知，高阶定常线性系统和一类复杂的非线性系统，为设计低阶控制器，并能满足不同系统的过渡过程要求。在线性黄金分割自适应控制方法的基础上，本文提出了一种新的非线性黄金分割自适应控制方法。文章首先简单介绍了被控对象的特征模型，接着重点介绍了这种控制方法的设计原理和特点。当系统能用二阶幔时变差分方程形式的简化特征模型描述时，可以证明由非线性黄金分割自适应控制器组成的闭环系统是稳定的。最后通过典型实例的仿真验证了非线性黄金自适应控制方法的有效性和优越性。     

面向高超声速飞行器双重不确定性的自适应状态估计

将高超声速飞行器双重不确定性因素建模为未知干扰输入项，针对状态演化方程和量测方程含有不同未知干扰输入的高超声速飞行器控制系统状态估计问题开展研究，提出一种基于自适应方差极小化的递推状态估计器(Adaptive variance minimization based Recursive Estimator, AVMRE)。首先建立了状态估计递推滤波器模型，实现滤波误差中的量测未知干扰解耦，之后引入自适应调整因子刻画状态未知干扰并推导了最小上界估计误差协方差矩阵，最后，基于最小方差估计准则设计了滤波器中的量测增益反馈矩阵。以外部突风和传感器故障为例，受内外部双重不确定性因素影响下的高超声速飞行器仿真实验验证了本文算法的有效性，与相关算法的仿真对比反映了本文算法的优越性。     

非线性信息融合估计理论

研究非线性信息的最优融合估计理论,提出了非线性信息的统一决策模型和统一量测模型。基于信息投影权矩阵概念,将多传感量测信息统一映射到被估计量的决策空间,从而统一了线性信息和非线性信息的最优融合估计问题。提出并证明了非线性信息最优融合估计的封闭解析表达式,并给出了两种迭代型非线性最优估计算法。     

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，在系统运行过程中，可以很方便地利用所建模型预测实际系统的输出范围，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。     

一种新的实时参数估计方法

研究导弹控制系统仪器测试时动态模型的实时参数估计 ,利用递归傅里叶变换作实时数据分析 ,提出了一种基于线性状态空间模型的实时参数估计方法。实际应用表明该方法可以得到准确的模型参数估计和适当的误差边界 ,且计算量少、动态模型估计参数收敛性非常好。     

协方差矩阵结构的广义杂波分组估计方法

针对球不变随机向量建模的相关复合高斯杂波背景下雷达目标自适应检测的协方差矩阵结构估计问题,将均匀杂波分组方法进行推广和改进,提出了杂波协方差矩阵结构的广义迭代杂波分组估计（GRCCE）方法。首先,在广义杂波分组背景下利用最大似然方法推导了协方差矩阵结构估计的迭代过程;其次,基于杂波分组思想,给出了广义杂波分组估计(GCCE),利用GCCE作为初始化估计矩阵进行迭代,得到协方差矩阵结构的GRCCE;最后,通过仿真对方法的有效性进行了检测,结果表明,GRCCE只需要一次迭代就能达到收敛,估计精度随着杂波一阶相关系数的增大而提高,而不受纹理分量参数变化的影响。与现有方法相比GRCCE适应杂波环境更广,估计精度更高,而且计算量更小。     

基于单目序列图像的非合作目标相对导航（英文）

Along with the increase of the number of failed satellites, plus space debris, year by year, it will take considerable manpower and resources if we rely just on ground surveillance and early warning. An alternative effective way would be to use autonomous long-range non-cooperative target relative navigation to solve this problem. For longrange non-cooperative targets, the stereo cameras or lidars that are commonly used would not be applicable. This paper studies a relative navigation method for long-range relative motion estimation of non-cooperative targets using only a monocular camera. Firstly, the paper provides the nonlinear relative orbit dynamics equations and then derives the discrete recursive form of the dynamics equations. An EKF filter is then designed to implement the relative navigation estimation. After that, the relative "locally weakly observability" theory for nonlinear systems is used to analyze the observability of monocular sequence images. The analysis results show that by relying only on monocular sequence images it has the possibility of deducing the relative navigation for long-range non-cooperative targets. Finally, numerical simulations show that the method given in this paper can achieve a complete estimation of the relative motion of longrange non-cooperative targets without conducting orbital maneuvers.     

制导系统工具误差的自适应估计

本文研完惯性制导系统工具误差的自适应估计问题。运用自适应技术,这是解决制导精度鉴定问题的一个新的尝试,文中对仪表的误差模型给出了动态补偿,并给出了误差系数的递推估计。对模型中随机量的统计特性应用了自适应技术,并对岭回归引入了自适应估计,对滤波过程中模型的辨识及估值中偏倚的补偿,进行了讨论。     

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。
     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。     

基于递推贝叶斯的检测跟踪一体化方法

在雷达系统中,对雷达散射截面积(Radar Cross-Section,RCS)较小的快速机动目标的检测与跟踪是难点。本文提出采用基于递推贝叶斯原理的检测跟踪(Track-and-Detect,T&D)一体化方法提高雷达对这类目标的检测和跟踪性能。针对机动目标,用模型参数更新法来改进递推贝叶斯方法,即利用先验信息或实时估计的目标速度信息实时更新运动模型参数。对雷达实测数据的处理结果表明,该方法在机动目标的平均信噪比约为6dB时,即可实现在虚警率为10-3时检测概率达到0.9的指标。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题，提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先，根据再入滑翔目标的飞行特性，将加速度看成是未知的确定输入构建运动学跟踪模型；然后，对目标的非线性量测信息进行无偏转换，并将得到的噪声协方差矩阵进行解耦，降低算法的复杂度；最后，利用回顾成本的输入估计对未知加速度进行重构，采用递推最小二乘法更新输入估计器的参数矩阵，同时将估计的加速度引入到卡尔曼滤波框架下，实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

低温气动阀动态响应特性的非线性分析方法

为了在液体火箭发动机试验过程中缩短低温气动阀的响应时间,减少非线性求解阀门动态响应的计算量,提升试验过程中的安全性与可靠性,根据低温气动阀的工作原理,构建阀门的动态响应非线性传递模型,并在此基础上,通过引入变步长系数与定义遗忘因子,在四阶龙格-库塔法基础上,构建了一种动态递推龙格-库塔法的非线性动力学求解方法,并提出响应速度的改进方案.最后通过实例的验证与仿真,为提升低温气动阀响应速度提供了一种方法指导,为提高液体火箭发动机试验技术提供了支持.     

基于UKF的航天器最小参数姿态矩阵估计方法

钊对航天器的惯性-星光姿态确定系统，选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法。但是由于系统模型是非线性的，针对系统模型的非线性，将UKF（Unscented Kalman Filter）与最小参数姿态矩阵估计方法结合，设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿念估计器。仿真结果表明：在敏感器精度较差的情况下，该UKF、姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外，UKF和EKF（Extended Kalman Filter）的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器，状态估计的精度也优于EKF滤波器，且数值稳定性好。