基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

实时估计机动指令的最佳角跟踪系统

作者在[1]中曾给出了一种新的机动目标自适应跟踪卡尔曼滤波,它是通过所建立的机动加速度AR模型达到估计机动指令的目的。本文对上述的从AR模型估计机动指令的方法做了修改,选择了一种更符合实际的从AR模型估计机动指令的方法。本文还从现代控制理论的角度对实时估计机动指令的火控雷达角跟踪系统作了控制性能分析,得出了许多十分有意义的和从估计理论中无法得到的结论,同时应用最优控制理论给出了角跟踪系统的最优控制规律。 在PC—8000微机系统上的数字仿真结果验证了上述的结论。     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪。与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大。针对非合作航天器,基于简化的相对运动方程,结合天基平台获得目标的观测信息,采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF）,DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度;对于存在未知机动的非合作航天器,通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性,该方法能够检测到多次机动并且减少误判。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。     

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.      

基于指令滤波的低频挠性航天器振动控制方法

在经典的Bang Bang姿态机动指令基础上,通过滤波处理,结合姿态跟踪控制器,使航天器在姿态机动时跟踪设计的机动路径,实现了机动过程中低频挠性模态的振动抑制,并通过物理试验系统进行了验证.由于所采用的滤波器在形式以及参数设计上,均可采用传统的结构滤波器的形式和设计方法,因此使滤波器的设计均有章可循,避免了其它机动路径方法,如加速度指令规划、多项式指令规划等参数设计依据经验与数值仿真进行调试的问题.利用数学仿真设计方法进行了验证,发现采用滤波方法后,机动到位后稳定的时间与模态的振动周期相当,在几秒钟量级,相对传统的Bang Bang控制,稳定时间缩小80％以上;最后构建物理试验系统,同样验证了方法的有效性和结论的正确性.     

基于自适应估计的光电平台目标跟踪方法

在基于图像的目标跟踪系统中,跟踪器延迟对系统的稳定性和跟踪精度产生不利影响.通过对光电平台伺服系统的理想控制指令的分析,给出了一种基于自适应估计的跟踪器延迟补偿方法.该方法采用自适应估计器快速估计目标速度,预测目标位置,同时结合无人机位置和姿态信息预测控制指令实现延迟补偿.仿真结果表明:该方法在目标机动和载机机动情况下能够有效提高光电平台的跟踪精度.     

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

空间机动目标的跟踪和定位

轨道机动控制过程中，推力加速度的不确定性是机动目标运动的主项摄动。通过对推力加速度和机动目标运动建模，在地心惯性系建立了增广系统状态动力学模型，在地平测量坐标系建立了离散量测模型，同时讨论了机动目标增广状态非线性动力学模型的线性化问题。给出了扩展卡尔曼滤波实时估计增广状态向量的算法，仿真分析证明所述算法稳定、收敛，对机动目标具有较高的定位精度。     

基于耦合气动参数的HGV多模型估计

利用气动参数对未知气动力建模是提高高超声速滑翔目标跟踪精度的有效途径。对目标气动加速度及其导数项进行分析,在非耦合气动参数模型的基础上,考虑气动加速度在转弯和俯仰方向存在的先验信息,推导滚转和螺旋2种耦合气动参数模型。利用一种分离估计模型对目标状态与气动参数进行估计,分别给出状态滤波器和气动参数滤波器的表达式。同时,考虑不同飞行模式下参数的机动频率,构建基于耦合气动参数的交互多模型跟踪算法。仿真表明,本文所提算法精度显著高于针对该类目标的其他跟踪算法。同时,滚转模型的性能优于螺旋模型,且计算复杂度更小。      

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

基于随机机动模型和落点预测的制导律设计

针对自旋弹体低成本制导律设计问题,提出了一种基于落点预测的新型制导律设计方法。采用随机机动模型和自适应卡尔曼滤波器估计弹体的飞行状态,并解析求解弹体落点预测值,根据落点预测值与目标的偏差生成制导指令。该制导律不依赖于弹体气动参数和弹体运动方程的在线数值求解,避免了常规基于落点预测的制导律所带来的在线计算成本。根据自旋火箭弹的非线性数学模型,通过数值仿真检验了所提制导律在标称参数条件和参数受扰条件下的性能。通过与比例制导律进行制导性能对比,结果表明:所提制导律的制导性能在绝大多数情况下优于比例制导律。      

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.     

一种基于Particle Filter的攻击目标高度估计算法

利用目标高度估计确定目标攻击要害点是精确制导武器信息处理中的一个重要内容。传统方法主要有直接利用几何方法估计和扩展卡尔曼滤波器方法,这两种方法精度都不高。Partic le F ilter是一种新出现的滤波方法,在解决非线性问题中得到了广泛应用。利用Partic le F ilter设计了一种新的目标高度估计算法。该算法通过贝叶斯递推方法,避免了在测量方程非线性很强的时候,扩展卡尔曼滤波器不合理的线性化所带来的误差。仿真结果表明,这种基于Partic le F ilter的目标高度估计算法提高了估计精度和收敛的鲁棒性。     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据，也是小天体测绘，着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型，表示小天体在相机坐标系中的姿态变化；然后定义小天体旋转的状态方程，推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪，利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中，在仿真相机与小天体相机100 km距离上，分析了相机坐标系小天体坐标系之间的四元数初值，图像上特征点跟踪精度，相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明，提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

Kalman滤波算法在遥测伺服系统中的应用

针对雷达和无线电角跟踪系统目标机动过程中无法准确预知目标下一时刻运动状态的问题,论述了一种自适应Kalman滤波器,采用机动目标均值自适应的"当前"统计模型,构造角位置角速度二阶观测器,实现机动目标Kalman滤波算法,对算法及模型进行了理论分析证明了滤波器的能控能观性,最后给出了在遥测伺服系统中Kalman滤波器的实验结果,验证了该滤波器的有效性和可靠性。     

一种加速度辅助“当前”统计模型距离跟踪方法

经典的“当前”统计模型中,机动频率通常为经验值,并需预设加速度极限值。针对这一局限,该文利用递归线性平滑牛顿预测器对加速度进行预估后,得到“当前”统计模型中目标机动频率值的解析解,并避免机动加速度极限值的设置,实现了过程噪声协方差矩阵的自适应计算。此外,利用简化的Sage-Husa滤波方法实现量测噪声协方差矩阵的自适应更新。计算机仿真验证了该文所提算法相比于经典的“当前”统计模型的距离跟踪性能更优。     

基于并行扩展卡尔曼滤波的自主卫星星座导航方法

针对星间距离测量容易受到外界干扰的问题,提出了一种适用于多颗地球卫星和一颗月球卫星的卫星星座自主导航的并行扩展卡尔曼滤波算法.通过解决噪声统计不确定情况下的测量调度问题来选择适当的测量,降低干扰的影响.为了自适应地选择适当的测量,提出一种基于不同来源的测量构造多个子集的并行扩展卡尔曼滤波器,其中每个扩展卡尔曼滤波器用于处理不同测量子集,并基于残差序列计算子滤波器的权重,组合并行滤波器的估计结果.通过与EKF和传统的多模型自适应估计算法进行比较,表明所提出方法在干扰条件下的三轴位置估计误差的稳定性,体现了性能优势.