飞行器视觉导航的H∞滤波

提出了用H∞滤波估计飞行器视觉导航参数.由安装在飞行器上的摄像机获取地面图像,结合飞行器的动力学和运动学方程,构成了一个非线性Kal-man滤波模型.针对非线性模型线性化引入误差以及随机噪声建模不准确的问题,设计了H∞滤波器对组合系统进行滤波估计,并与推广Kalman滤波进行比较.仿真结果表明,H∞滤波的性能优于推广卡尔曼滤波.     

中心差分Kalman滤波方法在X射线脉冲星导航中的应用

由于脉冲星脉冲到达时间的测量需要较长时间,基于传统的扩展Kalman滤波的X射线脉 冲星定轨方法精度较低。为此,提出了将中心差分Kalman滤波应用于X射线脉冲星导航中, 利用中心差分Kalman滤波替代扩展Kalman滤波,通过结合航天器轨道动力学模型和脉冲星观 测信息进行定轨。仿真结果表明,中心差分Kalman滤波方法的定轨精度高于扩展Kalman滤波 方法。     

基于扩展Kalman滤波器的GPS/DR组合车辆定位系统

介绍了在GPS车辆定位系统中针对车辆运动的机动性和定位系统的非线性的问题采用的扩展Kalman滤波原理,采用机动目标的“当前”统计模型建立了扩展Kalman滤波的系统状态方程和观测方程,详细推导了定位算法,并利用Matlab进行仿真实验。仿真结果表明,该方法在实际应用中是可行的,并具有定位精度高、算法稳定等优点。     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

基于修iE Rodrigues参数和UKF的姿态估计算法

以修正Rodrigues参数作为姿态参数,利用无味Kalman滤波(uKF)设计了一种全姿态估计算法.修正Rodrigues参数在姿态估计中具有简洁高效的优点,然而,因其奇异性不能用于全姿态运动情况.利用修正Rodrigues参数与其影子参数相互切换的方法可以避免奇异现象的发生.UKF直接利用非线性模型而不需要线性化,适用于高精度的姿态估计.本文针对"陀螺 矢量观测"这种典型的姿态确定模式,以修正Rodrigues参数与其影子参数相互切换的方法描述姿态,利用UKF设计了姿态估计器.状态协方差阵在姿态参数切换时发生突变,引起姿态估计器的滤波波动.为此,提出了在姿态参数切换时对姿态估计器进行修正的方法.最后通过仿真验证了算法的有效性.     

一种改进的无迹Kalman滤波在SINS/GPS组合导航中的应用

传统的无迹Kalman滤波根据估计量测方程和量测量的协方差矩阵来确定最佳增益,但在导航过程中会因为外界因素的干扰,无法得到准确的量测信息算法,使增益有所偏差,导致最后的滤波精度降低。基于此,提出了一种改进的无迹Kalman滤波。首先根据新息,判断是否有异常的观测量,并通过引入抗差因子进行修正。通过仿真实验,比较扩展Kalman滤波、无迹Kalman滤波和改进的无迹Kalman滤波的误差特性,证明提出算法的有效性。     

Kalman滤波工程应用问题分析及改进方法研究

Kalman滤波方法是理论成熟和工程应用广泛的估计方法。但在工程实际中，因原始数据质量和各种初始条件的变化，Kalman滤波经常出现不收敛的现象，尽管理论上有许多克服滤波发散的机制，但工程应用效果并不明显。本文从数据残差入手，提出了改进增益矩阵的滤波方法。经仿真计算证明，该方法有效的解决了滤波发散问题，并极大的提高了估计精度。     

高精度3D雷达组网实时误差配准算法

对制导雷达组网实时误差配准算法进行了研究。建立了基于大地坐标系(ECEF)的实时Kalman(ECEF-Kalman)滤波算法和模型,并进行了仿真验证。结果表明:此算法能有效地估计系统误差,配准效果明显优于实时Kalman滤波算法。     

基于Lawden改进型方程的编队Unscented Kalman Filter滤波估计

通过改进卫星编队的Lawden方程得到非线性相对运动方程,称为Lawden改进型方程,使其更加近似于编队运行环境.通过该非线性方程,在编队相对导航研究中,以EKF滤波方法为参考分析,采用适合非线性系统的UKF(Unscented Kalman Filter)滤波方法对编队的状态进行滤波估计.通过仿真实验,结果表明采用UKF滤波方法的编队状态估计精度明显优于采用EKF滤波方 法得到的估计精度,其中相对距离估计精度可以提高70％左右,相对速率估计精度可以提高25％左右,在工程应用中具有一定的参考利用价值.     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。     

基于"天基红外系统"对弹道导弹主动段估计滤波算法研究

美国的"天基红外系统"(SBIRS)包括高轨和低轨两类预警星座,前者主要用于弹道导弹主动段探测,后者主要用于被动段的跟踪测量.文章利用其高轨静止星座,对只有角测量条件下的主动段弹道估计滤波算法进行了分析比较.首先给出主动段状态方程和测量方程,然后分别结合扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波这三类典型非线性滤波估计算...     

基于鲁棒卡尔曼滤波的编队卫星相对导航

为提高编队卫星相对导航精度和计算稳定性,采用鲁棒卡尔曼滤波进行相对位置和相对速度的估计.对星间相对动力学方程进行适应性改造,使其具有线性离散不确定性系统形式.以载波相位差分GPS为观测模型,采用鲁棒卡尔曼滤波进行相对状态估计.数值仿真结果表明,该算法相对于扩展卡尔曼滤波算法具有明显优势,导航精度更高、鲁棒性更强,具有一...     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

基于卡尔曼增益的Duffing系统状态预测算法

传统的Duffing系统检测算法主要基于相图的变化,通常需要大量的循环采样点数来激励系统从混沌态转移到大尺度周期态,极大地限制了Duffing振子的应用。本文提出一种新型的基于卡尔曼增益的预测算法,通过建立Duffing系统状态方程并设定量测方程的控制条件,得到Duffing系统的卡尔曼增益改进形式,根据增益的变化可以实现Duffing系统状态的预判,从而降低了系统的输入采样。谐波信号检测实验表明,相比传统算法,预测方法不仅可以减少至少50%的循环采样点数,而且检测的精度也得到了显著的提高。     

基于支持向量机的惯导初始对准系统

针对平台式惯导系统的初始对准 ,提出了基于支持向量机 (SVM)网络的滤波器 ,并将其用于惯导初始对准中 ,代替初始对准系统中的闭环Kalman滤波器 ,可以确保系统的误差状态始终为小量 ,实现了惯导初始对准中的滤波与校正功能 ,并将其与神经网络滤波器、闭环Kalman滤波器进行对比。仿真结果表明 ,采用SVM网络滤波器简化了系统运算的代数结构 ,提高了系统状态估值运算的实时性 ,而对准系统的精度又与采用闭环Kalman滤波器的精度相当 ,并且SVM网络克服了神经网络的不足。     

基于模糊控制的组合导航算法

文章提出一种根据信号残差（新息）对导航信息进行自适应噪声协方差调整的算法,由此得到导航参数的最优状态估计。其中重点研究了模糊控制对滤波器的动态调整,建立模糊滤波控制的模型,并与传统卡尔曼算法进行比较。仿真结果表明,基于模糊控制器的卡尔曼滤波器很好地限制了数据的发散,并在很大程度上提高了系统的稳定性。     

自校正卡尔曼滤波及其在组合导航中的应用

自校正卡尔曼滤波可在状态估计的同时对状态方程的参数及卡尔曼增益进行辨识，从而提高了适应能力。文中讨论了它在组合导航中的应用。     

关于GPS导航计算的卡尔曼滤波问题

探讨卡尔曼滤波在实际应用中存中的建模误差、滤波初值的选取、系统噪声方差和量测噪声方差的确定、以及滤波发散等问题及其解决方法 ,得到适用于 GPS导航计算的卡尔曼滤波器。通过实测算例 ,比较卡尔曼滤波与最小二乘的估计结果 ,说明文中所设计的卡尔曼滤波器的合理性 ,解决问题方法的有效性 ,滤波过程稳定 ,计算速度快 ,状态参量的估计精度较高     

小卫星多传感器融合滤波定姿算法

虽然扩展卡尔曼滤波被成功应用于许多非线性系统,但由于其对高阶项的截断误差等因素,其用于小卫星多传感器定姿系统时性能受到限制。针对上述问题,本文提出了一种将扩展卡尔曼滤波器与两步滤波器相结合的方法。利用Gibss矢量做姿态参数,避免了四元数在进行迭代时的归一化约束。以太阳敏感器、星敏感器、MEMS陀螺、磁强计为敏感器件,通过仿真,将本文算法与扩展卡尔曼滤波器进行了对比。结果说明,本文算法能将最大稳态定姿误差降低4.4×10-30。