一种新的鲁棒PM滤波及其在组合导航中的应用

针对传统M估计滤波在处理系统尖锐野值时会出现不稳定或发散的特点,提出了一种新的基于映射统计野值检测的M估计(PM)滤波算法。该算法借鉴电力系统中GM估计野值检测与抑制方法,通过增加系统结构空间信息来提高鲁棒性,该算法不仅对受污染的高斯噪声具有鲁棒性,还能够抑制尖锐状态野值、结构野值等对系统的不利影响。将这种新的滤波算法应用于CNS/SAR/SINS组合导航系统中,仿真结果表明,与常规Kalman、M估计滤波相比,鲁棒PM滤波具有更强的结构抗差能力。     

基于容积滤波的自适应相对导航算法

针对激光交会雷达测量方程的非线性问题,将容积滤波算法应用于航天器相对导航中;并考虑测量噪声统计特性不准确以及测量信息偏差等工程因素,针对激光交会雷达测量参数类型不同的特点,提出了一种基于容积滤波的自适应相对导航算法。该算法通过自适应调整量测协方差阵,能有效降低统计特性不准确等测量异常给导航系统造成的不利影响。仿真结果表明该自适应导航算法在激光交会雷达测量值存在噪声统计特性不准确等情况下时仍可保持较高的导航精度。     

动态测量系统的抗扰性预报算法

为了克服采样数据可能包含的野值对状态预报的不利影响，本文在动态测量系统的有界影响滤波技术的基础上提出了状态预报的两组抗扰性算法，并进行了仿真计算。     

动态测量数据的高保真容错Q-滤波算法

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。 采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。     

确定编队卫星相对轨道的容错UKF方法

针对相对轨道测量设备出现连续野值引起的滤波误差偏大及发散问题,提出了基于残差正交性检测的容错UKF算法.介绍了非线性滤波在相对轨道自差确定中发展历程和容错UKF的原理、滤波算法和计算流程.根据测量设备出现连续成片野值时残差序列服从以野值为均值的正态分布这一特性,提出了基于残差正交性进行野值检测的思路,通过加权一个以残差方差的迹为参数的活化函数,构造在线修正的uKF容错滤波器,抑制野值对新息序列正交性的影响.在STK软件设定两颗卫星的轨道根数,生成相对运动的位置和速度,通过坐标变换,加入正态分布的误差和连续野值,构造卫星问距离、仰角和方位角测量值.根据C-W相对运动方程和空间几何建立状态方程和测量方程,编制基于残差正交性检测的容错IJKF.滤波器的相对轨道确定程序.通过仿真计算,评估了连续野值对常规UKF和容错uKF轨道确定算法的影响,证实了容错UKF算法可以完成对连续野值的检测及在线修正功能,有较强的鲁棒性和稳定性,可以应用于工程实践.     

多尺度小波变换在野值剔除中的应用

常见的野值剔除方法即卡尔曼滤波算法条件苛刻,不易实现。在分析了系统方程之后,利用小波变换的基本原理,将系统信号分解到各个尺度上,在各尺度上分别进行卡尔曼滤波,之后进行小波重构从而得到各尺度下的滤波估值。此算法将小波去噪与卡尔曼滤波算法结合起来,能够更有效地剔除野值。针对卡尔曼滤波算法的复杂性,还提出了一种有效的滤波算法,利用该算法进行小波多尺度分解和滤波和重构,信号野值也可以得到很好的剔除。经仿真实验验证,这两种多尺度小波变换算法都能够很好地剔除野值,效果明显。     

基于QR分解的自适应差分滤波在SINS大方位失准角初始对准中的应用

针对差分滤波算法存在数值稳定性差及系统噪声统计特性不准确导致滤波性能下降 的问题,提出一种改进的差分滤波算法。新算法将矩阵QR分解及Cholesky分解因数更新技术 引入,并结合一种新的噪声估计方法及选择更新策略,有效地改善了系统噪声统计特性不准 确带来的滤波性能下降问题,增强了传统差分滤波算法的数值稳定性。通过在捷联惯导系统 大方位失准角初始对准中的应用,仿真结果表明了新算法的有效性和鲁 棒性 。
     

一种带自适应因子的IMM-UKF的GPS/BD-2导航方法

针对GPS/北斗-2(BD-2)卫星导航系统中机动载体运动模型和噪声统计特性不确定性导致滤波精度低的问题,为提高导航定位的精确性和稳定性,提出一种自适应的滤波方法。首先,提出了一种新的自适应UKF(AUKF)算法,该方法将残差序列的协方差矩阵视为过程噪声协方差矩阵的不确定量,基于此采用平滑滤波的方法设计自适应因子,并利用该自适应因子实时调整过程噪声协方差矩阵,减弱了噪声统计特性不确定性对滤波精度的影响;其次,采用交互式多模型(IMM)算法设置模型集M,并通过实时调整模型概率来实现各个模型间的软切换,解决了单一模型对载体运动状态描述不全面而导致滤波精度低的问题。仿真结果证明该算法能有效提高载体在复杂机动状态下的定位精度。     

一种基于Kalman滤波的跟踪控制方法

为了降低无线电测控系统跟踪过程中随机误差分量的影响,提高伺服分系统跟踪精度,提出一种基于Kalman滤波的跟踪控制方法,将Kalman滤波器估计得到的目标角位置与天线实时角位置之间的角误差作为伺服分系统位置环路输入,驱动天线跟踪目标。对基于"当前"模型的Kalman滤波算法进行改进,利用UD因式分解和野值剔除算法防止Kalman滤波过程的不稳定。仿真和实测结果表明,改进的Kalman滤波算法具有很好的数值稳定性,基于Kalman滤波的跟踪控制方法具有较高的静态跟踪精度。     

最小二乘一阶 二阶微分与滤波估计递推算法及其应用

讨论了目标信息探测处理中所应用的最小二乘一阶、二阶微分与滤波估计同时进行的递推算法,以及相应数据野值剔点处理方法.所述方法同样适用于其他工程领域中数据、信息的滤波或微分滤波.     

一种用于SINS行进间对准的模糊抗野值滤波算法

针对观测存在野值的非线性系统滤波问题，本文综合运用多高斯和近似算法(GSA)、贝叶斯公式、马尔科夫链蒙特卡洛算法(MCMC)以及集合卡尔曼滤波算法(EnKF)设计了一种能从状态后验分布中抽取粒子的改进粒子滤波算法，并根据模糊理论为此改进算法设计了模糊抗野值功能，从而提出了模糊抗野值集合粒子滤波算法，命名为REnPF。GPS辅助SINS行进间对准的仿真实验表明，REnPF能够很好地避免虚警、漏检问题，并能提供良好的滤波精度。     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

弹道跟踪数据野值剔除方法性能分析

弹道跟踪数据中的野值会影响导弹目标定位精度。对用于弹道跟踪数据的野值剔除方法进行了综述。结合事后和实时两大类处理模式,分析了各野值剔除方法在理论和工程应用上的优缺点,给出了实际应用时的限制因素,建立了野值判决准则和相应的野值剔除实现步骤。仿真结果表明:野值剔除方法可以有效提高弹道跟踪数据的精度。事后处理模式中,基于格拉布斯准则的野值剔除效果最佳;实时处理模式中,基于自适应门限的五点线性预报法野值剔除效果相对较好,且时间复杂度相对较低,适合实时处理。     

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。     

Evaluation of heterogeneous measurement outlier rejection schemes for robotic planetary surface mapping

In this paper, we describe the development and evaluation of a core algorithmic component for robust robotic planetary surface mapping. In particular, we consider the issue of outlier measurements when utilizing both odometry and sparse features for laser scan alignment. Due to the heterogeneity of the measurements and the relative scarcity of distinct geometric features in the planetary environment, we have found that the conventional outlier rejection methods in the current literature do not produce satisfactory classifications for accurate mapping performance. In light of these limitations, we develop a new approach capable of addressing these concerns. This includes a family of four outlier classification algorithms, which are incorporated through iterative reclassification into the batch alignment framework to provide robust surface mapping performance. Characterization of these outlier rejection schemes is presented using a combination of simulated data and real-world testing with an indoor rover.     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

太空非合作遥感卫星三维重建点云的平面滤波方法

受太空环境光照条件弱、卫星高速运动、卫星表面纹理匮乏等因素的影响,太空非合作遥感卫星的三维重建点云中往往会存在大量噪声,给太空非合作目标的准确探测带来了非常不利的影响。文章以非合作遥感卫星的形状特征作为先验知识,提出一种三维重建点云的平面滤波方法。针对点云噪声的不同特点,首先利用统计分析滤波方法消除离群离散点噪声;其次,利用改进的区域生长聚类方法,分割出点云模型中的平面结构与离群点簇噪声;然后,分别用RANSAC算法和最小二乘法对平面结构进行滤波,并将平面结构附近的噪声点垂直投影至平面内,去除模型表面噪声。实验结果表明,该优化方法可以有效去除非合作遥感卫星三维重建点云中的大部分噪声,得到卫星平面结构的光滑点云数据。     

自适应两步滤波器及其在导弹被动制导中的应用

两步滤波器由Ｋａｌｍａｎ滤波器和Ｇａｕｓｓ－Ｎｅｗｔｏｎ迭代算法所构成，它适用于一类由线性动态模型和非线性测量模型所组成的非线性系统。本文将这种滤波器与时变测量噪声统计估值器相结合，得到一种自适应两步滤波器，在测量噪声统计特性无法验前已知的情况下，此滤波器仍然性能良好。最后，本文将自适应两步滤波器应用于导弹的被动制导问题，数字仿真结果证明了这种算法的有效性。     

微小卫星磁测自主导航方法

本文提出了使用磁测方法实现近地微小卫星自主导航的方法，利用实时地磁场测量数据与根据ＩＧＲＦ计算出的地磁声数据之差作为新息量，使用推广Ｋａｌｍａｎ滤波算法确定卫星的位置和速度。给出了三种导航滤波算法。并使用模拟数据和ＭＡＧＳＴＡ卫星实测数据进行了仿真研究，证明了方法的有效性和实用性。     

基于天文和陆标观测的月球卫星自主导航方法

随着我国月球探测工程的开展,为弥补地面测控的局限性,月球卫星的自主导航技术已成为