变结构快速鲁棒跟踪系统

快速鲁棒跟踪是跟踪系统的重要指标之一。为此本文提出了自适应Ｈｕｂｅｒ函数和广义开关函数概念，并根据这两种概念，构造了具有快速和鲁棒两种特性的变结构跟踪系统。其特点是在大误差范围内系统工作在Ｂａｎｇ－Ｂａｎｇ型模糊滤波模式，以保证最短时间收敛。而在小误差范围内，工作在线性滤波器模式，以保证系统的最优性。最后给出了目标跟踪系统仿真结果。     

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。     

自适应滤波在磁暴期间地磁导航中的应用

对磁暴期间巡航导弹巡航段的地磁导航问题进行了讨论。针对地磁导航在磁暴期间常规卡尔曼滤波容易发散的问题,提出了一种基于Sage\|Husa自适应卡尔曼滤波的地磁导航算法。算法根据新息的变化自适应调整测量噪声矩阵,消除了磁暴影响,提高了滤波稳定性。仿真表明在选择合适的遗忘因子基础上,即使在磁暴最剧烈的时间段,采用自适应卡尔曼滤波仍能保证一定的精度,定位精度在200m以内,满足巡航导弹中程制导的精度要求。     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取，对其不当假设导致滤波器估计性能不佳的问题，提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差，在传统脉冲星计时观测的基础上，增加恒星星光仰角及两个时刻间的相位增量观测量，共同增强XNAV。首先，分别建立计时观测模型、相位增量模型及星光仰角模型；然后将多信息测量模型集成到卫星轨道动力学方程中，以建立ADDF滤波模型；最后对所提方法进行仿真验证。实验结果表明，在相同的初始状态和初始噪声误差条件下，与传统X射线脉冲星导航算法相比，多信息融合算法能将导航位置估计精度提高70%以上，位置估计误差降低到 200 m 左右，速度估计精度提高40%以上，且ADDF性能优于无迹卡尔曼滤波器。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

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。     

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。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题。算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信号随机噪声抑制能力强的优点。实验表明,变步长LMS自适应滤波技术可有效降低IMU信号的随机噪声,为遥测系统测量精度的提高提供技术支撑。     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

基于陀螺和星敏感器的卫星姿态确定算法

主要研究了基于陀螺和星敏感器配置的卫星姿态确定算法.为保证卫星姿态确定的高精度,利用星敏感器提供的姿态四元数结合扩展卡尔曼滤波,对陀螺漂移进行实时补偿.并利用在轨数据,通过matlab数学仿真,验证了高精度滤波算法的有效性.所设计的滤波器能准确估计陀螺漂移,估计误差优于5.56×10-5(°)/s;姿态估计误差优于0....     

水平集方法中速度停止项的改进

针对传统水平集算法只对含有加性噪声的图像有较好处理结果的缺点,对水平集函数的速度停止项进行了改进。首先,改进后的速度停止项可以通过自适应滤波来消除乘性噪声对水平集函数演化的影响;其次,提出了一种估计图像平滑区域的方法,以使水平集可以更准确的分割出图像中的目标;最后,再将该速度停止项带入到水平集演化方程中,对图像进行演化运算。实验结果表明,该方法能够在抑制乘性噪声的同时较好的对图像进行分割。     

Regularized robust filter for attitude determination system with relative installation error of star trackers

As one of the most critical issues for high-accuracy satellite attitude determination, the relative installation error of star tracker usually leads to inconsistency of the output attitude information. In this paper, an approach named regularized robust filter algorithm is proposed to control the relative installation error of star tracker in the attitude measurement data. Based on the uncertainty model established for the attitude measurement system, the weighted least square solution is presented and the regularized robust filter is deduced firstly. The algorithm parameters are then optimized with the design indices in order to minimize the upper boundary for the variance of the estimated error. Compared with the traditional Kalman filter, the regularized robust filter takes into consideration the effects of model uncertainty, which can be used to optimize the filter parameters during its design stage. Thus, the information of both the system model and the measurement data can be applied effectively. Moreover, the existence conditions need not be validated in the proposed filter algorithm, which is convenient for on-orbit application. Finally, simulation results demonstrate the validity and efficiency of the proposed method. The relative installation error of attitude determination is mostly reduced and the estimation precision is improved greatly.     

基于环路滤波器的低复杂度LMS算法设计

研究利用多天线结构对测控信号内存在的干扰进行对消和信号增强的技术。首先介绍传统空域干扰对消算法LMS，以及LMS的诸多改进算法，分析当前这些LMS算法在强干扰存在时收敛稳定性和收敛速度之间的折中关系以及参数调节的难度，分析了定步长和变步长LMS算法的优劣。针对变步长LMS由于动态环境以及大功率干扰的存在引起的收敛速度变慢和步长计算复杂的问题，提出了一种基于二阶环路滤波器累计误差的低复杂度LMS算法LF-LMS，该算法弱化单次误差的不稳定性并提高累计误差的稳定性，利用大步长和可变误差以实现快速收敛并缩小进入稳定状态后的误差波动，且计算量较小，可以有效应用于DSP工程实现，并通过仿真验证了算法在收敛速度和动态环境下的鲁棒性。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

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.     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

应用于仅有角度测量的寻的导弹制导的自适应修正增益推广Kalman滤波器

一种适用于一类特定的非线性系统全局收敛非线性滤波器被称作修正增益推广Ｋａｌｍａｎ滤波器（ＭＧＥＫＦ）。将ＭＧＥＫＦ与一种非线性时变观测噪声统计估值器相结合，导出一种自适应修正增益推广Ｋａｌｍａｎ滤波器（ＡＭＧＥＫＦ）。ＡＭＧＥＫＦ应用于三维仅有角度测量的寻的导弹制导，当测量噪声的方差不能精确已知时，不存在ＭＧＥＫＦ经常表现出的不稳定性，仿真结果表明ＡＭＧＥＫＦ是稳定的。而且与虚构的、对测量噪声方差精确已知的ＭＧＥＫＦ有几乎相同的估计效果。     

基于模型误差确定卫星姿态的预测滤波算法

本文给出了一种高精度、鲁棒性强的实时姿态估计算法，即预测滤波算法。该算法利用星敏感器所提供的观测矢量，对运动学方程中由陀螺漂移造成的角速度模型误差进行一步预测，从而准确地估计卫星的运动姿态和角速度。预测滤波算法的良好性能已通过仿真测试得到了验证。文中进一步提出的修正算法，使滤波器的预测性能得到了改进。