一种抗野值自适应滤波算法及在MEMS-SINS/GPS中应用

针对噪声统计特性不准确以及量测信号中出现的野值对滤波的不利影响,提出一种基于Kalman滤波的抗野值自适应滤波算法。该算法通过对估计误差的实时监测来调整渐消因子或进行抗野值计算,使滤波器在统计特性不准确或存在野值干扰的情况下仍为最优估计。将其应用到MEMS-SINS/GPS组合导航系统中,仿真结果表明该算法能有效降低统计特性不准确及野值给系统造成的不利影响。     

基于EKF容错滤波方法的编队卫星相对轨道自主确定

为避免因卫星测量野值导致的相对轨道估计与滤波精度下降,提出了一种基于残差正交性的扩展Kalman滤波（EKF）容错滤波算法的编队卫星相对轨道确定方法。根据卫星相对运动与相对位置量测方程,用残差序列方差的迹实现对野值的剔除及在线修正,保证滤波器有较强的鲁棒性、稳定性和精度。仿真结果表明：该法简单、有效,有较高的理论和工程应用价值。     

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.     

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.     

基于平方谱的符号率估计方法研究

研究基于信号平方谱的符号率估计方法,从理论上分析BPSK、QPSK和OQPSK信号平方谱中符号率谱线出现的原因和规律,为了提高符号率谱线的可识别性,利用修正的抑制色噪声的非线性滤波方法对平方谱的估计进行滤波,并从运算复杂度、抗噪性能和对信号升余弦滚降因子变化的鲁棒性等方面分析比较文中算法与文献中类似算法的性能,证明文中算法可以在较小的运算复杂度下取得较强的抗噪性能和较好的鲁棒性。     

基于数据深度加权的卫星轨道确定技术

将统计数据深度理论应用到抗差估计中,用数据深度作为衡量残差在整个样本集中地位的统计量.提出了基于数据深度加权的抗差估计算法.考虑到天基观测结构的复杂性,设计了天基测控的误差传播因子,并构造了模型结构权对定轨模型结构进行加权.在此基础上构造了基于数据深度加权和模型结构加权的M估计算法,证明了该算法的高崩溃点特性.设计了天基测控模式下的轨道确定仿真试验,试验结果表明该估计方法能有效抑制观测粗差和模型结构误差的影响,并且能显著提高定轨算法的鲁棒性.     

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。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 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。     

一种新的强跟踪H∞滤波方法研究及应用

针对常规H∞滤波跟踪机动过程能力较弱的问题,提出了一种新的强跟踪H∞滤波算法,该滤波算法具有较好的姿态跟踪能力,并保持了H∞滤波模型简单、鲁棒性好的优点.文中通过研究基于强跟踪H∞滤波方法的GPS/INS对准,实现空中机动条件下的惯导系统初始对准.对该算法进行仿真验证,测试结果表明,采用基于H∞的强跟踪滤波可以较好地提...     

复杂背景中红外弱小目标检测技术研究

对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。     

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。     

基于自适应采样滤波器的临近空间飞行器姿态确定

为提高临近空间飞行器的姿态估计精度和稳定性,研究了捷联惯性导航系统与星敏感器组合定姿方法和滤波融合算法.首先给出了临近空间飞行器的高精度姿态确定方案及其模型,然后针对一般采样型滤波器自适应能力有限的缺点,推导了一种能在线自适应估计过程噪声和量测噪声协方差阵的自适应采样滤波算法,该算法融合了自适应估计和非线性滤波各自的优点,不仅能对姿态确定系统的非线性滤波问题进行高精度估计,而且估计结果具有较强的鲁棒性,最后进行了仿真实验.实验结果表明本文方法达到10角秒的定姿精度,其滤波精度和稳定性均满足临近空间飞行器的定姿要求.     

UKF容错滤波方法在自主导航中的应用研究

地磁场向量可描述成卫星的位置函数，以地磁场强度向量为观测量，利用三轴磁强计的测量信息即可实现近地卫星的自主导航。但当测量值存在野值时，滤波会出现偏差、收敛变慢甚至发散。将UKF滤波容错方法用于磁测自主导航，构造出一种基于残差正交性判别的UKF（Unsend Kalman Fiher）容错滤波方法，来实现野值的实时修正和故障诊断，使滤波器具有较强的鲁棒性。仿真结果表明该方法有效。     

UKF参数估计在航天器气动辅助变轨问题中的应用

为快速精确地求解气动辅助变轨问题，提出一种基于无损卡尔曼滤波(UKF)参数估计的数值求解方法。首先，针对气动辅助变轨问题，利用极大值原理将其转化为对应的两点边值问题;然后，以协态变量的初值作为估计参数，以末端条件为期望观测值，将该两点边值问题转化为参数估计问题，并应用UKF滤波算法求解。该算法基于估计理论，避免了计算传统数值方法所需要的梯度矩阵，同时克服了猜测协态变量初值的困难，降低了求解气动辅助变轨问题的难度。数值仿真表明，该算法结构简单，求解效率高，具有良好的鲁棒性。     

一种宽频被动雷达制导信号的鲁棒滤波方法

探索提高制导武器末制导系统抗噪声扰动鲁棒性的技术方法,研究了一种能将制导信号不确定噪声引起的滤波估计误差控制在一定边界范围内的鲁棒滤波算法,采用该算法对宽频被动雷达导引头测量输出信息滤波估计,可以弱化不确定随机噪声对制导系统的扰动,从而提高制导系统抗噪声扰动的鲁棒性.通过仿真验证了算法的有效性.     

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。     

改进高斯混合粒子滤波的纯方位目标跟踪算法

针对纯方位跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。该算法基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。利用贪心EM算法实现模型的降阶,一定程度上克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点和可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在纯方位跟踪领域,与传统粒子滤波(PF)和基于EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

一种航天器位姿测量的鲁棒正交迭代法

航天器位姿测量是许多空间任务和地面大型试验必不可少的关键环节,基于合作标志点的单目位姿测量技术是实现该测量的重要手段之一;由于受到外界复杂环境的干扰,标志点提取可能会出现野值点或者精度不一致的情况,传统的正交迭代方法对于该类问题不能够达到最优的求解精度,甚至求解错误。文章提出了一种基于M估计的鲁棒型正交迭代方法,使用M估计给每个标志点分配不同的权重,优化加权物方残差目标函数得到位姿参数。通过仿真验证和实物试验,证明了该方法可以较好地消除错误数据对测量的影响,提高了正交迭代算法的测量精度和鲁棒性。     

基于融合状态递推的非线性联邦滤波器故障检测算法

传统的联邦滤波器故障检测算法一般是针对线性系统模型提出的,现在非线性条件下对算法进行推广,推导了针对非线性模型的状态χ~2故障检测算法,并对其进行改进,提出一种基于融合状态递推的新型联邦滤波故障检测算法。该算法利用联邦滤波器的全局最优融合状态通过状态递推器获得融合状态递推,再由各子系统通过非线性滤波得到的状态估计与融合状态递推之间的残差构造检验量,进行故障检测。由于全局最优融合状态的精度要高于局部滤波值,故相比于传统联邦故障检测法,该算法的检测灵敏度更高;最后设计了一组仿真实验,验证了该检测算法的有效性。