基于概率核函数的改进粒子滤波算法研究

针对组合导航系统中粒子滤波算法出现的粒子退化现象,在粒子滤波应用过程中引入概率核函数,通过概率核函数在粒子滤波计算过程中的应用来解决粒子衰减退化问题,同时保持粒子集合的多样性。首先对重要性采样函数进行改进设计,利用状态估计概率和量测估计概率提高重要性采样函数的信息采样全面性;然后设计随机概率统计的核函数并将其应用在重采样计算过程中;最后建立改进的粒子滤波算法并将其应用到组合导航系统工作过程中。仿真结果表明,基于概率核函数的改进粒子滤波算法可以有效地降低系统误差,提高组合导航系统导航精度。     

基于SMC-CPHD的多目标跟踪算法研究

针对CPHD滤波算法在多目标跟踪中计算难处理和对于局部目标估计存在漏检的问题,提出了基于序贯蒙特卡罗方法的基数概率假设密度（SMC-CPHD）滤波算法。这种方法是将SMC和CPHD两种滤波算法的优点相结合,用一些离散的粒子去接近PHD函数,不仅解决了在滤波修正步没有闭式解的问题,而且避免了当某个目标发生漏检时,PHD权值的转移问题,在递推PHD函数的同时也递推基数分布。将此方法应用到有杂波存在复杂的多目标跟踪环境中,通过仿真实验,对CPHD滤波和SMC-CPHD滤波得出的结果进行比较,验证了本文所提出方法对多目标跟踪的可行性和精确性。     

矢量观测确定卫星姿态的预测粒子滤波算法

在矢量观测的基础上,针对单独的星敏感器定姿,提出了一种将粒子滤波(PF)和预测滤波相结合的姿态确定算法,通过设计粒子初始化,结合重要性采样、重采样和规则化等手段,成功地将姿态四元数作为状态粒子进行更新和传递,避免了状态方程的线性化和协方差矩阵的计算;利用预测滤波算法估计模型误差和姿态角速度,在保证滤波精度的同时,有效降低了粒子滤波器的维数.实验在某对地观测通用小卫星平台上进行,选取卫星自由飞行状态和飞轮控制对地稳定模式,分别对滤波器进行了仿真,实验结果验证了该算法对本质非线性、非高斯的卫星姿态估计问题具有快速的收敛性能和良好的稳定精度.该方法还为粒子滤波器的设计和无角速度敏感器测量的飞行器姿态确定提供了借鉴.     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。     

状态估计中两种非线性滤波算法的对比研究

分析了粒子滤波算法和Unscented卡尔曼滤波算法的原理和算法实现；在状态估计模型中对两种算法的适应性进行了比较。通过实例进行仿真，结果表明粒子滤波算法估计精度比UKF算法高，但是计算量却相对较大。     

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UPF的航天器自主天文导航方法

利用红外地球敏感器和星敏感器直接敏感地平的天文导航方法是一种成熟、可靠的自主导航方法。这种导航方法的状态方程和量测方程都是严重非线性的,且在建立航天器轨道动力学模型时,通常将二阶带谐摄动项建模,而将其他摄动项等效为高斯白噪声,由于这些摄动项都有其精确的模型,通常不服从高斯分布。本文提出将UPF(Unscented Particle Filter)滤波方法应用于航天器自主天文导航,该方法用UKF(Unscented Kalman Filter)得到粒子滤波的重要性采样密度函数,从而克服了标准的粒子滤波没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。仿真结果表明,该方法可以取得比标准的粒子滤波和UKF更快的滤波收敛性和更高的滤波精度。     

Rao—Blackwellized粒子滤波在SINS／GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求.因此,本文提出了利用Rao-Blackwellized(R B)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法.优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少.通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性.     

一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题,提出一种基于粒子滤波的双目视觉惯导SLAM（即时定位与地图构建）方法。算法基于传统粒子滤波思想设计实现,后端处理时仅对位姿状态量进行滤波,有效解决了传统算法的维度爆炸问题,减少计算量的同时保证一定的精确度,兼顾SLAM算法精确性和即时性的要求。实验结果表明,方法整体定位精度相对误差低于5%,在光照条件适宜的小型场景效果更佳,误差低于3%,能够达到分米级精度,证明了SLAM方法能够完成SLAM系统的要求,实现即时定位与地图构建功能,具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。     

Adaptive sparse grid quadrature filter for spacecraft relative navigation

This paper explores a novel adaptive sparse grid quadrature filter. The sparse grid quadrature approach has been recently developed for nonlinear estimation problems to alleviate the curse-of-dimensionality issue of the Gauss–Hermite quadrature filter. Accuracy level of the sparse grid quadrature filter is an important tuning factor that affects desired performance. The proposed filter autonomously adjusts the accuracy level of the sparse grid quadrature rule in both prediction and update steps by increasing the level gradually until an adaptation criterion is satisfied. The adaptation criterion is derived based on a quadrature error estimator. The nestedness property of sparse grid quadrature rule enables efficient computation in adaptation by reusing quadrature points of the previous level sparse grid quadrature. An application to spacecraft relative navigation has been made to demonstrate the adaptive spare grid quadrature filter outperforming the extended Kalman filter and the unscented Kalman filter.     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题，提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法，该算法以混合建议分布为框架，由两个基本建议分布组成。其中一个基本建议分布为先验分布，另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近，因此有着高效性、高精度等特点。仿真结果表明，对于弹道再入目标轨迹跟踪模型，相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法，HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时，所提出算法的性能增益更为显著。     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

HCKF性能评估及其在传递对准中的应用

针对高阶容积卡尔曼滤波(HCKF)算法在传递对准中的应用问题，提出综合运用多变量函数泰勒级数展开和计算复杂度分析的性能评估方法。基于高阶球面-径向容积准则建立HCKF算法模型，并对其估计精度和计算量进行量化和对比分析：HCKF具有5阶泰勒级数展开精度且计算复杂度为O(n 4)，综合性能优于高斯厄米特积分滤波(GHQF)和无迹卡尔曼滤波(UKF)。将三种非线性滤波算法应用到舰机大失准角传递对准系统中，摇摆台试验结果表明：HCKF的估计精度比UKF高17%，计算量比GHQF小2个数量级，与HCKF性能评估结果一致。     

新型的超宽带正交接收系统幅相误差实时的数域均衡方法

文中对超宽带正交解调接收系统的幅相误差进行了分析,针对文[1]均衡方案的缺点,然后在此基础上针对系统超宽带的特点提出一种新的自适应实时数域均衡法。同时,针对系统超宽带的特点对串行算法进行了修改,提出一种适合于FPGA高速实现的流水算法。并对这两种算法进行了仿真比较。     

含无序量测的多传感器目标跟踪滤波算法

由于通信链路的随机时间延迟和星上传感器测量的预处理时间的不同等因素,导致在目标飞行器的测量中产生无序量测现象。为解决该问题,提出了一种基于扩展卡尔曼滤波的前向预测多步滞后无序量测处理算法。该算法首先采用扩展卡尔曼滤波算法估算出目标飞行器的状态方程和协方差方程,然后在滤波过程中利用前向滤波更新的方法,将协方差方程更新结果去相关后,累积到当前协方差方程滤波结果中,从而有效解决了目标飞行器测量中的无序量测问题。最后,将该算法与扩展卡尔曼滤波算法、丢弃算法进行了对比仿真。仿真结果表明,采用该算法处理目标飞行器的位置和飞行速度,得到的测量误差较小,在整个观测时间内,测量误差的收敛性较好,能够实现对目标飞行器的精确测量和跟踪。     

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。     

无陀螺卫星姿态的二阶插值非线性滤波估计

采用四元数作为姿态描述参数，提出了一种确定无陀螺卫星姿态的新方法，即二阶插值非线性姿态估计算法，它能够利用星敏感器提供的矢量观测信息准确地估计三轴稳定卫星的姿态。这种姿态估计算法的实现非常简单，其运算量与传统的扩展卡尔曼滤波姿态估计算法相当，但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致。而且，在二阶插值非线性姿态估计算法中，不会遇到由四元数正交约束所造成的协方差阵奇异性问题。     

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。