适于惯导系统初始对准的神经网络实时算法研究

通常卡尔曼滤波器被用于解决惯导系统的初始对准问题。由于卡尔曼滤波的运算时间与系统阶次的立方成正比 ,所以当系统阶次较高时 ,滤波器会失去实时性。而神经网络具有函数逼近性能 ,实时性又好。为此 ,本文研究了一种基于扩展卡尔曼滤波原理的权值更新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 ,既真正获得了与扩展卡尔曼滤波器相同的对准精度 ,又大大提高了系统的实时性     

高动态GPS跟踪

几种用于跟踪高劝态 GPS 信号的算法,可满足 GPS 跟踪的要求。本文简介其中的部分工作,如最大似然估计器、扩展卡尔曼滤波器、叉积 AFC 环,交叠 DFT AFC 环、频率扩展卡尔曼滤波器等。对它们作了对比,并列出比较结果。     

采用简化滤波器思想的卫星姿态确定系统故障诊断

针对星上计算机运算资源有限的问题，为了降低卫星姿态确定系统故障诊断的运算量，提出一种基于卡尔曼滤波器的故障检测与分离方法。该方法首先基于卫星姿态运动方程设计了一种加性卡尔曼滤波器，然后将卡尔曼滤波器与简化观测器思想相结合，进一步提出一种采用简化滤波器思想的姿态敏感器故障诊断律。所提出的故障诊断方法既可以实现对陀螺故障的检测与分离，又能够诊断星敏感器的故障。此外，该方法只利用一个滤波器即可实现故障检测与分离，其计算量小，有利于在轨实施。最终采用一个由三正交一斜装陀螺组件和星敏感器构成的姿态确定系统对所提出的方法进行了仿真校验，仿真结果表明了所提方法的有效性。     

GNSS接收机中一种新的射频干扰抑制级联方法

为了减少系统复杂度和提高系统实时性,提出了一种新的级联算法。首先,通过三系数滤波器模型对连续波干扰进行建模,从而形成一种非线性卡尔曼自适应滤波器,并利用该滤波器作为预处理器对每路中的窄带干扰进行抑制。随后,将各路滤波器的输出送入空时自适应处理器中进行宽带干扰的抑制。仿真结果表明,在匹配谱干扰环境下,特别是在窄带干扰从卫星信号方向入射时,新算法相对于普通的空时和空频自适应处理表现出了更加优越的性能。     

一种纯距离跟踪滤波器的改进算法

针对纯距离目标跟踪可观测程度较低的问题,提出一种基于角度参数的纯距离目标跟踪改进算法。文中方法将系统的观测区间范围划分为若干个子扇区,每个子扇区采用一个独立的加权扩展卡尔曼滤波器进行纯距离跟踪,利用贝叶斯理论来修正各滤波器的权重,系统的输出为各并行运行的滤波器估计值的加权和,最终获得目标的运动轨迹。系统的仿真结果表明,方法收敛速度快,跟踪精度高于扩展卡尔曼滤波器的跟踪精度。     

稳态卡尔曼滤波器在偏置动量三轴稳定卫星姿态控制系统中的应用

本文叙述了只有姿态角度敏感器的卫星姿控系统用卡尔曼滤波器对角度信息进行滤波和对角速度信息进行估值来改善系统控制精度的应用实例。     

一种应用于星光观测导弹姿态确定的强跟踪滤波算法

为提高基于星光观测的导弹姿态确定系统的非线性滤波器性能,对更具自适应能力的强跟踪扩展卡尔曼滤波器进行了研究。针对一般强跟踪扩展卡尔曼滤波算法的自适应能力有限的缺点,推导了一种能根据每一个状态噪声的变化来调解误差方差阵中相应的渐消因子的强跟踪滤波算法,根据其在导弹姿态确定中的应用特点对其进行了优化;并将其应用到基于星光观测的导弹姿态确定仿真中以验证算法的效果;仿真实验说明算法的速度、精度和可靠性能够满足基于星光观测的导弹姿态确定的需要。     

基于自适应算法的月球引力常数和J_2系数确定

针对月球引力场自主确定过程中测量噪声统计特性未知导致扩展卡尔曼滤波精度低、易发散的问题,提出了一种自适应扩展卡尔曼滤波算法。该算法通过采用改进的噪声估计器,对滤波过程中未知测量噪声统计特性进行实时估计和修正,有效地提高了扩展卡尔曼滤波器的稳定性,减小了状态估计的误差。通过与蒙特卡洛仿真,扩展卡尔曼滤波的结果比较,自适应扩展卡尔曼滤波算法加强了滤波的稳定性,并且明显提高了月球探测器轨道的确定精度、月球引力常数精度和月球J2项摄动系数精度。     

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 。
     

一种利用磁强计和星敏感器的自主导航方法

基于地磁矢量高度方向梯度大的特点能够获得高精度的地心距信息,结合利用星敏感器精密测角信息可以得到航天器地心距矢量的高精度方位信息的特性,提出一种基于磁强计与星敏感器的自主导航方法。同时为降低星上计算量、提高自主导航收敛速度和导航精度,以地球固联坐标系下的轨道动力学方程作为系统状态方程,并在此基础上设计了组合导航扩展卡尔曼滤波器(EKF),利用Swarm卫星高精度磁测数据进行数值仿真校验。结果表明,自主导航滤波器收敛速度快,导航精度明显提高,位置精度和速度精度分别为0.52 km、0.89 m/s(1σ)。     

模拟式自适应窄带滤波器

模拟式自适应窄带带阻(或带通)滤波器其零点(或极点)由外部输入,它们与滤波器内部参数无关。在z平面上,自适应带阻滤波器便是二阶LMS算法自适应谐波对消器。实验表明,这种滤波器在大工频噪音中,提取语言信号,可提高20db信噪比。     

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。     

基于多相滤波的跨信道宽带信号处理技术

首先介绍了实信号的多相滤波信道化体制,讨论了该体制下宽带信号跨信道接收时的信号检测技术以及邻信道虚假信号消除技术。然后详细讨论了各种跨信道宽带信号恢复算法,考虑到可行性和FPGA的硬件可实现性,选用综合滤波器算法进行宽带接收。最后通过MATLAB仿真验证算法的有效性。     

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。     

级联滤波器并行频域实现的研究

文章介绍了一种用于两个或多个级联滤波器并行频域实现的有效的计算方法,特别是当滤波器阶数很大时,该算法只需计算一个DFT和IDFT,DFT／IDFT的点数远远小于滤波器的阶数;并且滤波器既可以是时不变的,也可以是时变的。     

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...     

基于新的数值积分粒子滤波的机载无源定位算法

针对机载无源定位这一多维非线性滤波问题,提出一种新的用3阶数值积分卡尔曼滤波算法来产生重要性密度函数的粒子滤波算法。新算法采用球形和径向数值积分规则选取积分点和确定相应的权值,得出的积分点数仅为状态维数的二倍,大幅的减少了计算量,较好地解决了求积分卡尔曼粒子滤波算法（Quadrature Kalman Particle Filter, QPF）在高维滤波时存在计算量大的问题;而且通过设定比例因子使得所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测值,增加了粒子的多样性,提高了对系统状态后验概率的逼近程度。仿真结果表明：新算法在稳定性和定位精度上与QPF相当,但计算时间仅约为QPF的15%。     

利用磁强计数据确定卫星姿态的简易滤波算法

针对一类俯仰轴负向安装有偏置动量轮的重力梯度稳定的三轴主动磁控微小卫星,在分析其数学模型的基础上,将俯仰通道与滚动-偏航通道解耦,分别给出了仅用磁强计测量数据确定各通道姿态的卡尔曼滤波算法。并进一步分析了滤波系统模型的周期性,探讨了实现周期滤波增益的可行性。最后通过仿真算例验证了该滤波算法的有效性以及采用周期滤波增益的可行性。     

跨声速气动参数在线辨识方法研究

以增广扩展卡尔曼滤波作为在线辨识工具,对再入体跨声速区的气动参数在线辨识方法展开研究.系统分析了增广扩展卡尔曼滤波对状态和参数联合辨识效果,发现缓变气动参数辨识效果良好,但气动参数变化剧烈时辨识结果有较大偏差,为克服这一缺点,将强跟踪思想引入到一般的增广扩展卡尔曼滤波器中.通过仿真表明,强跟踪增广扩展卡尔曼滤波器可以有效克服一般增广扩展卡尔曼滤波在参数变化较大时估计误差较大的缺点.     

X射线脉冲星导航中的滤波方法分析

X射线脉冲星导航由于需要大量的观测数据来确定天体方位,因此需要较长的滤波周期(500 ～ 1000s),系统的状态方程是非线性的.若采用扩展Kalman滤波(EKF),线性化时会产生较大的高阶截断误差,且Jacobian矩阵不易精确计算,导致定轨的精度较低.文中采用非线性滤波方法- Unscented Kalman 滤...