基于方位信息的组网雷达跟踪滤波研究

干扰对组网雷达目标跟踪系统模型的影响,决定了系统需要用非线性滤波技术进行纯方位跟踪.粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样.仿真实验表明了这两种改进粒子滤波方法的有效性.     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

模型参数扰动下的火星大气进入鲁棒状态估计方法

针对火星大气进入段模型参数扰动及动力学系统的强非线性影响导航系统状态精确估计问题，提出了一种模型参数扰动下的鲁棒插值滤波（DDF）方法。该方法在传统插值滤波方法代价函数的基础上，通过把扰动参数对状态估计精度影响的度量矩阵乘积的迹增广到代价函数，推导了具有解析滤波增益形式的鲁棒插值滤波方法。同时，通过实时计算进入过程中导航系统的非线性，基于系统非线性度给出了鲁棒插值滤波方法阶次自适应选取准则。只在系统强非线性阶段采用高阶鲁棒插值滤波方法，既保证状态估计精度，同时满足导航系统实时性需求。仿真结果表明，提出的鲁棒插值滤波方法比传统的一阶插值滤波方法估计精度更高，能达到二阶鲁棒插值滤波方法的估计精度，比整个进入过程采用二阶鲁棒插值滤波方法具有更高的解算效率。     

弹载SINS四元数模约束下滤波空中对准

针对弹载SINS/GPS系统的空中对准,提出一种四元数模约束条件下的非线性滤波初始对准算法。首先,利用坐标变换和四元数姿态描述,将传统的强非线性滤波对准问题转化为一个二阶弱非线性滤波问题;其次,采用二阶扩展卡尔曼滤波（EKF）对二阶非线性部分进行处理,得到一种简洁的滤波对准方案;最后,推导了四元数模约束条件下滤波算法的最优实现,及反馈四元数估计结果时的闭环滤波形式。利用车载MEMS IMU/GPS系统,进行了初始对准的地面试验,结果表明,在车辆弱机动条件下,对准算法能够实现姿态和惯性器件误差的快速估计,实现惯导系统的对准。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

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。     

基于Lawden改进型方程的编队Unscented Kalman Filter滤波估计

通过改进卫星编队的Lawden方程得到非线性相对运动方程,称为Lawden改进型方程,使其更加近似于编队运行环境.通过该非线性方程,在编队相对导航研究中,以EKF滤波方法为参考分析,采用适合非线性系统的UKF(Unscented Kalman Filter)滤波方法对编队的状态进行滤波估计.通过仿真实验,结果表明采用UKF滤波方法的编队状态估计精度明显优于采用EKF滤波方 法得到的估计精度,其中相对距离估计精度可以提高70％左右,相对速率估计精度可以提高25％左右,在工程应用中具有一定的参考利用价值.     

免微分非线性Bayesian滤波方法评述

以非线性递推Bayesian滤波问题的求解及其历史渊源为起点,分两类对各种免微分非线性Bayesian滤波方法或免微分方法的原理和算法进行了评述:一类是以线性最小均方误差最优估计子为特点的免微分高斯滤波,包括无味卡尔曼滤波、均差滤波器、中心差分滤波器和Gauss-Hermite滤波器或积分卡尔曼滤波器;另一类是后验密度数值逼近免微分方法,包括栅格法(GBMs)与近似栅格法、矩近似法和以粒子滤波为代表的Monte Carlo方法.其中还包括了作者的一些最新研究成果,如迭代UKF算法、裂变自举PF算法和关于粒子滤波算法有限收敛界的概念等.之后从加权统计线性回归的角度对两类免微分方法进行了统一认识,统一为以数值方法为特点的广义PF.为了建立一个关于各种免微分算法性能的整体印象,论文还通过一个复杂的递推非线性滤波估计例子,用MonteCarlo仿真实验的方法对7种典型的免微分方法和和传统的EKF算法进行了比较研究.最后对两类免微分方法进行了简单的比较,并指出了进一步研究的方向.     

EKF和UKF在INS/GPS组合导航中的应用分析

扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Un-scented卡尔曼滤波(UKF)是一种新的非线性滤波算法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵。将EKF和UKF分别应用到INS/GPS系统的滤波中,仿真结果表明UKF比EKF更适合于在INS/GPS系统中使用。     

惯性/图像组合导航中的双模态双滤波器研究

在简要介绍了飞行器视觉图像定位导航原理及模型的基础上，针对其非线性模型的推广Kalman滤波的收敛与初始条件有关的问题，将其定位导航的两种模型（线性与非线性模型）组合，提出了双模态双滤波器滤波方法。这种滤波能很好地解决非线性推广Kalman滤波的收敛问题。通过第一个线性滤波器的滤波估计给第二个非线性滤波器提供滤波初值，使这一非线性滤波收敛，并能取得较高的滤波精度。     

对接靠拢段的一种相对导航算法研究

自主相对导航技术是空间交会对接靠拢段的关键技术之一。Unscented卡尔曼滤波(UKF)是基于Unscented Transform(UT)变换的一种新型滤波器,它避免了扩展卡尔曼滤波(EKF)的线性化误差,不必计算Jacobian矩阵,而且其状态估计精度要比EKF的高。本文研究了基于UKF滤波器的自主相对导航算法。该算法根据追踪航天器上交会雷达的测量值,采用UKF滤波器对追踪航天器和目标航天器之间的相对位置和速度进行了估计,仿真结果表明该算法可以满足位置和速度估计精度的要求。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

预测-校正EKF算法在自主导航中的应用

为提高航天器自主导航系统非线性估计精度,通过分析EKF线性化方法的缺 点,基于数学分析理论研究了非线性函数线性化展开点以及雅可比矩阵取值点不同对线性化 逼近程度的影响,然后对传统EKF算法的线性化展开方式进行了改进,提出了一种基于中值 定理和平滑估计的预测-校正EKF（FR\|EKF）新算法。仿真结果表明,该算法在精度上优于 EKF算法。     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

SINS基于非线性量测的大失准角初始对准算法

针对陆用捷联惯导系统(SINS)大失准角初始对准问题,提出一种基于二阶非线性量测的二阶泰勒级数展开的初始对准算法。首先,将大失准角非线性对准问题,转化为具有线性系统方程和二阶非线性量测方程的滤波问题。然后,设计基于二阶非线性量测方程的二阶泰勒级数展开的滤波算法,可以在任意姿态和无初值条件下进行初始对准和参数估计。最后进行车载对准试验,结果表明,新算法可以在300s内完成实现大失准角初始对准,对准精度与传统分段对准算法相当。     

一种基于贝叶斯估计的地形辅助导航

采用基于蒙特卡罗近似的贝叶斯估计算法处理地形辅助导航系统中的估计问题 ,避免了对复杂地形的线性化过程。数字仿真结果表明该方法比传统的基于扩展卡尔曼滤波的SITAN算法有更高的估计精度 ,并能有效克服初始位置误差较大时 ,基于地形线性化方法易出现的滤波发散问题。     

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 。
     

改进的迭代粒子滤波法在GPS数据处理中的应用

研究粒子滤波方法(PF)处理GPS测量数据.采用迭代Kalman滤波方法产生粒子滤波器中的粒子,得到更精确的目标状态估计.同时利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史现测数据确定各粒子的权值,降低现测随机误差的影响,从而提高粒子滤波器的性能.采用改进的粒子滤波方法处理GPS测量数据,仿真结果表明...     

一种适用于空间监视跟踪的递推滤波算法

针对空间监视跟踪环境中对于包含角变量的状态向量估计存在精度较低的缺点,利用Gauss von Mises（GVM）多变量概率密度分布,提出一种基于矩匹配的GVM参数估计方法,并在此基础上改进GVM分布的确定性采样方法,建立针对GVM分布的递推滤波算法,该算法充分考虑了流形的内蕴结构,克服了传统滤波方法假设状态向量定义于欧氏空间及采用欧氏空间中高斯分布模型的局限性。仿真结果表明,该滤波算法能有效估计状态变量的后验概率分布,对角变量的估计精度明显优于扩展卡尔曼滤波方法(EKF)。