捷联惯导系统误差状态可观性分析

捷联惯导系统误差状态可观性分析是为了确定卡尔曼滤波器对系统误差状态的估值效果。本文根据分段常值理论分析了捷联惯导系统误差状态的可观性，得到相应的可观性结论，并且分析了水平通道的误差状态可观性，所得到的分析结论对设计滤波器时的运动路径设置提供了参考依据。     

利用基于卡尔曼的平均位移估值器进行多目标探测

本文研究了利用由卡尔曼平均位移估值器所获得的位移估值中的异常物来探测前视红外（ＦＬＩＲ）场景中的多目标（获得回波）问题。由目标产生的初始位移估值与（多个被测目标）回波相关联，从而获得目标新的位置估值。为实现多目标跟踪，此过程对场景中的所有目标均可重复。本文还考查了位移估值期望值与迭代次数的函数关系以及位移误差协方差矩阵和卡尔曼增益矩阵与迭代次数的函数关系。     

采用具有输入估值的变维滤波器进行的跟踪

本文提出了一种跟踪机动目标的改进方法。把输入估值方法的逆推公式与变维滤波器方法综合起来就构成了本文所提出的跟踪滤波器。在所提出的方法中，滤波器还提供目标开始机动的瞬间时间估值（当检测到目标机动时）。支用所估算的机动起始时间也可估算机动输入，跟踪系统则转换为机动模型。所提出的方法的计算负担与输入估值方法的相当。这种跟踪滤波器的有效性已经通过模拟得以验证，并将茯与交互式多模（ＩＭＭ）滤波器、输入估值滤     

寻的地空导弹目标运动状态的估计

本文讨论了目标作随机圆周运动时,采用有限记忆法及推广卡尔曼滤波法对目标的实时状态作估计的问题。给出了目标估值的实时递推公式。比假设目标为一阶马尔可夫过程随机运动更加实际,所得的算法公式同样具有实时估计的能力。     

用于寻的导弹制导的计算密度滤波器

提出一种最大似然估计方法,用于求解具有线性动力学和非线性量测函数的问题.这种方法称为“计算密度滤波器”,在此方法中,条件概率密度函数被选为有限个参量的函数.在最频值附近描述条件概率密度函数近似形状的这些参量被延伸到每个量测间隔.在测量时,条件概率密度函数利用贝叶斯理论来修正,由数字计算得到的它的最频值定为状态的最佳估值.为了保存计算函数的形式,后验条件概率密度函数用关于最频值的泰勒级数展开式来近似.目标拦截问题的数字结果表明,计算密度滤波器优于广义卡尔曼滤波器.然而,计算密度滤波器有负的距离偏差.近似方法分析证明,最大似然距离估值小于平均距离估值.     

基于支持向量机的惯导初始对准系统

针对平台式惯导系统的初始对准 ,提出了基于支持向量机 (SVM)网络的滤波器 ,并将其用于惯导初始对准中 ,代替初始对准系统中的闭环Kalman滤波器 ,可以确保系统的误差状态始终为小量 ,实现了惯导初始对准中的滤波与校正功能 ,并将其与神经网络滤波器、闭环Kalman滤波器进行对比。仿真结果表明 ,采用SVM网络滤波器简化了系统运算的代数结构 ,提高了系统状态估值运算的实时性 ,而对准系统的精度又与采用闭环Kalman滤波器的精度相当 ,并且SVM网络克服了神经网络的不足。     

地地导弹模型参数估计方法研究

本文对地地导弹的弹体模型参数估计方法进行了研究。利用自适应卡尔曼滤波方法对传统的卡尔曼滤波方法进行了改进。从而有效地抑制了参数快变情况下估值的发散。大大提高了估值精度。     

多模自适应目标图像跟踪

本文建立了图像序列中含加性和乘性两种噪声模型影响下的目标偏移值测量模型。并针对目标机动性，采用多模虑波器和两段卡尔曼虑波器对目标状态进行估值，有效抑制了各种噪声影响，又消除了显式的目标机动性检测，且有较高的实时性和较少的存储量等优点。     

用于非线性目标跟踪的测量值预处理

若我们在极坐极或球坐标系统中得到测量值值，跟踪算法就变成非线性的。作者研究当测量值是在极坐标系统中得到时，跟踪作直线匀速运动目标的问题。文中提出一种与坐标变换、线性化和近似相关的新算法。对变换后的测量值进行预处理，并将其提供卡尔曼滤波器，以得到最后的状态估值。模拟结果证明，对于非线性问题，这一新算法具有其优越性。     

导弹作战使用精度指标评定的可用度及估计方法

针对导弹武器精度指标评定结果的真实性问题,定义了作战使用精度指标评定可用度的概念,并提出了点估计与区间估计的计算方法。通过对两种方法可用度的计算与分析,可以得出可用度与满足概率一致性的特点,能有效处理导弹武器精度指标的置信度与评估精确度之间的矛盾。计算结果也表明,作战使用命中精度估值的可用度大于传统密集度评定估值的可用度,进一步说明作战使用命中精度评定方法的优越性。     

一种新的实时参数估计方法

研究导弹控制系统仪器测试时动态模型的实时参数估计 ,利用递归傅里叶变换作实时数据分析 ,提出了一种基于线性状态空间模型的实时参数估计方法。实际应用表明该方法可以得到准确的模型参数估计和适当的误差边界 ,且计算量少、动态模型估计参数收敛性非常好。     

转发GPS外测数据处理及状态估计方法分析

本文综述了转发GPS外测数据处理和状态估计方法。详细讨论了各种处理观测值的差分法,比较了它们的优缺点。由数学仿真证明GPS用于弹道测量时其状态估计的精度是很高的。     

航天器姿态控制的一种自适应方法

针对航天器转动惯量参数未知恒定或缓慢时变,以及外部扰动力矩未知恒定或缓慢时变,基于非线性系统的无源性理论,给出了姿态控制的一种自适应方法.事先不需要不确定性的任何信息,控制过程中可根据自适应律给出其估值.理论分析和数值仿真都表明,该方法在保证参数估计误差有界的同时实现航天器对姿态角指令的快速无静差跟踪.     

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。     

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.     

Bass模型参数估计方法研究综述

详细介绍了新产品扩散Bass模型及其各种参数估计方法.模型的参数估计是影响模型准确性的一个重要方面,不同的参数估计方法,会使模型拟含结果相差很大,本文在对以往Bass模型参数估计方法进行分析评述的基础上,介绍了一种新的模型参数估计方法一蚁群算法,通过比较分析,认为蚁群算法将是一种更好的Bass模型参数估计方法.     

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)。     

一种话音和数据联合帧中的自适应动态容量分配算法

文章采用压缩的思想,提出了一种在自适应调制的基础上,通过压缩话音符号周期的方法进行话音和数据比特联合传输的方案。在给定的系统模型中,根据信道估计器给出的信道状态信息,发送端自适应选择调制方式,并在此基础上对话音符号周期进行压缩,以提高数据传输的吞吐率。仿真计算表明：该方案能有效提高一帧中数据比特所占的百分比,从而提高数据的吞吐率。     

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。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。