外弹道测量数据野值的递推辨识

动态测量数据中野值是导致滤波发散的主要原因之一。在目前的靶场外测数据处理中,尚无特别行之有效的野值辨识和剔除手段。本文以“新息”为基础,提出了基于卡尔漫滤波方法的野值辨识和剔除方法,有效地解决了滤波发散问题。而且可同时进行野值的剔除与状态估计,极大地提高了计算速度和数据处理的精度。经仿真计算证明,该方法是实用有效的。     

使用开关中值滤波方法剔除遥测数据野值

野值剔除是进一步分析遥测数据的前提,根据参数的变化规律,从数据中找出疑似野值,然后使用开关中值滤波方法（Switching Median Filter,SMF）处理疑似野值。从理论上阐述新方法的合理性与可行性。对开关中值滤波方法与现有几种常用方法进行较为详细的对比分析。理论分析与算例结果表明,该方法合理有效,并易于理解,计算简单。     

地磁测量数据野值的辨识与剔除

针对地磁测量野值的辨识与剔除方法进行了深入研究。分析了野值辨识与剔除的基本原理,基于孤立型野值和斑点型野值模型分析比较了不同的野值剔除方法。利用地磁场实测信息,优化了野值剔除方法的参数,并从不同角度验证了方法的野值修复效果。仿真结果表明,在观测信息为总强度地磁信息条件下,优化的最小二乘B样条逼近法能够有效地辨识野值,具有较好的野值修复效果。     

线性随机系统Kalman滤波的野值修正

本文讨论原始输入采样数据会有野值时Kalman滤波的修正问题，提出了一组易于应用的处理对策与计算方法。     

基于新息正交性的Kalman滤波抗野值法在POS中的应用

 针对位置姿态系统（POS）应用中全球定位系统（GPS）野值会降低滤波精度和稳定性的问题,提出将基于新息正交性的Kalman滤波（KF）抗野值法应用于POS数据处理中。该方法首先通过判断KF新息过程的正交性是否丧失来判别GPS的位置和速度数据中是否出现野值,然后采用活化函数对含有野值的量测值进行加权限制,使修正后的新息过程能够保持正交性质,从而达到辨识并修正GPS野值的目的。车载试验结果表明,该方法能够有效辨识并抑制GPS野值对滤波精度和稳定性的不利影响,其在GPS野值点处的位置、速度精度比标准KF提高了1~2个数量级。     

用于气动导数辨识的试飞数据处理方法研究

飞行试验的测量环境十分复杂,未经处理的试飞数据直接用于飞机的气动导数辨识会降低辨识精度,甚至导致辨识的迭代过程发散或收敛到错误值。提出一套从野值剔除、数据平滑、时延修正到相容性检验的试飞数据处理方法,并将其应用到真实试飞数据的气动导数辨识中,通过对比分析数据处理前后的辨识过程和辨识结果,验证了本文提出的数据处理方法在改善辨识过程收敛特性和提高辨识精度上的有效性。     

对脉冲型数据的一种数字滤波技术

本文提出了一种用于处理动态实验脉冲型数据的数字滤波技术，首先，识别和剔除数据中的野值并加以补正，然后使用最小二乘法１５点二阶算式对数据进行滤波，对于脉冲幅值较大的数据可多次滤波，以得到更新近于真实值的数据，用数字滤波技术作动态点估算，对测量数据具有频域滤波和数据平滑化功能，其特点是简单，实用，应用性强，算例表明，对于脉冲型数据和混有高频噪声的动态测量数据的滤波效果是良好的，给出了原数据的有用信息和     

基于残差特性分析的野值检测与剔除方法

在导航和控制工程实际应用中,野值的在线处理一直是难点之一.现有的利用残差的野值判别方法往往建立在最优滤波的前提上,在处理速度、效果和实用性上有所局限,难以适用于这一范围.在分析残差信号特征的基础上,利用残差变化率的变化规律,使用莱特准则对野值进行判断.仿真计算和实际工程应用表明,该方法算法简单、效果明显,能够满足工程实际应用的要求,很大程度上消除了野值对滤波精度的影响.     

一种新的雷达数据剔野方法

基于雷达测量数据是一种特殊的时间序列这一特性,提出了一种针对雷达数据的序列剔野方法。先求得序列的边缘点,计算边缘权重因子,再在特征空间中计算异常因子来识别野值。从子列的角度检测雷达测量数据的野值,弥补了单点检测的局限性。采用某型雷达在某次任务中斜距R的一段测量数据进行实验,并将野值识别情况与用传统方法所得结果进行比较,结果表明,这种针对雷达测量数据的序列剔野方法较传统方法更能有效地剔除雷达数据中的野值。     

基于聚类模糊系统的动态数据野值剔除方法

针对影响遥测参数处理和分析的野值问题,提出了基于聚类法实时设计模糊系统实现动态数据野值辨识和剔除的新方法。该方法能够自适应跟踪不同变化特性的遥测参数,基于聚类法实现模糊系统的动态建模并获得预测值与观测值的残差序列,再按照狄克松准则实现野值的快速剔除。对实测数据的仿真实验表明：该方法能够显著降低动态建模的复杂度,快速跟踪信号变化,方法可行且有效。     

基于动力学模型的积分滤波机动检测方法

给出了一种基于动力学模型的积分滤波机动检测方法，通过滤波时对机动时间、机动强度和滤波残差的实时统计，可以准确识别目标的机动状态，并自适应调整滤波参数，保证滤波的精度。对野值具有很强的抑制能力，能够在很大程度上减小虚警的概率。该方法适合靶场对高机动弹道的机动检测。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。     

水下载体SINS/USBL组合导航滤波方法研究

捷联惯性导航系统(SINS)具有短期定位精度高的优点,但其定位误差随时间发散,超短基线(USBL)在其有效工作范围内定位误差不发散,且由于受作用距离及复杂水下环境的影响,其定位数据不连续,离散度大,野值多。水下载体导航采用SINS/USBL组合导航,可充分发挥各自的优势。根据USBL量测信息的特性,给出了一种基于改进的带观测噪声时变估计器的Sage-Husa自适应Kalman滤波方案,经实物数据仿真验证了此滤波方案的有效性。     

外测数据处理中小波滤波的鲁棒性算法研究

为消除外测数据处理中异常值和噪声信号对处理结果的影响,结合数据处理的实际,给出一种基于小波变换的鲁棒性滤波算法。首先用移动中值滤波算法剔除原始数据中的异常值,然后采用小波系数去噪算法并结合经验维纳阈值滤波算法,抑制数据中的噪声。仿真计算及实际工程应用表明,该算法在保留特征段及有用信息的同时,有效地剔除了异常值,抑制了噪声,具有很好的鲁棒性。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

利用二次型实时剔除雷达数据中野值的方法

实时剔除雷达测量数据中的野值对于提高目标轨迹精度具有重要意义。文中分析了一种利用残差和误差相关矩阵构造二次型作为判定野值的方法,并给出了这种方法的实现思路和仿真结果,指明了该方法可推广应用的领域。     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点，引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进，并在此基础上利用加权渐消记忆法获取了遗忘因子，并通过预测残差得出了最优解。同时，用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性，对滤波器发散进行了有效的抑制，减少了算法的计算量。实验结果表明，该算法有效改善了可靠性、精确性及自适应能力。     

无迹增量滤波方法

提出无迹增量滤波(UIF)的概念,建立一般无迹增量滤波模型及其分析方法,并对具有加性噪声的无迹增量滤波进行了详细讨论,给出其递推算法.在工程实际中,由于环境因素的影响、测量设备的不稳定性、模型和参数的选取不当等原因往往带来未知的系统误差.在这种情况下,传统的无迹Kalman滤波方法(UKF)在递推过程中会产生较大误差,甚至导致发散.提出的无迹增量滤波方法能够成功消除这种未知的系统误差,提高滤波的精度.该方法计算简单,便于工程应用.      

基于最小二乘B样条逼近的观测数据野值剔除方法

本文提出了一种适用于弹道观测数据野值剔除的方法。该方法以最小二乘B样条逼近算法为基础，用拟合残差构造加权序列并通过迭代得到B样条系数的稳键估计，对各观测值与拟合值进行比较时在3σ准则的基础上引入偏度分析方法，以确保正确识别出观测数据中的野值，并以拟合值替代之。     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。