自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟，介绍了北斗定位解算与GPS解算的差异，针对扩展Kalman滤波(Extended Kalman Filter，EKF）算法在北斗解算过程中容易引入非线性误差，无迹Kalman滤波(Unscented Kalman Filter，UKF）算法受初值和系统噪声影响较大问题，提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter，AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵，消除量测噪声异常带来的影响，同时提高了滤波精度。实验表明，与EKF和UKF定位解算算法相比，AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高，是一种可靠稳定的北斗定位算法。     

基于UKF算法的航天器自主导航研究

针对卫星上配备的多种姿态敏感器，进行了导航方案的设计，利用姿态敏感器的测量信息实现轨道参数的估计。通过UKF(Unscented Kalman Filter)算法研究了卫星的自主导航问题，较传统的扩展卡尔曼滤波方法(EKF)简化了计算过程。数值仿真结果验证了该导航算法的优越性。     

基于改进K-SVD字典训练的涡扇发动机气路突变故障稀疏诊断方法

以典型气路突变故障信号的稀疏特性为基础,通过对涡扇发动机部件特征原子组进行分类,提出了改进K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的稀疏诊断方法,并结合气路典型突变故障开展了仿真实验研究。仿真结果表明:相比于拓展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)方法,改进K-SVD方法对故障定位准确,无故障部件健康参数变化为0,可有效提高故障部件辨识度,避免误诊断;计算耗时与EKF方法基本相等,仅为UKF方法的03%,是一种有效的航空发动机气路突变故障在线诊断方法。     

基于测距测角信息的DG-IEKF相对导航算法

在自主近距空中加油过程中,无人机通常利用机间数据链进行导航数据共享,解算获得高精度的相对导航信息.机间数据链受扰中断时,在常规相对导航策略失效的情况下,无人机通过搭载的态势感知传感器对未知环境进行探索.针对受油机与非合作目标加油机间中远距离相对导航问题,提出了一种测距测角信息下的相对状态估计算法.考虑到测距测角信息下算法的强非线性,在迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)的基础上,利用信赖域狗腿(DG)优化算法,提出了一种DG-IEKF算法,并推导了该算法在迭代过程中的状态更新方程与协方差阵更新方程,最后给出了该算法的相对导航仿真结果.仿真实验结果表明,该算法导航精度优于现广泛使用的扩展Kalman滤波算法(Extended Kalman Filter,EKF)与IEKF算法,在RMSE方面与EKF相比,相对位置综合精度提高了35.55％,相对速度综合精度提高了19.20％,具有较高的可靠性与稳定性.     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。     

大失准角下MIMU空中快速对准技术

 为了提高微小型无人机空中的反应速度和作业精度，提出将基于模型误差预测的扩展卡尔曼滤波(MEP-EKF)方法应用在大失准角下微惯性测量单元(MIMU)的空中对准中，通过不同机动飞行策略的仿真结果，证实MEP-EKF算法不仅能够实时估计出系统的模型误差，而且将其与扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF)方法进行了仿真比较，结果表明MEP-EKF算法在方位误差角的估计上，取得了比EKF和UKF精度高的仿真结果，使得方位失准角由30°快速下降到1°左右，而且MEP-EKF所需时间仅是UKF的17%。     

一种基于ST-EKF的惯性/里程计滑动窗口滤波技术

针对在卫星拒止的复杂野外环境下传统的惯性/里程计组合导航系统存在的误差随时间积累和方差不一致的问题,提出了一种基于状态变换Kalman滤波(State Transformation Extended Kalman Filter,ST-EKF)的惯性/里程计滑动窗口滤波技术.一方面,引入滤波鲁棒性更好的ST-EKF替代扩展Kalman滤波(Extended Kalman Filter,EKF);另一方面,利用滑动窗口中储存的误差状态向量、误差协方差和状态转移矩阵等数据实时对车辆行驶的航迹进行修正,以达到提高导航定位精度的目的.总里程489.88km的长行驶里程激光陀螺惯性测量单元(Inertial Measurement Unit,IMU)车载导航实验数据的事后处理表明,该算法具有较好的航迹修正效果和较高的导航定位精度,相比于基于EKF的惯性/里程计组合导航算法,其半程(去程)水平位置的均方根误差(Root Mean Square Error,RMSE)减少了42.79％,全程水平位置的RMSE减少47.70％.     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中，仅采用地磁矢量的模作为观测量，本文引入地磁矢量与太阳矢量之间的数量积作为观测量，增强了其可观性，也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter，EKF)虽然获得广泛应用，但其线性化过程会引入截断误差，而无香卡尔曼滤波器(Unscented Kalman Filter，UKF)是非线性滤波方法，不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究，仿真结果表明了本文算法的有效性，如磁强计偏置的标定精度，UKF比EKF高26%。     

组合导航数据融合自适应UKF算法研究

为进一步改善平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)在微惯/卫星组合导航数据融合中的估计精度和计算复杂度,针对工作于高机动状态下随机模型统计特性不确定和SRUKF中计算繁琐的问题,分别结合最大后验概率估计准则和矩阵奇异值分解技术,提出了一种新的快捷自适应UKF算法。通过微惯/卫星组合导航系统进行数据测试,结果表明,新算法不仅能够降低时变噪声对导航滤波算法精度的影响,有效提高系统的自适应能力,而且相比传统算法计算效率提升了约16%。研究结果对工程应用具有一定的理论价值。     

航空发动机健康参数的卡尔曼滤波估计方法分析

针对航空发动机气路部件健康参数估计问题,研究了基于线性和非线性模型的卡尔曼滤波估计方法.通过对气路部件渐变故障的仿真,比较了卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无味卡尔曼滤波(UKF)三种方法对健康参数的估计效果,对EKF在常增益条件下的仿真用时与估计结果进行了研究.结果表明,EKF可根据需要求取卡尔曼增益,能在较少计算量下得到较好的估计结果,是一种实用的非线性参数估计方法.     

捷联惯导系统大失准角下的初始对准研究

针对捷联惯导系统初始对准过程中的大失准角情况,建立了基于欧拉平台误差角概念的捷联惯导系统(SINS)非线性误差模型,对于具有加性噪声的动态方程,当状态方程为非线性而观测方程为线性时,将一种简化的UKF滤波方法运用到捷联惯导系统初始对准中,并在静基座下对捷联惯导系统大失准角初始对准进行了仿真。仿真结果表明,随着失准角的增大,简化的UKF比EKF估计精度更高,是一种在进行捷联惯导系统大失准角条件下的初始对准时实用方法。     

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

 为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75％。     

基于UKF的GPS/SINS组合导航直接式滤波算法

基于无迹卡尔曼滤波(UKF)方法,使用姿态、速度、位置等9个导航参数组成状态向量,以GPS系统输出的速度、位置组成6维观测向量,构建直接式结构的UKF滤波器。该滤波器能够直接反映系统导航参数的动态过程,准确显示运动状态演变。针对GPS/SINS组合导航系统的特点,构建了GPS/SINS组合导航直接式卡尔曼滤波仿真验证系统,仿真结果验证了基于UKF的GPS/SINS组合导航直接式滤波算法的有效性,该直接式非线性滤波算法可使惯性组合导航系统的导航精度得到提高。     

基于EKF的天线罩误差斜率多模型估计方法

 提出一种新的滤波器结构,利用基于扩展卡尔曼滤波(EKF)的多模型(MM)算法,对天线罩误差斜率进行估计,降低天线罩误差对雷达自寻的导弹的影响,提高系统性能。在三维坐标下,创建包含导弹运动方程、目标运动方程、弹目相对运动方程的滤波模型。采用EKF算法,对包含天线罩误差的非线性观测方程进行线性化处理;依照多模滤波的思想,对天线罩误差进行离散建模,构建伪观测方程,更新模型概率,得到天线罩误差斜率的估计值;将斜率估计结果代入EKF,得到滤除天线罩误差影响的系统状态量估计结果并形成制导指令。仿真结果表明,所提方法可以有效地估计天线罩斜率,提高系统制导精度。     

Tracking a ballistic target: comparison of several nonlinear filters

This paper studies the problem of tracking a ballistic object in the reentry phase by processing radar measurements. A suitable (highly nonlinear) model of target motion is developed and the theoretical Cramer-Rao lower bounds (CRLB) of estimation error are derived. The estimation performance (error mean and standard deviation; consistency test) of the following nonlinear filters is compared: the extended Kalman filter (EKF), the. statistical linearization, the particle filtering, and the unscented Kalman filter (UKF). The simulation results favor the EKF; it combines the statistical efficiency with a modest computational load. This conclusion is valid when the target ballistic coefficient is a priori known.     

基于双模型滤波算法的环控系统换热器故障诊断

 在建立飞机环控系统数学模型的基础上,提出采用双模型滤波方法进行参数估计、状态预测和故障诊断,提高飞机环控系统故障诊断的快速性和准确性。如果采用最小二乘算法,参数估计是静态的,故障诊断延迟一般较大;采用单模型扩展Kalman滤波算法,虽然能够实现动态估计,但不能同时兼顾稳态过程和过渡过程（突发故障）的参数估计,导致误差较大。为了解决上述难题,针对飞机环控系统换热器故障诊断,提出两模型滤波算法。该算法由两个滤波器组成,分别用于跟踪系统的稳态和过渡过程。由于采用了两滤波器模型分别匹配不同的系统特征,能够改善飞机环控系统不同状态下的参数估计和状态预测性能,从而提高系统故障诊断的精度和速度。仿真结果证实了该算法的有效性。     

无源定位跟踪滤波算法研究及仿真分析

首先介绍了几种无源定位跟踪滤波算法原理,包括扩展卡尔曼滤波（EKF）,无迹卡尔曼滤波器（EKF）,交互多模型滤波器（IMM）;然后通过建立几种不同模型来对每一种滤波算法进行仿真,依据仿真图形和误差结果对滤波算法进行分析,从而实现不同滤波模型根据目标运动状态进行监视和切换,这对无源定位跟踪算法精度的提高和实际应用有很大的...     

基于无味卡尔曼滤波的飞机防滑刹车模糊神经网络控制

根据对飞机刹车过程动力学分析与建模,本文提出了一种基于无味卡尔曼滤波(UKF)的模糊神经网络控制律。本控制律结合了无味卡尔曼滤波对机体速度的良好估计效果和模糊神经网络控制器对不同系统参数的适应能力,能够很好完成对最佳滑移率的追踪任务。Matlab仿真试验结果显示,基于无味卡尔曼滤波的模糊神经网络控制器可以准确的估计飞机滑跑时的速度,改善飞机防滑刹车系统性能,提高刹车效率。