利用跟踪-微分器构造机动目标估计模型

在分析目标运动特点的基础上,提出了一种新的基于跟踪-微分器的机动目标估计模型。该估计模型与卡尔曼滤波算法相结合,能够在动态过程完全未知的情况下估计出目标运动参数,且估计模型简单,物理意义明确,能够适应于目标的各种机动行为模式。仿真结果表明,具有跟踪-微分器结构的估计模型不但具有很强的适应性,而且能够获得满意的估计精度。     

基于跟踪微分器的增量动态逆容错控制方法及应用

为提高飞机对干扰的鲁棒性，提出一种基于跟踪微分器的非线性增量动态逆控制方法，并基于此方法设计飞机飞行容错控制律。首先，利用传递函数补偿法同步角速度和舵面偏转信号降低角速度传感器对闭环系统的影响。然后，为克服估计角加速度时差分放大残余噪声的问题，采用跟踪微分器来替代传统差分方法，在保证角加速度准确性的同时降低测量噪声。最后，通过数值仿真验证了所提出的基于跟踪微分器的增量动态逆控制方法的性能。结果表明，该控制方法对机翼损伤故障具有鲁棒性，能够消除传感器动态对系统的影响，并且能够有效降低测量噪声对系统的影响。     

基于星敏感器的卫星姿态估计方法研究

以星敏感器姿态信息作为测量数据,结合卫星姿态动力学方程组,采用增广卡尔曼滤波方法对无陀螺卫星姿态进行估计。研究发现,干扰力矩的变化会降低卫星姿态估计结果的精度,为此提出两种改进的姿态估计算法:增广自适应卡尔曼滤波方法和增广强跟踪卡尔曼滤波方法;仿真表明,两种算法都能很好地克服干扰力矩变化导致的精度下降现象。     

改进跟踪微分器设计

通过非线性和线性连续函数的恰当组合,使构造的奇次指数幂且连续的跟踪微分器函数的系统状态,无论在远离还是接近平衡点位置都能快速收敛。设计的跟踪微分器满足全局渐进稳定,仅收敛于一个平衡点。此外,由于未使用切换函数,也不存在抖振现象。计算机仿真表明,改进跟踪微分器跟踪效果优于经典的非线性跟踪微分器,且跟踪给定系统的状态变量与真实状态变量的响应高度吻合。     

一种新的航空发动机自适应模型设计与仿真

提出了一种基于机载非线性发动机模型,且具有输入端积分补偿的卡尔曼滤波器估计器的发动机自适应模型设计方法。其主旨是经过相似变换,在非线性相对弱化的另一坐标区域内设计常规卡尔曼滤波估计器,利用所得卡尔曼估计器对各估计回路的初步解耦,进一步在各观测回路中引入输入误差积分激励,对滤波器的输入进行实时积分修正,充分实现各估计参数回路的静态解耦。同时,将该卡尔曼滤波器与机载非线性实时模型综合,从而使发动机自适应模型具有大范围无静差参数跟踪能力。最后,对所提出建立的自适应模型的参数估计能力和鲁棒性进行了数字仿真验证。     

基于角加速度估计的非线性增量动态逆控制及试飞

针对非线性增量动态逆（INDI）控制方法运用到飞行试验时需要进行状态量导数（角加速度）的实时估计并且存在延迟等问题进行了研究,并给出了工程应用上的实际解决方案。对试飞无人机（UAV）平台进行了动力学建模,利用非线性增量动态逆控制方法和控制器分层设计方法设计了无人机姿态控制系统。采用卡尔曼滤波器设计了角加速度估计器为控制律提供角加速度实时反馈。通过基于模型的控制系统设计方法将控制律实现,并进行实际试飞试验。结果表明：该控制方法工程上可实现,具备良好的鲁棒性和指令跟踪能力。     

新型跟踪微分器在航空发动机磁悬浮轴承中的应用

为了实现航空发动机磁悬浮轴承的稳定悬浮，在磁悬浮轴承反馈控制器设计中获取光滑、精度高、相位滞后小的跟踪滤 波与微分信号等位移传感器信号，基于离散2阶串联型系统，提出了一种具有边界层函数、基于离散时间最优控制算法的新型跟 踪微分器。为减小算法在滤波与微分信号提取过程中的相位滞后，在所设计的跟踪微分器算法中引入相位调整因子对相位进行 实时有效地补偿。分别从时域与频域的角度进行仿真及试验验证，结果表明：所提出的新型跟踪微分器算法具有全程快速、无超 调、无颤振、相位滞后小、精度高等特点，与原基于离散时间最优控制的跟踪微分器算法相比，其平均相位滞后减小80~100个采样 周期，满足实际工程应用需求。     

电罗经航向的H ∞跟踪估计方法研究

为提高在风、流、摇摆等众多外界干扰下电罗经航向输出的精确度,提出 了基于H∞的航向跟踪估计方法。简要介绍了H∞估计理论,基于H∞估计理论对最速跟踪 微分器进行一步改进设计,构造误差反馈矩阵,实现最速跟踪微分器的在线反馈控制, 获得较为理想的效果,为减小电罗经航向误差及提高航行安全提供一种行之有效的方法。     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

探测与避让系统监视跟踪算法的设计与实现

无人机的探测与避让(Detect and Avoid, DAA)系统是无人机防撞的重要保证，监视跟踪算法对于DAA系统的可靠工作至关重要。基于DAA最低性能标准的描述，以雷达跟踪器、广播式自动相关监视和主动监视应答器监视跟踪入侵飞机的航迹信息，先用α-β滤波保证稳定跟踪，然后再用扩展卡尔曼滤波(Extended Kalman Filter, EKF)进行航迹估计，通过航迹管理算法计算出中心航迹，以供DAA系统作出警报和导引。通过基于ARM的嵌入式Linux平台设计的仿真验证系统和实验平台，验证了设计的DAA系统监视跟踪算法具有良好的监视跟踪性能。     

基于变分贝叶斯的星载雷达非线性滤波

星载雷达由于其探测范围广、距离远、全天候等优点，在预警防御系统中占有十分重要的地位。然而，由于观测平台的高速运动以及摄动干扰、传感器观测非线性等问题，使得星载雷达目标高精度跟踪带来严峻挑战。针对星载雷达非线性状态估计问题，采用一种基于变分贝叶斯的非线性滤波方法，该方法通过将非线性状态估计问题转化为优化问题，通过迭代优化获得了闭环解析解。此外，针对坐标变换中俯仰角量测缺失问题，提出了一种基于先验目标高度的俯仰角估计方法。通过数值仿真，验证了所提方法较传统非线性滤波方法，如扩展卡尔曼滤波、不敏卡尔曼滤波、转换量测卡尔曼滤波，具有更好的估计精度。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

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。     

Suboptimal filter design with pseudomeasurements for targettracking

A suboptimal Kalman filter design method is presented for the problem of tracking a maneuvering target. The design method is essentially based on linear target dynamics and linear-like structured measurements called pseudomeasurements. The pseudomeasurements are obtained by manipulating the original nonlinear measurements algebraically. The resulting filter has computational advantages over other filters with similar performance. Also, a variant of the Berg model is proposed as a target acceleration model under the assumption of a coordinated turn maneuver. The proposed model is consistent with the underlying assumption. Monte Carlo computer simulation results are included to demonstrate the effectiveness of the proposed suboptimal filter associated with the target acceleration model     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.     

基于模糊自适应卡尔曼滤波的大气数据辅助姿态算法

 针对中低精度航姿参考系统(AHRS)在机体机动时不能利用加速度计修正水平姿态,以及噪声统计特性随实际工作情况变化的问题,提出了一种基于模糊自适应卡尔曼滤波的大气数据辅助姿态解算的方法。首先,考虑大气数据系统和航姿参考系统的优势,利用真空速、攻角和侧滑角等大气数据信息对非重力加速度进行补偿,以辅助水平姿态解算;其次,基于模糊自适应卡尔曼滤波原理,对观测模型的参数进行估计和修正,以实现水平姿态的最优估计;最后,选取某型飞机的试飞数据进行仿真验证。仿真结果表明,该方法可使飞机的水平姿态估计精度达到1.3°,且在偏差较大时有明显的纠偏作用。因此,相对于无机动加速度补偿和常规卡尔曼滤波来说,该方法能够更好地进行姿态估计,具有一定的实用价值。     

Robust extended Kalman filter with input estimation for maneuver tracking

This study investigates the problem of tracking a satellite performing unknown continuous maneuvers. A new method is proposed for estimating both the state and maneuver acceleration of the satellite. The estimation of the maneuver acceleration is obtained by the combination of an unbiased minimum-variance input and state estimation method and a low-pass filter. Then a threshold-based maneuver detection approach is developed to determinate the start and end time of the unknown maneuvers. During the maneuvering period, the estimation error of the maneuver acceleration is modeled as the sum of a fluctuation error and a sudden change error. A robust extended Kalman filter is developed for dealing with the acceleration estimate error and providing state estimation. Simulation results show that, compared with the Unbiased Minimum-variance Input and State Estimation (UMISE) method, the proposed method has the same position estimation accuracy, and the velocity estimation error is reduced by about 5 times during the maneuver period. Besides, the acceleration detection and estimation accuracy of the proposed method is much higher than that of the UMISE method.     

非线性状态方程自校准滤波方法

针对工程实际中遇到的非线性系统状态方程中含未知输入（如环境因素的影响、模型和参数选取不当等）的情况，采用自校准技术，基于秩滤波与无迹Kalman滤波算法提出了一种非线性状态方程自校准滤波方法,并分别讨论了自校准秩滤波(SRF)与自校准无迹Kalman滤波(SUKF)两种情况。大量仿真结果和工程应用表明:与无迹Kalman滤波(UKF)相比，该方法通过对系统状态方程中的未知输入进行自动估计和补偿，改善了系统受未知输入影响下的滤波效果，从算例中可以看到，估计精度至少提高了80%，且计算简单，便于工程应用。      

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...