一种改进的强跟踪 UKF 算法及其在 SINS 大方位失准角初始对准中的应用郭泽,缪玲娟,赵洪松简

 针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用

针对现有的强跟踪无迹卡尔曼滤波(UKF)算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统(SINS)大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

一个用于目标跟踪的改进粒子滤波算法

简化UT（unscented transformation）转化参数，修改UKF（unscented Kalmanfilter）提议分布，提出了改进的粒子滤波算法。调节因子的增加使得能在线自适应估计，滤波性能提高，并形成一个自适应的算法。仅有角测量的目标跟踪仿真试验证实了改进的粒子滤波算法要优于其它滤波方式。     

天基低轨空间监视雷达密集短弧观测数据的定轨应用研究

当天基雷达采用多波束扫描时，每次与空间目标交会可获取类似跟踪的观测数据。本文讨论了这些密集短弧观测数据在目标轨道改进中的应用。在没有测量时，采用矩阵Ricatti方程计算状态误差；引入观测数据时，比较了EKF和UKF两种滤波算法的轨道改进效果。仿真表明，UKF的收敛速度优于EKF；天基短弧观测数据可以很好地抑制误差发散，满足监视任务需求。     

GHQF精度分析及其在组合导航中的应用

针对非线性滤波算法在组合导航系统中的应用问题,利用泰勒级数展开对无味卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)和高斯厄米特积分滤波(GHQF)三种非线性高斯滤波算法的性能进行了比较分析;基于泰勒展开的精度分析表明,UKF和CKF从四阶项开始出现截断误差,而GHQF可以逼近任意阶精度的非线性系统的后验均值;以CNS/SAR/SINS非线性组合导航系统为应用背景,对三种滤波算法的精度进行了仿真验证。数学仿真结果表明,与UKF和CKF相比,GHQF具有更高的滤波估计精度。     

强跟踪滤波在高超声速滑翔目标跟踪中的应用

高超声速滑翔目标(HGT)机动模式复杂多样、轨迹形态灵活多变,增加了跟踪模型建模的不确定性,导致目标跟踪的精度低。为了提高跟踪精度,提出了一种基于强跟踪滤波的高超声速滑翔目标跟踪方法。首先,在地基雷达坐标系下建立目标运动模型和量测模型,利用维纳随机过程来表征运动模型中未知项的变化特性。其次,采用强跟踪无迹卡尔曼滤波(UKF)算法对目标运动状态进行估计,提高模型不确定性存在时滤波器的状态跟踪能力。最后,利用目标常用的基于标准轨迹的制导方法生成了一条可行飞行轨迹。仿真结果表明,该方法的跟踪精度高,强跟踪滤波能够有效降低模型不确定性存在时的状态估计误差。     

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。     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。     

基于联邦UKF的多机协同无源定位

为提高多机协同无源定位的精度和速度,同时满足应用性强的要求,提出了基于UKF(Unscented Kalman Filter)联邦滤波算法的纯方位无源定位技术。核心思想是利用联邦滤波算法去解决各子滤波器滤波结果的全局最优融合问题;利用UKF算法去消除非线性状态方程或量测方程中的高斯噪声,从而实现多机协同对目标辐射源的高精度无源定位。仿真结果表明,该算法可行性强,定位精度高、速度快,具有很高的应用价值。     

基于强跟踪滤波的GPS/INS组合导航系统对准技术研究

针对卡尔曼滤波鲁棒性较差的问题，研究了基于强跟踪滤波方法的GPS/INS对准。建立了GPS/INS组合导航系统对准的误差模型，对机载装备系统进行GPS/INS组合导航系统的对准仿真分析，验证该方案的可行性及强跟踪滤波器的性能。仿真结果表明，采用强跟踪滤波能够根据残差的变化求出渐消因子，能够在机动过程中有效跟踪系统状态量，从而提高对准精度和速度。采用强跟踪滤波的GPS/INS组合导航系统对准技术可以保证对准的快速性及对准精度，对工程应用具有重要的参考价值。     

Space-time registration of radar and ESM using unscented Kalman filter

Space and time alignments are the prerequisites for the successful fusion of multiple sensors. A space-time registration model is proposed to estimate the system biases and to perform time synchronization together for mobile radar and electronic support measure (ESM) systems. A space-time registration model for radar and ESM is first developed, and an unscented Kalman filter (UKF) is proposed to estimate the space-time biases and target states simultaneously. The posterior Cramer-Rao bounds (PCRBs) are derived for the proposed UKF registration algorithm for ESM detection probability less than or equal to one. Theoretical analyses are performed to evaluate the accuracy and robustness of the proposed method. Computer simulations show that the UKF registration algorithm is indeed effective and robust for different radar and ESM tracking scenarios.     

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...     

相控阵雷达长时跟踪波束调度与波形优化策略

针对相控阵雷达多目标跟踪波束调度和波形参数优化控制的问题，本文提出了一种基于马尔可夫决策过程（MDP）的相控阵雷达跟踪波束调度与波形参数优化策略，该方法以无迹卡尔曼滤波（UKF）算法为基础来估计目标的状态。首先将本文的序列决策问题建模为马尔可夫决策过程，定义了资源的效费比和长期回报率，然后与当前实际跟踪误差综合考虑作为MDP的回报函数，进而给出了调度的优化模型，最后将长时决策问题转化为动态规划算法结构进行求解，并且提出了一种并行混合遗传粒子群优化算法来求解各决策时刻的最优策略。仿真结果表明了长时策略的先进性以及寻优算法的优越性，与传统的短时策略相比，跟踪精度可提高11.17%。     

基于UKF准开环结构的高动态载波跟踪环路

 对高动态环境下的全球卫星导航系统（GNSS）载波信号跟踪方法进行了研究。在分析高动态载波信号模型的基础上,提出了一种基于无迹卡尔曼滤波（UKF）的准开环载波跟踪方法。此方法能够消除导航数据二进制相移键控(BPSK)调制的影响,并采用四维UKF相位估计模型提高跟踪精度,同时对估计值进行补偿以减少滤波器的滞后性。通过模拟接收机的高动态运动轨迹，从跟踪误差、跟踪结果和补偿效果3个方面,与基于卡尔曼滤波（KF）的锁频环(FLL)辅助锁相环(PLL)结构的传统跟踪方法进行比较,结果表明基于UKF的准开环跟踪方法能够有效地完成高动态环境下的载波跟踪。     

多测速系统中系统误差实时估计与校准算法

在实际目标跟踪系统中,测量设备都存在系统误差,会导致跟踪滤波精度显著下降。针对多测速系统,对其测速系统误差进行了简化数学建模;然后将其增广为状态变量,应用扩维无迹卡尔曼滤波对目标运动状态和系统误差进行联合估计,以实时校准系统误差、提高状态估计精度。在存在主副站2类系统误差的条件下,设定恒定和线性时变2类系统误差场景,对算法进行仿真分析。仿真结果表明,算法在2类系统误差情形下都能有效校准系统误差,位置、速度滤波精度可提高80%以上;尤其是当系统误差恒定时,算法可完全消除系统误差的影响。     

Interlaced optimal-REQUEST and unscented Kalman filtering for attitude determination

 Aimed at low accuracy of attitude determination because of using low-cost components which may result in non-linearity in integrated attitude determination systems, a novel attitude determination algorithm using vector observations and gyro measurements is presented. The various features of the unscented Kalman filter (UKF) and optimal-REQUEST (quaternion estimator) algorithms are introduced for attitude determination. An interlaced filtering method is presented for the attitude determination of nano-spacecraft by setting the quaternion as the attitude representation, using the UKF and optimal-REQUEST to estimate the gyro drifts and the quaternion, respectively. The optimal-REQUEST and UKF are not isolated from each other. When the optimal-REQUEST algorithm estimates the attitude quaternion, the gyro drifts are estimated by the UKF algorithm synchronously by using the estimated attitude quaternion. Furthermore, the speed of attitude determination is improved by setting the state dimension to three. Experimental results show that the presented method has higher performance in attitude determination compared to the UKF algorithm and the traditional interlaced filtering method and can estimate the gyro drifts quickly.     

Unscented Kalman滤波用于再入飞行器跟踪

本文引入Unscented Kalman滤波用于再入飞行器跟踪。Unscented Kalman滤波通过设计少量的σ点，并计算这些σ点经由非线性函数的传播，从而获得滤波值基于非线性状态方程的更新。在应用中，由于Un-scented Kalman滤波无需象广义Kalman滤波那样求动力学系统函数和观测系统函数关于状态向量的导数。给计算带来了极大的方便。     

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。