抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题，基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离，仅对观测粗差进行诊断和抗差处理；然后在第一步滤波的基础上，执行第二步滤波，对状态模型异常进行诊断和自适应处理。算法分析表明，抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明，抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响，提高PPP/INS组合导航系统定位结果的稳定性和可靠性。     

改进自适应抗差容积卡尔曼滤波多源室内定位

针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传 统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自 适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协 方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky 分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波 和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强 了定位系统在粗差干扰下的鲁棒性。     

遗传模拟退火算法在机动逃逸策略中的应用

针对垂直平面内的机动逃逸策略问题,提出将遗传算法与模拟退火算法相结合的方法———遗传模拟退火算法,能够实现逃逸者的机动逃逸策略,解决了在大状态空间中的全局最优搜索和评价问题,为处理复杂的决策过程提供了一套有效的途径。通过仿真结果表明,基于遗传模拟退火算法的机动策略能够有效地实现逃逸者的机动逃逸。     

单天基平台测向的空间非合作目标跟踪

针对仅含角度测量信息的单个天基平台可观测性较弱的问题,提出了一种含脉冲机动检测的空间非合作目标跟踪算法,并设计了非合作目标实时跟踪数据处理流程.该算法利用抗差估计技术和UKF（Unscented Kalman Filter,无迹卡尔曼滤波）算法构造目标跟踪滤波器,并综合残差多项式拟合和新息分布特征等方法实现目标机动检测,在天基平台观测信息类型有限和观测几何较差的情况下,可以同时排除孤立野值和成片测量野值的影响,实现非合作机动目标的连续稳定跟踪.数值实验验证了算法的可行性和有效性,也表明了跟踪精度和可靠性与测量精度密切相关.     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

一种用于弹道导弹助推段的多机协同探测方法

针对远程弹道导弹助推段协同探测问题,在双机协同探测的基础上,提出了一种试探机动轨迹优化与三轴分离IMM-EKF (TASIMM-EKF)滤波算法相融合的多机协同探测方法。首先,考虑到探测无人机自身位置对于目标定位精度的影响,提出了采用试探机动轨迹优化策略对各探测无人机进行轨迹优化。同时,提出了一种三轴分离IMM-EKF滤波算法。仿真结果表明,该方法能有效提高状态估计精度,缩短估计时间,对机动目标状态估计表现出良好的性能。     

某型火箭弹射救生系统空弹性能分析

某型火箭弹射座椅是为某型飞机专门设计的一种新型救生系统，该火箭弹射座椅采用了多项新技术，通过空中弹射试验，验证该救生系统在实际飞行条件下的救生性能。经过6次平飞和机动状态弹射试验，结果表明．该火箭弹射座椅救生性能满足设计指标要求。     

美国空军研究下一代航天飞机第一级方案

<正> 美国空军考虑在下一代航天飞机的远期方案中,将可重复使用的火箭系统(RBS)组合上面级的轨道飞行器(航天飞机)方案,替代现在一次性使用的火箭系统组合上面级方案。美国航天飞机现在均由一次性的运载火箭垂直发射升空,完成任务后由驾驶员操作返回发射场跑道。这种方式的最大缺点是,助推系统的一次性使用带来的高发射成本。为此,美国空军一直在考虑由无人驾驶的航天飞机直接从发射场跑道上起飞着降的可能性。     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

可重复使用运载器连续推力轨迹回转机动方法研究

针对可重复使用运载器(RLV)原场返回过程中所面临的轨迹回转问题,提出了一种在亚轨道高度进行姿态调整并使飞行轨迹回转、指向发射场方向的机动方法.在RLV与上面级分离之后,利用RLV自身推力抵消背离发射场速度,最终使RLV飞行方向指向发射场并进入再入返回阶段.采用连续推力方案,利用最优控制理论推导得出满足轨迹回转终端要求的机动指令.仿真结果表明,该方法能够实现RLV与上面级分离后轨迹迅速回转,可为之后的返回原发射场提供保障.     

A novel optimal data fusion algorithm and its application for the integrated navigation system of missile

For Inertial Navigation System(INS)/Celestial Navigation System(CNS)/Global Navigation Satellite System(GNSS) integrated navigation system of the missile, the performance of data fusion algorithms based on the Cubature Kalman Filter(CKF) is seriously degraded when there are non-Gaussian noise and process-modeling errors in the system model. Therefore, a novel method is proposed, which is called Optimal Data Fusion algorithm based on the Adaptive Fading maximum Correntropy generalized high-degree...     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

机动目标“当前”统计模型与自适应跟踪算法

本文提出机动目标“当前”统计模型的概念并建议用修正的瑞利-马尔科夫过程描述目标随机加速机动的统计特性。文中指出了在机动目标运动模型中状态（机动加速度）估值与状态噪声之间的内在联系。在此基础上提出了具有机动加速度均值及方差自适应的卡尔曼滤波算法。对一维和三维的情形进行了计算机模拟。计算结果表明,在仅对目标位置进行观测的情况下,这类自适应估值算法无论对高度机动或无机动的目标均可绘出较好的位置、速度及加速度估值。     

一类新型机动目标跟踪算法

阐述了当跟踪非机动目标时,传统的Kalman滤波可以得到很好的跟踪精度。但是当日标机动时,传统的Kalman滤波不能对目标的突然变化做出及时的改正和预测,因此跟踪精度很差,甚至出现丢失目标的情况。文中采用的基于截断正态概率模型的改进自适应目标跟踪算法, 其结构和计算简单,鲁棒性好,较好地解决了使用Kalman滤波带来的不足。     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

一种带随机偏差的分布式信息融合滤波算法

在通信、计算机、信号处理、自动控制中,对于带有未知的干扰和偏差的随机系统的状态估计已经广泛出现。在现实环境中,不同的传感器可能受到不同的干扰影响。研究随机系统的状态估计问题在实际应用中具有重要的意义。对带有随机偏差的线性随机系统,将系统转换为多模型结构的特殊情况。利用最小方差的最优加权融合估计算法,获得了分布式信息融合滤波算法。通过仿真可以看出,分布式信息融合算法要比局部估计算法具有更高的精度,算法具有分布式结构,这使其具有更好的鲁棒性和可靠性。     

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。     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视（ADS-B）应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波（IMMKF）算法的ADS-B 监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B 状态矢量量测数据作为IMMKF 算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明：相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF 方法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B 监视应用中具有实际应用价值与借鉴意义。