基于SVD的R-T-S最优平滑在机载SAR运动补偿POS系统中的应用

 机载合成孔径雷达（SAR）运动补偿用位置姿态系统（POS）的导航精度直接影响SAR成像的效果。为进一步提高POS的导航精度和数值稳定性,提出将基于奇异值分解（SVD）的Rauch-Tung-Striebel（R-T-S）最优固定区间平滑应用于POS后处理中。在基于SVD的前向卡尔曼滤波（KF）的基础上,进行了基于SVD的后向R-T-S最优固定区间平滑,获得位置、速度和姿态的最优估计。该方法将原算法中均方误差阵进行奇异值分解,不仅具有很好的数值稳定性和鲁棒性,而且避免了矩阵的求逆。半物理仿真结果表明,该方法在导航精度和数据平滑度上明显优于目前工程中应用的KF,是一种有效的事后处理方法。     

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。     

自校准扩展Kalman滤波方法

提出一种自校准扩展Kalman滤波(SEKF)方法,针对3种含有未知输入(如未知系统误差、突风、故障等)的不同的非线性系统模型,分别给出了滤波递推算法.在导航、信号处理、故障诊断等领域的许多非线性工程中,传统的扩展Kalman滤波(EKF)方法无法消除未知输入的影响,在滤波过程中往往产生较大误差甚至发散.提出的SEKF方法能够对这种未知输入进行补偿和修正,从而提高滤波精度.数值仿真算例表明:SEKF的滤波误差均值和标准差分别减少到传统EKF的1/12和1/4,有效地改善了滤波精度.并且该方法计算简单,便于工程应用.      

多模型自校准扩展Kalman滤波方法

基于扩展Kalman滤波方法（EKF）、自校准扩展Kalman滤波方法（SEKF）和多模型估计理论（MME）,针对工程实际中非线性系统状态方程受未知输入（如突风、故障和未知系统误差等）影响的问题,提出了一种多模型自校准扩展Kalman滤波方法（MSEKF）,将多模型自校准Kalman滤波方法（MSKF）的适用范围扩展到了非线性领域。该方法同时采用EKF与SEKF进行计算,根据贝叶斯定理实时分配两者先验估计值的权重,通过加权融合进而得到最终的状态估计。本文方法不仅解决了非线性系统状态方程受未知输入影响时EKF滤波发散的问题,而且在未知输入为零时的滤波精度与SEKF相比也更高,大量数值仿真结果表明该方法精度提升可达4%,具有更强的适应性和鲁棒性。     

机载单站对运动目标无源定位跟踪算法

针对无源定位系统中,机载单站相对于运动辐射源目标作为状态模型,在测方位角及其变化率基础上,引入多普勒频率变化率参数构建观测模型。常用的扩展卡尔曼滤波（EKF）存在不稳定和精度低的问题,采用修正增益的扩展卡尔曼滤波算法（MGEKF）,找出修正函数矩阵,实现定位状态滤波估计。仿真结果表明,MGEKF算法较之EKF算法有较高的定位精度和较快的收敛速度。     

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...     

基于整周模糊度精确解算的空间站伴随飞行器DGPS相对导航技术研究

研究了基于载波相位差分GPS的空间站伴随飞行器相对导航技术,建立了相对导航滤波的系统状态空间模型,并且系统状态向量中包含了GPS整周模糊度;采用扩展卡尔曼滤波EKF实现了相对导航滤波的最优状态估计,并提出了浮点解和定点解相结合的GPS整周模糊度解算方法,以提高相对导航精度。仿真结果表明,与仅采用EKF对GPS整周模糊度进行最优估计获得浮点解的方法相比,采用浮点解和定点解相结合的GPS整周模糊度解算方法,可有效提高相对导航滤波精度。     

不同定位精度ＩＮＳ 下的重力匹配算法适用性研究

重力辅助导航是以惯性导航为基础的辅助导航方法, 惯性导航系统（ＩＮＳ） 的误差特性 直接影响匹配算法的定位效果。通过对几种经典的重力场相关匹配及滤波匹配算法的研究及匹 配仿真实验指出, ＩＮＳ 定位精度的变化会改变不同匹配算法间的优劣关系, 从而改变匹配算法的 适用性, 并得出了适用于不同定位精度ＩＮＳ 的匹配算法的结论。该结论为搭载不同精度ＩＮＳ 载体 的重力场匹配算法的选择提供依据, 具有一定现实意义。     

陆用惯性导航系统非线性对准方法

以某型自行火炮炮载惯性导航系统为研究对象。为解决大方位失准角造成的系统非线性问题,在对大失准角误差模型进行详细分析的基础上,提出了基于快速正交搜索（FOS）和卡尔曼滤波（KF）的非线性参数估计方法。利用事先训练好的非线性误差模型进行对准,既能消除线性姿态误差,又可以对非线性姿态误差起到良好的抑制作用。仿真结果表明,FOS/KF方法的对准精度和实时性远优于扩展卡尔曼滤波（EKF）。对比试验结果表明,单独使用EKF时的方位角误差最大达到14.99°,而FOS/KF可以使方位角误差保持在0.8°以内。FOS/KF方法的估计精度不随系统非线性程度的变化而变化,并且不需要进行粗对准,简化了对准过程,提高了载体机动性。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

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%。     

一种基于三维到达角的无偏伪线性卡尔曼滤波

为了解决大场景下基于三维到达角的目标跟踪问题，提出了一种具有无偏性的伪线性卡尔曼滤波。首先，基于三维到达角信息对目标运动模型与量测模型进行建模；之后，对量测模型进行了伪线性化处理，得到了线性形式的目标量测模型。为了解决伪线性卡尔曼滤波存在的有偏性问题，提出了一种结合EKF（extend Kalman filter）的三维伪线性无偏卡尔曼滤波。仿真实验表明，该模型能够对非机动目标与机动目标有效跟踪，对于百公里级别的目标，当角测量误差从0.1°变化到0.5°，算法在仿真时间结束时均能将绝对位置误差降低至10 km以内，且算法的运行速度与EKF为同一个量级，同时兼顾了抗干扰能力、定位跟踪精度、运行效率的要求，能够为大场景下的目标跟踪提供有效方法。     

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。     

基于双捷联算法的POS误差在线标定方法

为了提升位置和姿态测量系统(POS)的精度,结合POS工作过程中典型的匀速直线运动,提出了一种准实时的POS误差在线标定方法。首先设计了基于双捷联算法的在线标定方案,对系统误差方程进行简化处理,求出中时期导航条件下的系统误差状态转移阵。然后根据POS的两段相邻匀速直线运动导航误差,对系统误差参数进行在线标定,并通过可观测性分析得出POS运动与系统误差在线标定效果之间的对应关系。车载试验和飞行试验结果表明,在POS正常遥感作业过程中,本文提出的在线标定方法能够有效提升系统精度。     

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

顾及空间分布和NLOS的UWB室内可信定位方法

针对现行室内可信定位存在的三维定位精度低与结果可信度难以定量评估的难点，提出了一种可信超宽带（UWB）室内定位模型。该方法采用无迹卡尔曼滤波和IGG-III抗差理论模型，解决了UWB定位中的非线性化和非视距误差问题；同时，为提高该方法定位结果的可信度，进一步构建了一种兼顾UWB基站空间分布和非视距误差的可信精度评估模型。与现有模型相比，提出的方案可有效实现基于UWB的室内高精度可信定位。仿真和实测数据结果表明：1）与传统最小二乘结果相比，该方法可提高30%~40%的UWB定位精度；2）引入IGG-III抗差模型可提高11%的定位精度；3）非线性化误差对UWB定位精度的影响不尽相同，约为22%~50%；4）提出的可信度评估模型可实时准确评估UWB定位精度。     

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。     

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,...     

Design of a practical tracking algorithm with radar measurements

The extended Kalman filter (EKF) has been widely used as a nonlinear filtering method for radar tracking problems. However, it has been found that if cross-range measurement errors of the target position are large, the performance of the conventional EKF degrades considerably due to nonnegligible nonlinear effects. A new filtering algorithm for improving the tracking performance with radar measurements is developed based on the fact that correct evaluation of the measurement error covariance is possible in the Cartesian coordinate system. The proposed algorithm may be viewed as a modification of the EKF in which the variance of the range measurement errors is evaluated in an adaptive manner. The filter structure facilitates the incorporation of the sequential measurement processing scheme, and this makes the resulting algorithm favorable to both estimation accuracy and computational efficiency. Computer simulation results show that the proposed method offers superior performance in comparison to previous methods. Moreover, our developed algorithm provides some useful insight into the radar tracking problem