自适应卡尔曼滤波器在陆地车辆导航中的应用

建立了车载GPS(Global Positioning System)/DR(Dead-Reckoning)组合导航系统自适应扩展卡尔曼滤波模型及其算法,从而大大提高了车辆导航系统的定位精度.首次提出依据PDOP(位置误差系数)等GPS定位系统的输出参数,自动调整观测噪声协方差阵[WTHX]R和系统噪声协方差阵Q[WT]的大小,从而自适应地调整组合导航系统模型性能的方法,使得模型具有较强的适应性.计算机仿真及实验结果表明应用该模型具有良好的效果.      

汽车动态称重中的一种信号处理方法

为了提高汽车动态称重(WIM, Weigh-In-Motion)系统的称重精度,基于"逆模型"的思想,使用了自适应逆滤波器来充分抑制混叠在重量信号频带内的噪声信号.在有限长冲激响应滤波器的框架下,通过最小均方自适应算法,离线构建了WIM系统的逆系统,并用此逆系统作为一个新型的滤波器使用.而且,为了进一步提高称重精度,同时又采用了低通滤波器,来滤除分布在重量信号频带以外的噪声干扰.经过由自适应逆滤波器和低通滤波器构成的复合滤波器处理后, 称重结果较经参数估计方法处理后得到的结果,在称重精度上有了很大提高.      

一种改进的变步长LMS自适应算法在机载电子干扰机中的应用

对LMS自适应滤波算法进行了讨论,给出了一种改进的变步长LMS自适应算法,这种改进方法通过误差信号的自相关值调节自适应算法的步长,具有较好的抗干扰性能,且收敛速度快,稳态误差小。将其应用于电子干扰机的自适应收发隔离系统中,计算机仿真结果与理论分析一致,表明了该算法具有一定的可行性和优越性。     

车载GPS/DR组合导航系统的研究

介绍了车载GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统的设计,在对GPS/DR组合导航系统中主要误差来源分析的基础上,建立了表示这些误差的数学模型.根据组合系统的数据融合原理,提出一种基于对观测量进行误差补偿的迭代扩展组合卡尔曼滤波算法.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该算法在提高GPS定位精度的情况下,能很好地修正DR系统的积累误差,大大提高了组合系统的完整性、可靠性.      

机载公共设备综合管理系统任务分配算法研究

机载公共设备的综合管理是机载系统发展的必然方向,为解决机载公共设备综合管理系统中任务分配问题,进行了任务划分.根据周期任务和非周期任务对系统风险系数的贡献不同,提出了两层任务分配策略;以单机风险系数均衡为目标函数,设计了基于蚁群算法的周期任务分配算法.对蚁群算法进行了模糊自适应参数调整的改进,仿真结果表明改进算法能够有效地使蚁群算法从局部最优点中逃脱,解决任务分配问题.      

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.      

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

DIS系统中的DR算法与参数递推

DIS 作为一项现代仿真技术,在多兵种、多种武器平台的联合作战仿真与训练演习方面有着极其重要的作用,而DR技术是构造DIS系统的关键技术之一.本文首先介绍了采用DR技术的意义及特点,以及通常采用的DR算法.然后介绍一种本文采用的参数递推算法.这种算法基于二阶传递函数思想,含有自然频率和阻尼系数这两个特征参数,特征参数可由前三帧的状态值实时计算得到.文章最后对算法优劣进行了评价,并给出了仿真运行结论.     

基于信道估计自适应算法的AVLC重发机制仿真

航空甚高频链路控制(AVLC)是下一代民航地空数据链甚高频数据链模式2(VDL2)的链路服务规程.为了提高AVLC重发控制效率、减少误重发,提出了基于信道估计的监督帧发送时刻自适应算法.在OPNET平台上建立了物理层、数据链路层和子网层VDL2架构;利用动态进程建模方法,建立了AVLC模型.通过对无监督帧、监督帧发送时刻静态算法和自适应算法分别建模,开展对比仿真,验证了监督帧重发控制对于提高VDL2性能的有效性和自适应算法较静态算法的优越性.实验结果表明,在宽范围的系数合理区间内,所提出的算法可有效增加吞吐量,缩小包延时,同时可增强系统稳定性.      

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

基于SINS/CNS组合导航系统的多模型自适应估计算法

针对单一模型滤波器在未知或不确定的系统参数下适应性较差的问题,提出了一种新的基于多模型自适应估计(multiple model adaptive estimation,MMAE)的滤波方法。该方法利用改进的卡尔曼滤波代替传统的卡尔曼滤波,比如扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)。EKF和UKF被用来作为多模型自适应估计的子滤波器,从而实现对非线性系统的状态估计。同时,还将该方法应用于基于弹道导弹模型的组合导航中实现了系统仿真。仿真结果表明,与传统的EKF和UKF算法比较,改进的滤波方法可以解决传统模型滤波器适应性差的问题,并提高系统的导航精度。     

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

一种用于GPS/DR组合定位的非线性滤波算法

建立了适用于车辆导航系统的基于UKF(Unscented Kalman Filter)的GPS/DR(Global Positioning System/Dead Reckoning)组合定位滤波模型及算法.针对系统状态方程为线性、观测方程为非线性的特点,提出了一种将UKF和EKF(Extended Kalman Filter)相结合的非线性滤波算法.结合后的算法和原有UKF算法相比减少了在时间更新阶段的运算量,并且由于采用基于Unscented变换的思想来处理系统观测方程的非线性问题,避免了EKF引入的线性化误差,提高了滤波精度.仿真结果证明:算法在减少运算量的同时,仍具有较高的滤波精度,且明显优于EKF,因而能够满足车辆导航系统占用资源少、滤波精度高的要求.      

基于URTS平滑建议分布函数的PF算法设计及应用

为改善基于Unscented Kalman滤波建议分布函数的粒子滤波状态估计的性能,将Unscented Kalman滤波与RTS（Rauch-Tung-Striebel）固定区间平滑算法融合,产生了一种新的建议分布函数--Unscented RTS平滑建议分布函数。该函数首先实施Unscented Kalman滤波,之后对此滤波结果进行RTS固定区间平滑,以此产生预测样本。以此新建议分布函数得到的预测粒子的精度较通常的以Unscented Kalman滤波方法作为建议分布函数时得到的预测粒子的精度将大为提高,进而提高相应的粒子滤波算法--PF URTS的状态估计精度。新算法的可行性和有效性在GPS/DR组合导航数据处理中得到了应用验证。     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

自适应粒子滤波在紫外导航中的应用

基于紫外敏感器的自主导航系统是典型的非线性系统,针对一般粒子滤波缺乏在线自适应调整能力等问题,文章提出了将基于正交性原理的自适应强跟踪滤波器(STF)和UKF相融合产生重要密度函数,应用于基于紫外敏感器自主导航粒子滤波器新方法,该方法通过UKF构造粒子群,对粒子群中的每一个粒子的每一个sigma点用STF进行更新,使得算法自适应。为了说明算法的有效性,结合模拟的轨道数据和测量数据进行了仿真,并与其他滤波方法的仿真结果进行了对比,结果说明了所提算法的有效性。     

MEMS陀螺随机漂移在线补偿技术

为了提高微机电系统(MEMS,Micro Electro Mechanical System)陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressive Moving Average)模型,并针对随机漂移模型随时间慢变的特性,引入虚拟噪声补偿技术加以补偿.针对载体运动状况的未知性,建立机动角速率模型.在此基础上采用自适应卡尔曼滤波技术对随机漂移和角速率进行实时估计.通过试验表明:随机漂移模型、角速率模型以及滤波算法能够满足姿态测量系统的动态应用需要,且姿态测量精度较补偿前有了显著的提高.