RTS平滑滤波在事后姿态确定中的应用

为了进一步提高卫星事后姿态确定的精度,基于EKF引入RTS后向平滑滤波.针对目前广泛使用的以误差作为状态变量的EKF姿态确定方法,不改变原有的EKF方法,通过对EKF过程中得到的数据做相应处理,在保证不出现协方差阵奇异的情况下,成功地将RTS平滑滤波算法应用到事后姿态确定中,并用RTS平滑滤波算法进行了仿真.仿真结果表明,RTS平滑滤波的姿态确定精度明显优于EKF.     

基于小波滤波的无人旋翼机高度信息融合

针对小型无人旋翼机自主飞行时高度测量信息不稳定、易受干扰的问题,提出采用基于滤波数据的自适应高度信息融合方法来提高无人旋翼机高度测量信息的精度和可信度.通过基于小波提升算法的小波分解重构方法,消除原始测量数据中的高频噪声;根据全球定位系统的测量精度受搜到卫星数目波动影响的现象,提出利用自适应卡尔曼滤波的方法实现高度信息融合.通过自主悬停和三维航迹跟踪飞行试验验证该方法的可行性和有效性.     

基于虚拟现实技术的无人直升机实时监控系统

引入虚拟现实技术,结合遥测数据的快速有效滤波和插补方法形成可视性和可靠性良好的无人直升机远程实时监控系统.有效地提高飞行状态显示形象性,动态性,遥测数据的可靠性和实时性.使离机驾驶员对无人直升机的控制更加直观有效,提高飞行任务成功率.      

基于积分域匹配滤波的系统误差检测

目标跟踪中,如果用于数据融合的位置或速度测元中存在系统误差,可采用最小二乘意义上的微分平滑进行滤波及系统误差诊断。由于微分平滑精度较低,由此提出积分域匹配滤波,同时用这种方法检测系统误差。数学推导证明了积分域检测系统误差的精度高于微分平滑,仿真结果亦证实了此结论。     

飞机载荷谱实测数据双缓冲视景仿真系统设计

飞机载荷谱实测数据视景仿真是飞机机动动作识别和实测数据有效性验证的重要手段.针对飞机实测数据源的不同数据结构,提出了逻辑数据通道的数据存储方法,解决了不同实测对象形成的不同数据源结构差异问题;针对大数据量实测数据进行飞行视景模拟时模型复杂性造成的性能问题,建立了物理通道和逻辑数据通道解析模型;基于数据双缓冲和绘图双缓冲机制,构建了飞行器模型和实测数据视景仿真系统环境,对不同试验用机的飞行实测数据进行了分析和验证.该视景系统完全满足Gigabyte级别的不同机型载荷谱飞行实测试验数据的验证和机动动作识别要求,完整地再现整个飞行历程,为飞机飞行历程机动动作识别、数据有效性验证和数据后期处理提供可视化平台.      

一种基于星载GPS的月球探测器导航算法

为验证GNSS旁瓣信号对中高轨航天器在轨飞行的导航支持能力,"嫦娥5号"飞行试验器搭载了GPS导航接收机。由于目前使用的星载导航解平稳性不够,为此,根据月球探测器不同飞行段落轨道动力学特性,建立了一种基于星载GPS数据的月球探测器实时导航算法。该算法充分考虑了月球探测器不同段落的动力学特性,基于UKF滤波设计,并引入了自适应策略,以降低滤波参数选取的难度。在分析星载GPS数据特点基础上,月地返回段实测数据的处理结果验证了算法的可行性和有效性。     

匹配数据的平滑滤波技术

讨论了匹配测量数据的平滑，滤波和外推问题，所谓匹配测量数据是指位置参数和速度参数呈求导的匹配关系，提出了利用数据的匹配特性这一先验信息来改善多项式最小二乘滤波器的设计，对测量数据中的位置和测速数据进行统一处理，在最小方差意义下给出了平滑滤波公式及其效率方差比，由于充分利用了先验信息，减少了待估计参数的个数，显著提高了参数的估计精度，仿真计算结果表明该方法能显著改善目标运动参数的估计精度。     

基于试验气动力的纵向机动飞行载荷分析

提出了一种基于非线性风洞试验数据(简称试验气动力)同步进行纵向机动飞行过程和飞行载荷的计算分析方法.通过曲面样条插值将试验气动力的升力系数和俯仰力矩系数引入纵向机动飞行过程的计算,同时基于试验气动力的压力分布进行全机飞行载荷的静气动弹性修正.弹性载荷的计算采用线性气动力影响系数矩阵处理.采用偶极子格网法提供气动力(简称理论气动力).将基于这两种气动力的计算结果进行了对比.结果表明:基于试验气动力的机动飞行过程更为合理;基于理论气动力的载荷随机动飞行过程的变化趋势有可能与基于试验气动力的载荷变化趋势不一致.      

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。     

两步法快速解算编队卫星GPS模糊度

为克服卫星编队飞行实时相对定位中双频模糊度解算速度慢的缺点,结合扩展Kalman滤波(EKF,Extended Kalman Filter),首先采用少数个历元(如10个)相位平滑伪距相对定位结果与 L₆的平均值对滤波初始化,再根据两步法解算双频模糊度,即先解算并正确固定宽巷模糊度,获得较准确的基线分量估值,然后采用选权拟合方法,将基线分量作为约束条件解算并固定双频模糊度.仿真算例计算结果表明,当宽巷模糊度正确固定后,编队卫星间相对定位误差在5cm以内,两步法可以在较短时间(约3min)内固定双频模糊度,为精确解算编队卫星的相对状态提供保障.     

一类结构随机跳变系统的自适应滤波方法

提出了含有相关和非相关两类特征参数的结构随机跳变系统自适应滤波方法,并采用改进了的一种基于随机采样技术的自举滤波算法,其对于非线性非高斯问题具有很强的适应性,很好地克服了传统滤波算法在解决此类问题时所存在的"基础结构失真"的缺陷,从而提高了滤波算法的整体估计性能.在"闪烁"噪声环境里,测量信息存在随机中断的导弹制导问题的仿真结果,验证了本方法的有效性.     

散乱点云自适应滤波算法

提出一种散乱点云自适应滤波算法,该算法采用改进的R*-树组织散乱点云的拓扑近邻关系,基于该结构快速准确获取局部型面参考数据,自适应调节二维高斯分布的数字特征计算滤波权值,计算局部型面参考数据对原始型面数据的影响因子,以此作为权值计算各点滤波后的坐标,采用加权平均方法实现散乱点云的自适应滤波.实验证明该算法可有效提高点云的滤波效率,在保留原始型面特征的基础上,减小点云的随机误差,提高光顺性.     

重力卫星高精度测距系统观测量的降速率滤波算法

在卫星时频传递、矢量测量技术领域，有效观测数据的高精度滤波处理十分重要，其基本要求是在保留有效观测信息的同时能够降低噪声干扰，实现原始信息的高效、高精度传递。以中国地球重力场测量卫星高精度测距系统的工程研制为背景，为实现高频噪声抑制、保留低频重力场信息，基于对FIR滤波器结构的优化和窗函数的改进，提出了一种对10 Hz采样率的原始测距数据降速率、降噪滤波的算法。相比其他类似算法，所提方法同时具备降速滤波和差分运算两种功能，噪声抑制抑制度优于44%，且频率截止特性陡峭，第一旁瓣抑制度达到–94 dB。该算法在提高测距精度、充分保留重力场信息的同时，实现了地面数据后处理流程的简化，为微波测量系统、激光测量系统的数据处理提供了一种优选方案。     

一种新的频域自适应算法

分析了现有自适应滤波算法,并且提出了在有色噪声背景下能够快速收敛的频域自适应新算法.使用牛顿法搜索性能表面和近似于递归最小二乘(RLS)算法的结构,利用现有的拟牛顿QN(Quasi-Newton)时域自适应算法原理,通过快速傅里叶变换(FFT)将其应用于频域.结合快速块最小均方自适应滤波算法FBLMS(Fast Block Least Mean Square)中的并行处理方法对算法的运算过程进行了改进.由于调整了数据格式和增益矩阵的系数加快了迭代过程的收敛,并且提高了信号处理的效率.附加的计算机仿真结果分别给出了在白噪声和有色噪声输入相同汉明窗条件下,新算法、LMS算法和拟牛顿算法QN的自适应系统辨识的效果比较图,表明新算法能有效用于色噪声下的自适应滤波.     

光纤陀螺随机漂移误差补偿适用性方法

针对传统方法在建立时间序列模型基础上应用卡尔曼滤波器去除陀螺随机噪声误差的缺陷,提出了一种适于在线补偿光纤陀螺FOG(Fiber Optic Gyrosope)随机误差的滤波方法.当建立的时间序列模型系数出现偏差时,通过引入虚拟噪声,来补偿滤波过程由于系统模型时变和未知噪声而引入的误差,实现了对陀螺随机漂移误差的高精度滤波处理.其次,利用Allan 方差分析法分离并确定了光纤陀螺的主要随机误差源,并对建立的光纤陀螺时间序列模型及滤波方法的适用性及精度进行了评估.通过对光纤陀螺实测数据的分析表明,速率斜坡、速率随机游走和零偏稳定性为FOG的主要随机噪声,所提出的自适应滤波算法能够适应陀螺漂移的时变特点,是一种有效的去除光纤陀螺随机漂移噪声方法.      

基于双量子比特态测量的量子自适应中值滤波

为了进一步增强去噪时对图像细节的保护能力,并同时提高算法实时性,提出了基于双量子比特态测量的量子自适应中值滤波算法,该算法首先将待处理图像像素转化为量子叠加态,然后依据量子测量原理对此叠加态进行量子测量,最后将测量后的坍缩态转化为输出图像.该算法使用双量子比特态来描述单像素,拓展了单量子比特态与单像素的对应关系.双量子比特态的4个叠加基态增加了被描述像素的信息量,可以更精确地对像素进行操作.该算法根据噪声特点设计双量子比特态的概率密度公式,并根据测量坍缩态自适应地调整滤波窗口尺寸.实验证明,该算法与标准中值滤波和经典自适应中值滤波相比,具有更好的综合滤波能力,既可以有效地滤除噪声点,很好地保护图像细节,又具有很好的实时性.     

一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

自适应混合信息滤波算法及其在 相对导航中的应用

为解决相对导航模型中线性、非线性并存,及多传感器信息融合时基于Kalman滤波的导航算法计算复杂度较大的问题,提出一种混合信息滤波算法;考虑测量噪声统计特性不准确等工程因素,提出一种自适应混合信息滤波相对导航算法.理论分析及仿真验证表明,与基于Kalman滤波的传统导航算法相比,给出的混合信息滤波算法具有多传感器数据融合时计算复杂度低、便于工程实现的优点,且可以完成线性、非线性并存时的导航滤波任务;除上述特点外,在传感器测量噪声统计特性不准确的情况下,给出的自适应混合信息滤波相对导航算法可以通过自适应调整量测协方差阵的方式,使导航系统仍保持较高的精度.     

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.