间断制导下的反辐射无人机被动定位算法研究

目前,有关被动定位算法的研究多是在测量信息连续的情况下展开的,对于测量信息间断情况下的滤波鲜有涉及.针对该问题,以反辐射无人机为研究对象,提出一种基于卡尔曼滤波的间断制导下的被动定位算法,并通过仿真,验证了该方法的有效性.结果表明:提出的新方法能够用于间断制导下的被动定位,且具有一定的定位精度.     

多无人机协同导航技术研究现状及进展

UAV是无人驾驶飞机(Unmanned Aerial Vehicle)的简称,无人机相较于有人驾驶飞机具有用途广泛、成本低和生存能力强等特点,在军事民用领域都有着广阔的前景,受到了国内外研究者的关注。协同导航技术极大地扩展了无人机的应用范围,提高了多无人机定位的精度以及无人机编队的稳定性、安全性和可靠性。现阶段协同导航技术在编队导航、目标监测与跟踪等诸多方面都得到了研究与应用。从四个层次对协同导航的研究现状和进展进行探讨:首先是对多无人机协同导航的概念、基本原理、国内外发展现状和必要性进行阐述;其次对协同导航中相对导航方式进行了分类分析,并分别介绍了无线电导航与视觉导航的原理、优缺点和应用场景;然后从导航目的、协同导航优化算法、滤波方法、协同导航信息融合容错策略几个方面对协同导航进行分析归纳;最后,讨论了基于多无人机协同导航未来的发展趋势。     

捷联式航空重力测量系统的数据处理方法比较与分析

重力数据处理对获取高精度重力异常值有着重要作用,是重力测量的核心技术。重力仪在搭载运动载体进行重力测量时,载体的高频振动对重力测量数据和GPS数据均会产生不可避免的干扰,导致提取的重力异常粗值含有大量高频噪声。围绕重力数据的处理方法这一核心技术,介绍了FIR低通滤波、零相移滤波、标准Kalman滤波、正反Kalman滤波4种滤波方法的基本原理,运用这4种方法处理了SAG捷联式重力仪的某次实际飞行测量数据,比对了基于SINS/GPS组合导航和SINS/DGPS组合导航的重力测量数据处理结果。通过对本次试验重复测线内符合精度进行比对,验证了4种方法的可行性和优劣性,同时验证了SAG重力仪的测量精度。     

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。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题.算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信...     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。     

红外搜索跟踪系统单机运动测距方法研究

机载红外搜索跟踪系统只能测量目标的方位、俯仰角度信息,而无法直接获取目标的距离信息。因此需通过载机平台的机动运动,提高系统可观测性,从而对目标距离进行解算,为火控系统提供完整的目标运动参数,实现对目标的被动攻击。通过建立红外搜索跟踪系统（IRST）单机运动测距的数学模型,针对伪测距的非线性滤波的有偏特点进行了去偏处理,获得无偏的单机运动测距模型,并通过数字仿真进行算法模型的仿真验证,验证了算法的有效性。     

基于联邦滤波结构的INS／GPS组合导航系统数据融合研究

为了研究平台式惯导INS（interial navigation system）和全球定位系统GPS（globe position system）组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS／GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度．实际应用中此方法可行。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.