GKF算法下对机动目标多步预测的误差分析

机动目标运动状态的多步预测是为了更好的为机动目标的跟踪提供数据支持,因此要保证多步预测数据的可用性,需要知道预测的精度,由此要对预测数据做误差分析。本文在对机动目标运动轨迹实施多步预测的基础上分析了多步预测过程中随机误差的传递,以及传递的随机误差对多步预测的影响。仿真结果显示,预测中传递误差方差占预测误差方差的绝大部分,是影响预测精度的最重要因素之一。     

具不确定观测和相关噪声的最优递推滤波

应用正交投影定理,对于噪声相关系统,在观测不确定的情况下,求出了状态向量的卡尔曼滤波公式。在线性最小方差准则下,解决了状态噪声一步相关,相同时刻的测量噪声和状态噪声相关,以及测量噪声和状态噪声在相邻时刻均相关的情况下的滤波问题,并给出了递推滤波公式。仿真算例说明了它们的有效性。     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

一种减少失速保护虚警率的混合滤波方法

针对飞机失速保护设计过程中易出现虚警的情况,提出一种基于FIR和传统滤波器相结合的混合滤波方法。结合飞机本体的运动特征,对参与失速保护逻辑运算的两个重要参数,即侧向加速度和迎角信号进行频率分析,基于信号的特征设计混合滤波器,然后采用Simulink滤波工具箱设计滤波器对信号进行滤波处理。仿真结果表明该方法能够减少虚警率的发生,特别是大背景噪声下的虚警率能够得到较好抑制,验证了滤波器设计正确性,从而提高失速保护功能对适航条款符合性。该滤波器设计方法,不但可以有效解决本文提到的问题,对于其他涉及信号处理的系统设计同样具有借鉴意义。     

洗出滤波算法在飞行模拟器中的应用

介绍了六自由度运动平台的洗出滤波算法及其在飞行器地面滑跑阶段的实现。根据飞行仿真模块的输出,通过坐标变换、比例限制、信号洗出和滤波等,形成运动平台的驱动信号。该算法在不增加系统硬件的前提下,充分利用液压缸现有行程,逼真地模拟飞机俯仰、滚转、偏航、升降、纵向和侧向平移运动。     

基于磁强计的卫星自主定轨

针对低轨小卫星 ,提出一种低成本的自主导航方法。该方法采用一个三轴磁强计作为测量手段 ,通过卫星所在位置的地磁场强度的量测值与国际地磁场模型 (IGRF)之间的差值来提供导航信息 ,利用推广的卡尔曼滤波技术来确定卫星的轨道。仿真研究的结果验证了该方法的可行性。     

基于GPS/IMU/太阳敏感器的空间飞行器组合姿态确定

GPS定姿是GPS在空间飞行器上应用的一个重要方向 ,本文在建立GPS 惯性组件 太阳敏感器组合定姿系统的非线性模型的基础上 ,采用扩展卡尔曼滤波实现了该组合定姿方案。通过理论分析和仿真结果均验证了方案的可行性。为GPS定姿在空间飞行器的实际应用提供一定的参考。     

导航星座的自主导航技术--卫星自主时间同步

基于星载原子时钟频率稳定性的Allan方差表达,建立系统状态方程,并以星间双向测量伪距差作为基本观测量,组成系统测量方程,从而可以设计适用于导航星座卫星时间同步的Kalman滤波算法。系统仿真结果表明：通过对星间双向测量数据的滤波处理,能够实现星座卫星时间精密同步。     

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。