箭载捷联惯性导航系统初始对准技术研究

为同时提高运载火箭捷联惯导系统(SINS)的对准精度、缩短对准时间，采取经典的粗对准与精对准两步对准法。在粗对准阶段，由惯性仪表的测量信息解析计算惯测组合坐标系到数学平台系的角位置关系，建立初始方向余弦矩阵Cb^n；在精对准阶段，采用四元数法推导出激光陀螺SINS数学平台角误差和速度误差方程。并以此建立初始对准误差模型，采用卡尔曼滤波(KF)进行精对准。数字仿真结果表明该模型有效，能满足初始对准精度和对准时间的要求。     

基于陀螺和四元数的EKF卫星姿态确定算法

为保证卫星姿态确定的高精度，利用星敏感器提供的姿态四元数，结合扩展卡尔曼滤波（EKF）对陀螺漂移和安装误差进行实时补偿。建立了滤波器数学模型，并通过数学仿真获得了算法的理论精度，同时分析了星敏感器安装误差对姿态确定的影响。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

利用磁强计数据确定卫星姿态的简易滤波算法

针对一类俯仰轴负向安装有偏置动量轮的重力梯度稳定的三轴主动磁控微小卫星,在分析其数学模型的基础上,将俯仰通道与滚动-偏航通道解耦,分别给出了仅用磁强计测量数据确定各通道姿态的卡尔曼滤波算法。并进一步分析了滤波系统模型的周期性,探讨了实现周期滤波增益的可行性。最后通过仿真算例验证了该滤波算法的有效性以及采用周期滤波增益的可行性。     

结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。     

对运动辐射源的单站无源伪线性定位跟踪算法

本文针对只测向单站无源定位中推广卡尔曼滤波（EKF）算法具有不稳定性等缺点，在只测向（BO）定位算法的基础上增加方位角速率观测信息，提出了一种对运动辐射源的单站伪线性卡尔曼滤波定位方法并进行了计算机仿真，它相对于只测向方法提高了定位误差的收敛速度。它可用于无源侦察监视或导弹制导等要求快速收敛的场合。     

卡尔曼滤波器在战术导弹导航系统中的应用

研究了一种战术导弹的导航滤波器。在中制导段以地面雷达作为测量单元，应用最优估计理论，设计了被称为导航滤波器的广义卡尔曼滤波器，以便于提供目标的运动状态信息。建立了导航滤波器的数学模型，并进行了公式推导和数字仿真分析。仿真结果表明，该方案能有效地估计大机动目标的运动状态信息。     

基于磁强计的微小卫星姿态确定

针对极轨微小卫星，提出了一种基于磁强计的改进EKF算法。通过对仅利用磁强计确定卫星姿态时的误差来源进行分析，并且对磁强计量测模型做出了改进，并进行了适当的简化。在不明显影响精度的情况下，使得计算量得到了显著降低，数学仿真表明算法是收敛的、有效的。该算法具有极大的工程实用意义，对于EKF方法在低成本微小卫星的成功应用是一个有益的探索。     

自适应两步滤波器及其在导弹被动制导中的应用

两步滤波器由Ｋａｌｍａｎ滤波器和Ｇａｕｓｓ－Ｎｅｗｔｏｎ迭代算法所构成，它适用于一类由线性动态模型和非线性测量模型所组成的非线性系统。本文将这种滤波器与时变测量噪声统计估值器相结合，得到一种自适应两步滤波器，在测量噪声统计特性无法验前已知的情况下，此滤波器仍然性能良好。最后，本文将自适应两步滤波器应用于导弹的被动制导问题，数字仿真结果证明了这种算法的有效性。     

小卫星多传感器融合滤波定姿算法

虽然扩展卡尔曼滤波被成功应用于许多非线性系统,但由于其对高阶项的截断误差等因素,其用于小卫星多传感器定姿系统时性能受到限制。针对上述问题,本文提出了一种将扩展卡尔曼滤波器与两步滤波器相结合的方法。利用Gibss矢量做姿态参数,避免了四元数在进行迭代时的归一化约束。以太阳敏感器、星敏感器、MEMS陀螺、磁强计为敏感器件,通过仿真,将本文算法与扩展卡尔曼滤波器进行了对比。结果说明,本文算法能将最大稳态定姿误差降低4.4×10-30。