分布参数随机系统的条件滤波方法

针对分布参数随机系统在其控制输入,系统输出存在观测噪声情况下,提出了分布参数随机系统的条件滤波方法,使得在获得系统状态的最优估计的同时,可以得到关于不确知的控制输入的最优估值,该算法所具有的系统状态和控制输入的估计器结构上的相似性,为降低分布参数系统的滤波算法数值计算上的复杂性提供了一种解决途径,也使得该算法在工程实际中有较大的应用前景.     

星敏感器姿态测量相对基准偏差在轨标校方法研究

摘要： 对航天器星敏感间姿态测量基准偏差在轨标校及性能评估问题进行研究.建立包含敏感器安装误差与测量误差的星敏感器模型,针对两种不同形式的安装误差模型,推导出相应的观测方程,基于卡尔曼滤波方法设计相对基准偏差估计器,并比较分析两种估计器实际应用特点.然后针对在轨实际应用,给出一种基于敏感器光轴夹角的标校性能评估方法,通过数学仿真验证星敏感器相对基准偏差的标校的有效性,并基于在轨数据的标校应用获取相对基准偏差在轨特性.     

航海光纤陀螺捷联惯导系统快速对准技术研究

针对中小型水面舰船对航海惯导系统快速对准的实际需求,结合光纤陀螺的误差特性,提出一种针对航海光纤陀螺捷联惯导系统的快速对准方法。该方法充分考虑光纤陀螺启动特性对惯导系统对准精度的影响,在对准过程中保存光纤陀螺输出平稳后的数据,并利用基于正反向联合导航和滤波的方法,重复利用输出平稳后的数据,缩短对准时间,提高系统对准精度。经过实际的舰载试验验证表明,采取该方法后,所研制的航海光纤陀螺捷联惯导系统在对准时间20min条件下的导航精度相当于传统方法对准时间1h条件下的导航精度,显示了本方法的正确性和有效性,为航海光纤陀螺捷联惯导系统的进一步工程应用提供了有力支撑。     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。     

滤波减速器有限长轮齿接触表面混合润滑分析

综合考虑了轮齿接触几何、啮合点法向载荷、齿向参数、真实表面粗糙度、润滑剂流变特性等因素,建立了滤波减速器轮齿混合润滑数值分析模型,采用复合迭代法和快速傅里叶变换(FFT)方法分别求解Reynolds方程和弹性变形方程,获得了轮齿接触表面混合润滑分析完全数值解,得到了滤波减速器在啮入点、节点和啮出点的压力与平均油膜厚度,以及转速对轮齿接触表面平均油膜厚度和接触比的影响.结果表明:在啮入点、啮出点及节点处,沿齿宽方向的压力分布不相等,两侧压力较大,而在啮入点处的两侧压力突变相对较小,且平均油膜厚度最大;对于粗糙轮齿接触表面,随着滤波减速器转速逐渐降低,啮入点、节点及啮出点的平均油膜厚度随之减小,接触比增加,润滑效果变差,并且在同一工况下粗糙轮齿接触表面的啮合点平均油膜厚度小于光滑轮齿表面的平均油膜厚度.      

多分量雷达辐射源信号的检测与分离

针对多分量雷达辐射源信号难以有效检测与分离的问题,提出了时频变换结合时变滤波的方法。通过图像分割中的区域生长法在时频平面对各分量进行检测,对其中的线性调频分量采用分数阶傅里叶变换进行优先分离,再对时频或频域没有耦合的分量进行滤波,最后通过支持向量机划分分类线,用于时频耦合分量的分离。仿真实验结果表明,该方法可以对多分量信号进行有效的检测与分离。     

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.      

基于四元数的UKF多传感器卫星姿态确定

对采用磁强计和太阳敏感器的卫星姿态模型,应用无迹卡尔曼滤波(UKF)算法确定卫星姿态。由四元数描述姿态,在算法中将其转换成旋转矢量,另设计了四元数求均值的迭代算法,解决了四元数在UKF算法中的处理。仿真结果表明:广义卡尔曼滤波(EKF)算法对初值依赖性较大,UKF算法不受初值影响且精度高于EKF,具快速性、精度高和稳定性强等优点。     

A two-step robust adaptive filtering algorithm for GNSS kinematic precise point positioning

In kinematic navigation and positioning, abnormal observations and kinematic model disturbances are one of the key factors affecting the stability and reliability of positioning performance. Generally, robust adaptive filtering algorithm is used to reduce the influence of them on positioning results. However, it is difficult to accurately identify and separate the influence of abnormal observations and kinematic model disturbances on positioning results, especially in the application of kinematic Precise Point Positioning (PPP). This has always been a key factor limiting the performance of conventional robust adaptive filtering algorithms. To address this problem, this paper proposes a two-step robust adaptive filtering algorithm, which includes two filtering steps: without considering the kinematic model information, the first step of filtering only detects the abnormal observations. Based on the filtering results of the first step, the second step makes further detection on the kinematic model disturbances and conducts adaptive processing. Theoretical analysis and experiment results indicate that the two-step robust adaptive filtering algorithm can further enhance the robustness of the filtering against the influence of abnormal observations and kinematic model disturbances on the positioning results. Ultimately, improvement of the stability and reliability of kinematic PPP is significant.