一种单站无源定位原理与目标跟踪算法研究

基于辐射源的信号到达方向(DOA)及其变化率信息,提出了一种对机动目标进行单站无源定位与跟踪的方法。根据建立的目标机动模型和测量方程,分别用扩展卡尔曼滤波(EKF)和修正协方差扩展卡尔曼滤波(MVEKF)算法实现对机动目标的定位与跟踪,并给出了算法模型。仿真结果表明,该法正确有效,定位精度较高、收敛速度快。     

基于紫外敏感器的卫星自主导航方法研究

研究了卫星利用CCD紫外敏感器进行自主轨道确定的方法。敏感器通过地球紫外图像提供地心方向矢量及姿态误差信息进而确定卫星轨道。采用Unscented卡尔曼滤波算法,对紫外敏感器测量精度、姿态误差、部分轨道参数以及地球模型对导航精度的影响进行了仿真验证。仿真结果表明本方法具有较高的定轨精度,其导航误差主要取决于紫外敏感器测量精度和卫星姿态误差。     

GPS与弹道导弹INS组合制导方案初探

ＧＰＳ与弹道导弹ＩＮＳ组合制导方案初探王永刚，袁建平，王明海西北工业大学，二炮工程学院摘要＊针对弹道导弹的导航环境，提出了利用卡尔曼滤波构造的一种可用来提高弹道导弹射击精度的ＧＰＳ与惯导系统（ＩＮＳ）组合制导方案；并简要地阐述了利用该方案估计值对惯导...     

应用于仅有角度测量的寻的导弹制导的自适应修正增益推广Kalman滤波器

一种适用于一类特定的非线性系统全局收敛非线性滤波器被称作修正增益推广Ｋａｌｍａｎ滤波器（ＭＧＥＫＦ）。将ＭＧＥＫＦ与一种非线性时变观测噪声统计估值器相结合，导出一种自适应修正增益推广Ｋａｌｍａｎ滤波器（ＡＭＧＥＫＦ）。ＡＭＧＥＫＦ应用于三维仅有角度测量的寻的导弹制导，当测量噪声的方差不能精确已知时，不存在ＭＧＥＫＦ经常表现出的不稳定性，仿真结果表明ＡＭＧＥＫＦ是稳定的。而且与虚构的、对测量噪声方差精确已知的ＭＧＥＫＦ有几乎相同的估计效果。     

基于线性均方估计的数据融合理论

提出数据的统一线性融合模型，使测量数据、先验信息和预测信息均用数据的统一融合模型进行描述；提出数据的信息量的概念，指出信息量越大的数据，精度越高；提出和证明了基于统一线性融合模型的数据最优融合定理和信息量分解定理；揭示数据线性融合的本质规律。基于数据融合理论，研究多传感器系统联合Kalman滤波，指出信息量分享系数取值的不同只能够影响对应子系统状态的估计精度，不能够改变全局估计精度，得出与文献[11～15]相反的结论。     

基于Unscented卡尔曼滤波器的卫星自主天文导航研究

针对星光折射间接敏感地平的卫星自主天文导航方法，建立了带摄动项的状态方程和以星光视高度为观测量的量测方程。由于该状态方程和量测方程都是严重非线性的，利用推广的卡尔曼滤波器进行导航时精度较低。Unscented卡尔曼滤波是一种针对非线性系统的估计新方法。本文提出将Unscented卡尔曼滤波用于自主天文导航。计算机仿真结果显示Unscented卡尔曼滤波的估计精度远优于推广的卡尔曼滤波。     

自适应卡尔曼滤波在平台射前自标定中的应用

研究了自适应卡尔曼滤波技术在平台射前自标定数据处理中的应用 ,标定采用四位置标定方法 ,对角度传感器输出建立常速度模型。在噪声统计未知或时变的情况下 ,每个位置采用自适应卡尔曼滤波解算出平台各轴的漂移角速率 ,并在此基础上辨识出漂移参数。仿真表明 ,自适应卡尔曼滤波能较好地满足标定精度要求     

基于模型误差确定卫星姿态的预测滤波算法

本文给出了一种高精度、鲁棒性强的实时姿态估计算法，即预测滤波算法。该算法利用星敏感器所提供的观测矢量，对运动学方程中由陀螺漂移造成的角速度模型误差进行一步预测，从而准确地估计卫星的运动姿态和角速度。预测滤波算法的良好性能已通过仿真测试得到了验证。文中进一步提出的修正算法，使滤波器的预测性能得到了改进。     

神经网络数据融合机动目标跟踪算法

利用神经网络方法解决雷达/红外双模制导中的数据融合问题.红外数据经过异步数据融合处理与经过卡尔曼滤波处理后的雷达数据同步,共同作为神经网络的输入,神经网络作为同步融合中心,输出为目标的最优融合估计.研究结果表明这种方法可以在融合中心不知道协方差信息的情况下进行数据融合.     

基于功率互补对的树形结构混合滤波器组

提出了一种近似完全重构的树形结构混合滤波器组(HFB)的设计方法,利用基于功率互补对的树形结构的模拟分解滤波器,而非传统的低通、带通和高通分解滤波器均匀分割整个系统带宽.采用遗传算法实现了功率互补对的优化设计,并基于逆快速傅立叶变换(IFFT)实现了数字综合滤波器的设计以保证近似完全重构.3阶和5阶的功率互补对与63阶的数字FIR(有限冲击响应)综合滤波器所组成的四通道混合滤波器组,具有1.06×10^-7dB平均失真误差和-111?dB的平均混叠误差,满足15?bit的模数转换(ADC)系统要求.