基于RBF网络的惯导系统初始对准

建立了惯导系统（ＩＮＳ）初始对准的线性和非线性误差模型。分析了径向基函数（ＲＢＦ）网络的结构和工作原理。研究了ＲＢＦ网代替初始对准中的卡尔曼滤波器的实现方法。通过仿真表明，用神经网络进行初始对准，既可获得与卡尔曼滤波相同的对准精度，又提高了系统的实时性。     

粗差拟准检定法在星载GPS低轨卫星定轨中的应用

利用自适应卡尔曼滤波进行星载GPS低轨卫星定轨时,必须解决量测方程中经常存在的粗差问题．在分析以往方法的优缺点后,用拟准检定法来探测和修正量测方程中存在的粗差．该法的优点是辨识粗差准确率高,能同时定位多个粗差．另外,为了克服星载GPS低轨卫星定轨的滤波器可能出现的数值不稳定性及发散现象,还采用了UD分解算法及Sage自适应滤波器．最后用一个CHAMP卫星的模拟算例验证本方法的可行性和有效性．     

机载SAR动目标成象研究

在分析机载合成孔径雷达运动目标成象特点的基础上，探讨了一种动目标成象的前置滤波方法，指出其存在的问题，提出了在前置滤波后进行参数估计的后处理形成，该方法基于时间－频率联合分析法，能得到运动目标的精细成象结果，计算机模拟验证了方法的有效性。     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中，仅采用地磁矢量的模作为观测量，本文引入地磁矢量与太阳矢量之间的数量积作为观测量，增强了其可观性，也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter，EKF)虽然获得广泛应用，但其线性化过程会引入截断误差，而无香卡尔曼滤波器(Unscented Kalman Filter，UKF)是非线性滤波方法，不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究，仿真结果表明了本文算法的有效性，如磁强计偏置的标定精度，UKF比EKF高26%。     

H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

 在对 H∞ 估计问题进行数学描述的基础上,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明,在理想条件下,Kalman滤波方法具有较高的精度;但是,当系统模型和外部干扰统计特性发生变化时,H∞ 滤波算法明显具有良好的鲁棒性能,同时,估计精度也较高,有效地克服了 Kalman滤波器存在的局限性。     

实时精确定轨的自校准方法

实时精确定轨的迫切性越来越成为航天技术任务发展所关注的问题。本文将轨道约束“EMBET”自校准技术^[1,2]推广到实时轨道确定处理；在不断地获取对航天器轨道测量数据的过程中，递推地估算和修正观测数据的系统误差，又实时地为用户提供精确的轨道状态参数或轨道根数。     

有序递推滤波修正系统误差方法

本文将推广卡尔曼滤波的原理拓展到对测量元素逐个进行滤波的处理。从理论上证明它可以提高状态向量滤波结果的估值精度，而且它可以减少求逆公式的计算量。本文应用该方法导出了轨道测量数据处理的有序递推自校准系统误差的方法及公式。     

一种基于输出误差观测的冗余MEMS-IMU标定技术研究

针对传统六位置标定存在标定步骤复杂、标定时间长等问题，同时随着MEMS器件冗余数目增加和冗余配置结构复杂化，利用分立标定技术实现器件误差参数辨识的难度进一步增大，且不同配置结构所采用的标定方法存在通用性较差的问题。因此提出了一种基于Kalman滤波的冗余MEMS-IMU分立标定方案。该方案首先采用小角度建模法实现安装误差的精确建模；然后针对直接以转台三轴角速率为观测值，导致部分状态量不可观的问题，提出了以器件的输出误差值作为观测量、以器件误差参数作为状态量设计Kalman滤波器；最后设计了高精度三轴转台转位编排方式，并利用四陀螺冗余结构进行标定仿真试验。仿真结果表明：该标定方法与六位置标定方案相比，标定精度平均提高了11.37%，可实现MEMS器件误差参数的快速辨识，对实际工程实践具有一定参考价值。     

基于视线角序列的机动目标视线角速率计算

 依据拦截弹与机动目标间的相对位置关系，采用导引头球面模型，基于当前统计模型，实现了强跟踪状态自适应滤波，计算出了可用于制导的视线角速率。该算法利用导引头球面模型，将测角信息转换成距离信息，进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下，根据相对状态滤波结果求出所需的视线角速率。     

一种分散化多站联合目标跟踪算法

 本文基于分散估计理论的基本原理,考虑各子站基于不同坐标系这个一般情形,给出了一种新的分散化多站联合目标跟踪算法。并针对子站间四种不同的通讯方式,对算法进行了仿真。结果表明,本文的最优合成算法即使在各个子站由于缺少足够的信息而得到错误估计的情况下,也能快速地给出正确的估计。