基于卡尔曼滤波技术的相对导航技术之研究

本论文主要是研究卡尔曼滤波参数混合技术应用于民用飞机相对导航系统。文中重点在于讨论两架飞机相对位置误差的演变。因此首先研究了飞机绝对导航位置误差的演变。讨论了惯导系统(INS)和卫星定位系统(GPS)的卡尔曼滤波混合。此外，讨论相对导航条件下参数混合以及在下列两种不同的情况下的混合结果：1、飞机间相互传送本机混合后的导航数据；2、未经混合的导航数据传送后再混合。采用MATLAB进行仿真，得到不同方式的导航系统相对位置估计误差演变。     

三维曲线坐标系N－S方程通用形式和数字解

运用张量分析理论，比较简捷地导出了三维任意曲线坐标系上椭圆型Ｎ－Ｓ方程的通用形式。在对这些方程进行数值离散时，采用了有限控制体积的非交错网格设置，该算法以ＳＩＭＰＬＥ为基础，为了抑制压力振荡场的出现，在压力修正方程中对压力梯度的离散附加一项１—δｘ的差分。作为算例，本文给出了三维９０°强曲率弯曲管道中气流的不可压缩紊流状态的数值计算结果，并与相关的实验数据进行了对比，结果是满意的。     

SINS／GPS组合系统的蒙特卡洛仿真

以考虑位置误差相关项的伪距率观测模型，对遥感中使用的SINS/GPS为距、伪距率组合系统进行了蒙特卡洛仿真。结果表明，组合系统的长期位置精度能达到5m以内；GPS数据更新率低于SINS，在GPS测量时间间隔内，组合系统的性能仅由SINS决定，虽然SINS的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性仪表，其相对位置精度可达到厘米级（这里相对位置精度指组合系统在GPS测量时间间隔内位置误差的变化范围）。     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

时频测量的新技术——相位重合点检测技术

近年来相位重合点检测技术和周期性信号参数测量各种高精度的方法在国内外得到了广泛应用。对这种新技术的基本原理、所派生的频率、周期、相位差和时间间隔测量方法作了介绍。这些新方法测量精度高,测量频率范围宽,设备构成比较简单,在时频测量领域将获得越来越广泛的应用,可能逐渐取代已有的某些测量技术,并可在其它量测量领域获得推广。     

重现性地磁活动的数值预报

重现性地磁扰动作为地磁活动的重要部分，其特性在磁情预报中起着不可缺少的重要作用．本文利用地磁扰动在一定条件下具有２７天重现的特性和现代时序分析法中的自适应滤波方法，对北京地磁台Ｋ指数的预报方法进行了研究，并分别在太阳黑子活动低年和高年的两个时间段，进行了预报实验：低年时段预报结果精度为０．６６；在高年时段，预报精度为０．７９．进一步分析还表明，理论计算方法应当与多方面的物理分析相结合，这样才能为磁扰的定量分析和预报提供更充分与合理的计算条件和物理根据．     

三浮陀螺伺服测试误差系数估计方法

为了更好地解决工程实际中三浮陀螺极轴伺服测试时误差系数估计问题,采用了Kalman滤波和递推最小二乘的方法.试验结果证明,Kalman滤波方法能够有效地估计出极轴伺服测试时的陀螺误差系数.用统计检验的方法分析了该模型以及各系数的显著性,结果显示对Dvz和Dzz的估计是显著的.     

INS/SAR组合导航量测信息不同步的滤波算法

在惯性导航系统/合成孔径雷达(Inertial navigation system/synthetic aperture radar,INS/SAR)组合导航系统中,传统的SAR只提供位置和航向角信息,本文引入SAR图像测速系统,实现对INS速度信息的补偿修正。同时,建立了该组合导航滤波的数学模型。针对图像匹配耗时较大、产生信息不同步的现象,本文利用INS信息增量来对SAR导航信息延迟、非等间隔以及SAR量测不在INS滤波离散间隔上所带来的误差进行修正,并进行了仿真。经过1 500s后,本导航系统导航信息没有出现发散,在飞行器出现加速、爬升、转弯等机动时,位置误差绝对值不超过36.8m,高度误差绝对值不超过18.1m,航向角误差绝对值不超过5.3′,速度误差绝对值不超过0.5m/s,并与曲线拟合法作对比,仿真结果表明本文算法能够有效提高INS/SAR组合导航系统的精度,并为其他组合导航系统提供参考。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题，提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化，从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程，鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式，基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子，用于放大Singer模型中的机动频率，进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真，并与交互式多模型等方法进行比较，结果表明所提方法的跟踪精度高、计算量小，能够较好地适应阶跃机动和连续幅值变化的机动。