双星编队对空间非合作目标的仅测角跟踪方法

针对单星仅测角对目标跟踪误差较大和不良测量条件下跟踪精度下降的问题,提出利用编队卫星对非合作目标进行联合跟踪的方法。采用考虑地球非球形J2引力摄动的轨道动力学模型,建立多视线测量模型,融合编队卫星对目标的观测数据。然后,基于新息设计增益调节矩阵提高滤波器在测量故障条件下的鲁棒性。最后,建立仿真模型进行验证。仿真结果表明,相比单星跟踪,该方法的位置误差和速度误差分别减少了27.06%和26.96%。在系统存在异常量测时,相比常规滤波,该方法也具有更高的精确性和更好的鲁棒性。     

一种重尾量测噪声下的高超声速飞行器跟踪算法

为了解决在实际系统中因野值干扰带来的高超声速飞行器跟踪精度下降的问题,提出了一种交互多模型变分贝叶斯滤波算法(IMM-VB),该算法通过子模型权重与马尔可夫转移矩阵获取子模型的状态预测值。随后采用具有重尾特性的学生t分布取代高斯分布来描述量测模型,并利用VB算法实现子模型的量测协方差与状态的联合估计。最后在交互式多模型(IMM)框架下更新子模型权重与目标状态的融合输出。仿真结果表明,在野值观测条件下该算法比IMM算法具有更高的跟踪精度。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题，提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先，根据再入滑翔目标的飞行特性，将加速度看成是未知的确定输入构建运动学跟踪模型；然后，对目标的非线性量测信息进行无偏转换，并将得到的噪声协方差矩阵进行解耦，降低算法的复杂度；最后，利用回顾成本的输入估计对未知加速度进行重构，采用递推最小二乘法更新输入估计器的参数矩阵，同时将估计的加速度引入到卡尔曼滤波框架下，实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。