UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。     

利用修正罗德里格参数进行飞行器姿态估计

给出了一种利用修正罗德里格参数（Modified Rodrigues Parameters）进行姿态估计的算法。该算法用于利用矢量观测的无陀螺姿态和姿态角速度的确定，采用切换方法处理了修正罗德里格参数的奇异性问题，修正罗德里格参数的误差定义为从估计姿态到真实姿态的旋转，根据姿态误差运动方程，用扩展卡尔曼滤波方法设计了姿态和姿态角速度估计器，用数值算例验证了算法的可行性。     

近地卫星磁测自主导航算法研究

地磁场具有较为完善的数学模型，而地磁场矢量是卫星位置的函数，利用三轴磁强计的测量信息即可实现近地卫星的自主导航。本文提出了采用UKF(Unscented Kalman Filter)滤波作为处理磁测自主导航问题的滤波算法。基于unscented变换，UKF滤波算法能够给出更精确的均值和协方差的估计，从而带来更高的精度。本文以地磁场矢量为测量量，进行了数学仿真。仿真结果表明：经UKF滤波后，卫星总的位置误差在1km(3σ)以内。通过比较可知，该方法比传统的扩展Kalman滤波(EKF)有更好的收敛性和更高的精度。     

改进的平方根UKF在再入滑翔目标跟踪中的应用

针对临近空间高超声速再入滑翔目标跟踪问题，提出了一种基于新气动力模型的改进的平方根UKF滤波算法(ISR-UKF)。首先对气动力模型进行了变换。其次，在传统平方根UKF基础上，改用球形无迹变换来计算权系数以及sigma点；改进了平方根矩阵的分解方法；同时为解决矩阵求逆易出现奇异值使滤波失效的问题，提出在协方差矩阵更新中引入多重次稳定因子。最后将该算法分别与基于原气动力的ISR-UKF，基于新气动力的平方根UKF以及基于原气动力的平方根UKF进行仿真比较。仿真表明，该算法具有良好的滤波性能，而且能避免奇异值问题的出现，具有很好的可靠性。     

利用Singer模型的无陀螺姿态和角速度估计

 给出了一种利用Singer跟踪模型的扩展卡尔曼滤波器 (ExtendedKalmanFilter) ,用于无陀螺姿态和姿态角速度估计。在滤波器中 ,姿态和姿态误差分别由姿态四元数和误差四元数表示 ,而姿态角加速度由一阶Markov过程描述 ,从而避免采用姿态动力学模型。利用数值仿真计算验证了滤波器的性能。在所有的仿真过程 ,滤波器显示出快速收敛能力。稳态估计误差主要由测量更新频率和精度决定。     

无陀螺飞行器姿态和角速度确定

通过预测滤波方法研究了利用矢量观测确定无陀螺飞行姿态和角速度的方法。给出的观测滤波法在一定的二次型优化准则下，对飞行器姿态和名义姿态运动模型的等效角速度误差可同时进行实时估计，能够准确跟踪敏感器的测量，有效减小模型误差的影响，数值仿真结果验证了算法的优越性。