预测滤波器的分散化结构

预测滤波器是一种基于非线性系统模型的滤波方法,它通过使输出一步前向预测误差最小来估计模型误差,具有较高的估计精度.当预测滤波器应用到多传感器系统时,存在维数多、计算量大等缺点.本文提出了一种预测滤波器的分散化方案,将分散化滤波的优点引入到预测滤波器中.该方案中子滤波器各自给出模型误差的局部估计,并传递给主滤波器.主滤波器由此计算全局最优估计,并反馈重置各子滤波器.通过多传感器卫星测姿系统的仿真,证实分散化之后的预测滤波器与集中的预测滤波器具有相同的精度.同时,分散化的结构具有维数低、矩阵运算量小等优点,而且有利于增强系统的故障检测能力,提高系统的容错性.     

基于Hatch滤波法的GPS伪距差分定位分析

利用Hatch滤波法对导航数据进行伪距差分定位研究,对单频接收机采用Hatch滤波法时电离层的影响做进一步研究,分析电离层风暴对定位精度的影响。为了提高定位精度,采用Hatch滤波法辅助的差分定位技术,对解算过程进行详细分析,并通过MATLAB软件对数据进行处理仿真,验证利用差分Hatch滤波法提高定位精度的可行性。     

基于新的数值积分粒子滤波的机载无源定位算法

针对机载无源定位这一多维非线性滤波问题,提出一种新的用3阶数值积分卡尔曼滤波算法来产生重要性密度函数的粒子滤波算法。新算法采用球形和径向数值积分规则选取积分点和确定相应的权值,得出的积分点数仅为状态维数的二倍,大幅的减少了计算量,较好地解决了求积分卡尔曼粒子滤波算法（Quadrature Kalman Particle Filter, QPF）在高维滤波时存在计算量大的问题;而且通过设定比例因子使得所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测值,增加了粒子的多样性,提高了对系统状态后验概率的逼近程度。仿真结果表明：新算法在稳定性和定位精度上与QPF相当,但计算时间仅约为QPF的15%。     

强跟踪滤波在移动机器人SLAM的应用研究

针对移动机器人的运行特点,分析机器人常用SLAM方法,提出将STF应用于移动机器人SLAM。主要结合STF算法优点,通过引入渐消因子,解决机器人模型未知和状态变化不连续的问题,将算法用于环境地图的创建和机器人的定位。实验结果证明该应用比其它方法定位精度高,能够满足在大范围室内环境下SLAM的需求。     

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。     

基于多相滤波的跨信道宽带信号处理技术

首先介绍了实信号的多相滤波信道化体制,讨论了该体制下宽带信号跨信道接收时的信号检测技术以及邻信道虚假信号消除技术。然后详细讨论了各种跨信道宽带信号恢复算法,考虑到可行性和FPGA的硬件可实现性,选用综合滤波器算法进行宽带接收。最后通过MATLAB仿真验证算法的有效性。     

一种基于粒子滤波的月球车同时定位与地图创建方法

针对月球探测车位置与姿态的准确估计问题,提出了一种基于RBPF粒子滤波的月球车SLAM方法。该方法基于高速激光雷达对环境地貌的观测,通过激光测距值与所建栅格地图之间的匹配实现。鉴于车体的位置估计仍难以彻底消除累积误差,提出了对于月球车平动速度的估计方法,并通过仿真实验验证了该速度估计方法的正确性。为提高粒子滤波的实时性能,提出所有粒子共同维护一幅地图的处理方法,实验表明该方法在明显提高SLAM实时性的同时,并未对滤波效果产生明显影响。
     

Kalman滤波算法在单站无源定位中的应用

无源定位技术有着广阔的应用前景 ,在现有单站无源定位方法的基础上 ,首先介绍了相位差变化率定位法 ,接下来引入Kalman算法对原始定位结果进行滤波处理 ,以减弱测量噪声的影响 ,提高定位的精度。仿真结果表明了这一处理算法的有效性。这种处理思路还可以推广到更为复杂的定位情况中去     

美国军事航天的分散化理念

美国空军打算在2015财年里为采纳一种新的军事航天架构采取一些初步步骤。美空军官员称,这一点在3月4日公布的空军2015财年预算申请的航天部分中有明显反映。预算案搁置了两颗大型保密通信卫星的采购,并要求为新一代低成本气象卫星的研制提供经费。