用于平台连续瞄准和校准的卡尔曼滤波器

本文为提高制导精度,讨论了用于惯性平台的连续瞄准、校准的卡尔曼滤波器,介绍平台系统和加速度表的误差模型、参数辨识的卡尔曼滤波方法及重力残数加速度表校准原理。     

平台静态误差的几种估计方法

在分析了目前所使用的导弹发时平台静态误差的AR（1）估计方法之不足后，提出了均估估计方法，以及这两种方法的改进型。计算结果表明均值估计及其方法以提高精度近40％，在导弹发射前的平台误差补偿中使用这一方法效果会更好。     

基于自适应算法的月球引力常数和J_2系数确定

针对月球引力场自主确定过程中测量噪声统计特性未知导致扩展卡尔曼滤波精度低、易发散的问题,提出了一种自适应扩展卡尔曼滤波算法。该算法通过采用改进的噪声估计器,对滤波过程中未知测量噪声统计特性进行实时估计和修正,有效地提高了扩展卡尔曼滤波器的稳定性,减小了状态估计的误差。通过与蒙特卡洛仿真,扩展卡尔曼滤波的结果比较,自适应扩展卡尔曼滤波算法加强了滤波的稳定性,并且明显提高了月球探测器轨道的确定精度、月球引力常数精度和月球J2项摄动系数精度。     

一种新的惯导平台静基座快速初始对准方法

提出了一种新的惯导平台静基座快速初始对准方法。用两步卡尔曼滤波算法替代常规算法估计水平误差角,根据水平误差角快速收敛的估计结果估计收敛较慢的方位误差角。给出了算法模型。理论分析和仿真结果表明:该算法对水平误差角的估计收敛速度可提高1倍,对方位误差角的收敛速度也相应提高,精度与常规方法一致,是一种有效的快速初始对准方法。     

一种利用PCA的导弹轨迹重建方法

非同时刻成像将大幅恶化立体视觉方法对导弹的轨迹点重建精度和射向估计精度,针对这一问题,该文提出了应用主成分分析(PCA)重建导弹轨迹并且估计导弹射向的方法。论文在同步轨道双星观测条件下推导了将PCA方法应用到导弹轨迹重建及射向估计的原理,论证了目标三维轨迹最小方差投影直线在像面上的投影即为目标成像轨迹的最小方差投影直线,给出了通过求取目标成像轨迹的最小方差投影直线重建导弹发射面和轨迹点的算法。仿真实验表明了该方法可以有效地进行弹道轨迹的三维重建及射向估计,与现有方法相比,PCA方法重建精度更高,相机定标误差在一定范围内时,射向估计误差更小。     

统计滤波理论在飞行器制导系统中的应用

本文叙述了统计滤波方法中具有典型代表性的卡尔曼滤波的基本方法。简要说明了它在惯性平台的自对准与自校准;复合制导中的信息综合以及飞行试验后的误差分离和弹道参数最佳估计中的应用。指出了应用中尚存的问题及今后的可能发展。     

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

一种基于扩展卡尔曼滤波和最小均方准则的无控制点InSAR基线估计方法

基线误差是影响干涉合成孔径雷达（InSAR）测量高精度的主要误差源之一。因此,在进行数字高程图（DEM）高程反演的过程中,需要进行高精度的基线估计来提高DEM数据的精度。文章详细推导了InSAR系统的各项误差与测高精度的关系,得到了误差传播公式;然后提出了一种在扩展Kalman滤波的基础上,使用LMS最小均方误差准则的无控制点基线估计方法。该方法解决了在地面控制点获取困难的条件下,飞行平台与地面之间的相对高度未知的问题。最后,通过仿真实验验证了该方法的有效性：在相位误差、斜距误差、基线长度误差和倾角误差共同作用下,基线定标精度可达到0.1mm,满足0.5m相对高程精度对于基线估计的要求。     

非全姿态惯性平台小角度射前自标定方法

为实现非全姿态惯性平台全装弹状态下的射前自标定,提高导弹射击精度,提出了非全姿态惯性平台在小角度状态下射前自标定方法。通过对导弹飞行过程中平台的受力分析,确定了平台误差模型中产生漂移最主要的六项误差系数,设计了使平台转动到预设角度并自动锁定的控制电路,控制平台在初始和小角度倾斜两位置处锁定,使六项误差系数受到重力加速度的有效激励,最后利用构建的闭环力矩反馈回路进行测漂,分离出各误差系数。精度分析表明,标定精度能够很好地满足系统要求。与传统方法相比,该方案利用小角度倾斜状态实现三轴同时测漂,仅需平台在两个位置间转动一次,其自标定时间缩短为借助转台多位置标定时间的25%。     

自适应卡尔曼滤波在平台射前自标定中的应用

研究了自适应卡尔曼滤波技术在平台射前自标定数据处理中的应用 ,标定采用四位置标定方法 ,对角度传感器输出建立常速度模型。在噪声统计未知或时变的情况下 ,每个位置采用自适应卡尔曼滤波解算出平台各轴的漂移角速率 ,并在此基础上辨识出漂移参数。仿真表明 ,自适应卡尔曼滤波能较好地满足标定精度要求     

高精度3D雷达组网实时误差配准算法

对制导雷达组网实时误差配准算法进行了研究。建立了基于大地坐标系(ECEF)的实时Kalman(ECEF-Kalman)滤波算法和模型,并进行了仿真验证。结果表明:此算法能有效地估计系统误差,配准效果明显优于实时Kalman滤波算法。     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

星间微波测距系统相位中心在轨标定研究

研究了卫星质心已精确确定后,基于非线性卡尔曼滤波的星间微波测距系统的相位中心在轨标定方法。用非线性卡尔曼滤波对4种机动律的数据进行标定计算。仿真结果表明:当设定合适的敏感元件参数时,该法有较高的精度。     

基于无迹卡尔曼滤波的空间目标双星定位方法

利用双星对空间目标的观测角进行目标定位,可以很好地避免地基探测系统探测弧段短的缺点。研究了基于动力学滤波的双星定位方法,介绍了无迹卡尔曼滤波的基本原理,建立了考虑地球非球形J2项引力摄动的空间目标动力学方程和基于无偏量测转换的双星观测方程。通过仿真比较两种滤波方法在相同条件下对目标的定位误差,可知无迹卡尔曼滤波方法在收敛速度和定位精度上均优于扩展卡尔曼滤波方法。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

基于激光实时跟踪测量的航天器编队相对位置测量方法

为了解决编队航天器间相对位置的高精度测量，实现航天器编队自主飞行，提出基于激光实时跟踪测量航天器间相对位置的测量定位方法，建立了航天器间相对位置测量的数学模型。该测量方法在直角坐标系下用Hill方程建立编队航天器相对运动模型，得出航天器相对运动轨迹的解析解，在极坐标系下建立航天器间相对位置的激光跟踪测量模型，将激光跟踪测量系统的测量值转换到直角坐标系，对转换误差进行去偏差补偿，利用卡尔曼滤波方法进行数据处理，以提高航天器间的相对位置测量精度。仿真结果表明，若对于测距精度为5厘米，测角精度为0．1度的激光跟踪测量系统，采用去偏差转换测量卡尔曼滤波方法，航天器空间相对位置精度可达到厘米量级。     

基于捷联惯导高保真误差模型的非线性滤波算法

针对捷联惯导系统在大姿态误差条件的对准问题,推导了高保真非线性误差模型。该模型采用欧拉角表示姿态误差,并用与导航解算相同的姿态更新算法准确描述了姿态误差的传播规律。利用该模型设计了扩展卡尔曼滤波器,并以二位置对准为例,比较该模型与线性模型和大方位误差模型的滤波效果。仿真实验结果表明在小角度误差和大方位误差条件下,基于高保真模型的滤波器估计精度都优于其它两种模型,且在大水平姿态误差条件下滤波精度也很高。