状态估计中两种非线性滤波算法的对比研究

分析了粒子滤波算法和Unscented卡尔曼滤波算法的原理和算法实现；在状态估计模型中对两种算法的适应性进行了比较。通过实例进行仿真，结果表明粒子滤波算法估计精度比UKF算法高，但是计算量却相对较大。     

二维时频面的MTI滤波算法研究

分析了传统的动目标显示（MTI）滤波算法的缺陷，提出了一种二维时频面的MTI滤波算法，该方法利用时频分析多通道滤波和时频局域化的特点，在时频平面内进行二维滤波，从而获得良好的杂波抑制能力，且具备 的自适应性和鲁棒性，最后，根据实验结果给出了此种滤波算法与其他滤波算法的对比效果。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

Rao—Blackwellized粒子滤波在SINS／GPS深组合导航系统中的应用研究

在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求.因此,本文提出了利用Rao-Blackwellized(R B)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法.优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少.通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性.     

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。     

一种用于SINS行进间对准的模糊抗野值滤波算法

针对观测存在野值的非线性系统滤波问题，本文综合运用多高斯和近似算法(GSA)、贝叶斯公式、马尔科夫链蒙特卡洛算法(MCMC)以及集合卡尔曼滤波算法(EnKF)设计了一种能从状态后验分布中抽取粒子的改进粒子滤波算法，并根据模糊理论为此改进算法设计了模糊抗野值功能，从而提出了模糊抗野值集合粒子滤波算法，命名为REnPF。GPS辅助SINS行进间对准的仿真实验表明，REnPF能够很好地避免虚警、漏检问题，并能提供良好的滤波精度。     

非线性估计理论的最新进展

扩展Kalman滤波(EKF)是应用最广的非线性估计方法，然而它存在实现性差、计算量大、估计精度低等缺陷，这些问题起源于。EKF采用了Taylor展开近似。在阐明非线性估计的本质，剖析EKF等传统方法的特点及缺陷的基础上，从非线性估计革新的两条发展思路——非Taylor展开的线性变换及非线性变换出发，分别对插值滤波、Unscented滤波、粒子滤波和神经网络滤波这四种近年来最具特色的新方法进行介绍和评述。通过分析这些方法的工作原理、性能特点、必要性和可行性，将非线性估计最新进展的思想传承、本质内涵、地位与作用予以展现，指出各方法的现存问题、发展潜力和最具可实现性的发展方向。同时强调了各种算法的选取须根据具体应用场合和条件，在主要性能指标之间综合权衡。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

抑制UKF发散的改进算法在卫星轨道确定中的应用

为避免实际应用中一般无迹Kalman滤波（UKF）算法的不稳定性,基于对传统线性Kalman框架的UKF算法造成滤波发散现象的阐述,讨论了无迹转换（uT）的基本原理开口UKF算法,并给出了造成滤波发散的原因,提出了两种抑制滤波发散的改进UKF算法。仿真分析了某星载GPS低轨卫星轨道发散的主因,结果表明改进算法有效。     

一种卫星姿态确定的非线性算法

在稳态卡尔曼滤波算法中引入非线性项 ,改进了算法的性能。思路是在姿态确定误差较大时 ,使得非线性滤波算法等价于具有较大滤波增益的稳态卡尔曼滤波器。理论分析和仿真结果表明在保证同样稳态估计精度的情况下 ,与稳态卡尔曼滤波算法相比较 ,非线性滤波算法具有更快的收敛速度     

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。     

一种适用于空间监视跟踪的递推滤波算法

针对空间监视跟踪环境中对于包含角变量的状态向量估计存在精度较低的缺点,利用Gauss von Mises（GVM）多变量概率密度分布,提出一种基于矩匹配的GVM参数估计方法,并在此基础上改进GVM分布的确定性采样方法,建立针对GVM分布的递推滤波算法,该算法充分考虑了流形的内蕴结构,克服了传统滤波方法假设状态向量定义于欧氏空间及采用欧氏空间中高斯分布模型的局限性。仿真结果表明,该滤波算法能有效估计状态变量的后验概率分布,对角变量的估计精度明显优于扩展卡尔曼滤波方法(EKF)。     

对空间碎片的相对位姿估计

针对几何、质量特性参数均未知的空间碎片,提出一种基于扩展卡尔曼滤波（EKF）的相对位姿估计算法。该算法以单目相机获得的目标图像特征视线信息作为测量输入,以目标姿态、姿态角速度、惯量比、相对位置、相对速度和特征位置作为滤波状态。对算法进行可观性分析,给出两个可以保证算法可观性的条件。分别针对不同条件进行数值仿真,仿真结果表明新算法能够对几何和质量参数未知的空间碎片进行有效的相对位姿 估计。     

Laser radar based relative navigation using improved adaptive Huber filter

An improved adaptive Huber filter algorithm is proposed to model error and measurement noise uncertainty in this work. The adaptive algorithm for model error is obtained by using an upper bound for the state prediction covariance matrix with augment of chi-square statistical hypothesis test in case of filter deteriorated by wrong residual information. The measurement noise is estimated at each filter step by minimizing a criterion function which was original from Huber filter. A recursive algorithm is provided for solving the criterion function. The proposed adaptive filter algorithm was successfully implemented in radar navigation system for spacecraft formation flying in high earth orbits with real orbit perturbations and non-Gaussian random measurement error. Simulation results indicated that the proposed adaptive filter performed better in robustness and accuracy compared with previous adaptive algorithms.     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。     

自适应频率插值（AFS）技术在滤波器EM设计中的应用

文章采用了基于Neville算法的自适应频率插值（AFS）技术,减少了计算滤波器S参数特性的时间。Neville算法是一个迭代的算法,在迭代的过程中得出插值多项式,因此不需要矩阵求逆,防止了矩阵病态产生的误差,增强了数值的稳定性。分析结果显示,AFS不仅节省了计算时间,也有较高的插值精度。     

一种改进RLS算法及其在SINS快速对准中的应用

在传统递推最小二乘算法(RLS)中,人为设置的递推初始值将导致状态估计的有偏性,也就丧失了最优性,当量测数据次数较小时尤为严重。摒弃了传统RLS算法"新估计值=旧估计值+修正值"的递推结构,提出了借助中间量进行递推,再由中间量直接作状态估计的改进算法。改进RLS算法状态估计结果与批处理LS算法完全一致,且无需初始状态的任何信息。将改进RLS算法应用于捷联惯导系统(SINS)初始对准。对于一定的初始对准精度要求,理论上改进RLS算法所需的初始对准时间是最短的。最后,SINS初始对准数值仿真结果验证了所提算法的正确性。     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。