卡尔曼滤波器在战术导弹导航系统中的应用

研究了一种战术导弹的导航滤波器。在中制导段以地面雷达作为测量单元，应用最优估计理论，设计了被称为导航滤波器的广义卡尔曼滤波器，以便于提供目标的运动状态信息。建立了导航滤波器的数学模型，并进行了公式推导和数字仿真分析。仿真结果表明，该方案能有效地估计大机动目标的运动状态信息。     

SINS空中初始对准滤波器的设计

论述了一种捷联惯导系统（ＳＩＮＳ）空中对准的方法，它通过适当地增加卡尔曼滤波器系统方程中的白噪声来补偿由模型简化而带来的系统噪声，并通过大幅度的机动来克服外界环境的干扰。仿真表明，它不仅能在较短的对准时间内获得高对准精度，而且对系统噪声和环境噪声有很强的鲁棒性。     

估算转弯加速度的卡尔曼滤波器

近年来由于计算机的飞速发展，计算速度越来越快，所以用相控阵天线跟踪目标时采用卡尔曼滤波器已成为现实。对直线飞行的目标，卡尔曼滤波器能得到良好的跟踪精度，但若目标的加速度为高斯噪声，目标转弯时跟踪精度会降低。对处理转弯目标的跟踪精度曾提出两种方案，即估算输入的卡尔曼滤波器和二级卡尔曼滤波器。这些卡尔曼滤波器是在目标的运动模型上使位置和速度矢量与加速度矢量分离，利用预测误差估算加速度的。但由于对预测增减较大的目标的急转弯与目标运动模型不匹配，所以得不到良好的跟踪精度。为此提出了为处理目标的急转弯，不用预测误差而是通过卡尔曼滤波器估算的位置计算出形成飞行轨迹的转弯半径和角速度。还通过计算机仿真与原来的中方式进行比较，证明了其有效性。     

卡尔曼滤波器UD分解滤波算法的改进

简介Kalman滤波的UD协方差分解算法,针对工程应用中出现的由于UD协方差分解算法本身的局限性 而产生UD因子分解失真问题,提出一种简单有效的解决方法。从而有效地克服UD算法本身的局限性而造成的UD因 子分解失真,改善滤波效果。     

应用BP网络校正的卡尔曼滤波器

当目标作机动飞行时,由于未知机动引起的估计误差的影响,卡尔曼滤波器的跟踪性能将会严重下降。提出了一种应用BP神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,BP网络可以辨识非线性机动,修正卡尔曼估计值,改善跟踪效果。同时还研究了BP网络的自适应算法。对两个变加速机动目标的跟踪结果表明,经过BP网络校正的卡尔曼滤波器不会发生误相关,跟踪的精度较高。     

基于卡尔曼滤波器残差的矢量跟踪完好性研究

针对接收机跟踪卫星导航信号时可能发生的各类故障,利用卡尔曼滤波器的残差观测量进行滤波,通常可以在不借助冗余观测量的情况下快速检测和隔离故障。建立软件接收机平台,利用卡尔曼滤波器进行导航信号的矢量跟踪,在跟踪环中模拟故障的发生并依靠残差序列滤波的方法检测并排除错误观测量。实验表明,在算法模拟的短时较大幅度干扰下,完好性监测方法可以快速检测并排除错误观测量对环路跟踪的影响,且无需冗余观测量。     

基于Unscented卡尔曼滤波器的卫星自主天文导航研究

针对星光折射间接敏感地平的卫星自主天文导航方法，建立了带摄动项的状态方程和以星光视高度为观测量的量测方程。由于该状态方程和量测方程都是严重非线性的，利用推广的卡尔曼滤波器进行导航时精度较低。Unscented卡尔曼滤波是一种针对非线性系统的估计新方法。本文提出将Unscented卡尔曼滤波用于自主天文导航。计算机仿真结果显示Unscented卡尔曼滤波的估计精度远优于推广的卡尔曼滤波。     

用于目标加速度估计的双时间尺度自适应跟踪滤波器

在空对空拦截中,寻的阶段是一个关键阶段.该阶段的特点是时间短、寻的路径上的方位角速率低.其所以是关键,因为关于目标机动的任何误判都可能导致很大的脱靶距离.本质上这是由于目标实施躲避机动造成相遇航路误差而跟踪者来不及调整航路所致.因此要设计出能够对目标机动产生快速反应的导引律,目标加速度估计是至关重要的.然而,空对空导弹目标跟踪器的综合还面临一些棘手问题.这些问题包括缺乏可观测性、建模误差以及高采样率引起的计算时间限制.本文给出了一个能解决这些问题的新的跟踪滤波器.该滤波器以跟踪动态中固有的时间尺度分离为基础.结合一种筒单的自适应方法,该滤波器能够跟踪很多类型的目标机动,从计算量角度考虑也是有效的.     

用于寻的导弹制导的计算密度滤波器

提出一种最大似然估计方法,用于求解具有线性动力学和非线性量测函数的问题.这种方法称为“计算密度滤波器”,在此方法中,条件概率密度函数被选为有限个参量的函数.在最频值附近描述条件概率密度函数近似形状的这些参量被延伸到每个量测间隔.在测量时,条件概率密度函数利用贝叶斯理论来修正,由数字计算得到的它的最频值定为状态的最佳估值.为了保存计算函数的形式,后验条件概率密度函数用关于最频值的泰勒级数展开式来近似.目标拦截问题的数字结果表明,计算密度滤波器优于广义卡尔曼滤波器.然而,计算密度滤波器有负的距离偏差.近似方法分析证明,最大似然距离估值小于平均距离估值.     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用

针对两传感器信息融合，提出了一种在标量加权下的最优信息融合Kalman滤波器。该信息融合滤波器考虑了局部滤波误差的相关性，避免了局部滤波误差方差阵的逆短阵的计算，也避免了加权短阵的计算，只要求计算加权系数，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。     

A residual based adaptive unscented Kalman filter for fault recovery in attitude determination system of microsatellites

This paper presents an adaptive unscented Kalman filter (AUKF) to recover the satellite attitude in a fault detection and diagnosis (FDD) subsystem of microsatellites. The FDD subsystem includes a filter and an estimator with residual generators, hypothesis tests for fault detections and a reference logic table for fault isolations and fault recovery. The recovery process is based on the monitoring of mean and variance values of each attitude sensor behaviors from residual vectors. In the case of normal work, the residual vectors should be in the form of Gaussian white noise with zero mean and fixed variance. When the hypothesis tests for the residual vectors detect something unusual by comparing the mean and variance values with dynamic thresholds, the AUKF with real-time updated measurement noise covariance matrix will be used to recover the sensor faults. The scheme developed in this paper resolves the problem of the heavy and complex calculations during residual generations and therefore the delay in the isolation process is reduced. The numerical simulations for TSUBAME, a demonstration microsatellite of Tokyo Institute of Technology, are conducted and analyzed to demonstrate the working of the AUKF and FDD subsystem.     

无味卡尔曼滤波在热平衡试验中的应用研究

在航天器热平衡试验中应用温度外推预报技术可以快速准确的给出航天器的极限热平衡温度，缩短热平衡试验时间，降低航天器的研制成本。介绍了一种新颖的热平衡试验数据外推方法——无味卡尔曼滤波(UKF)，分析了UKF的应用效果，结果表明应用UKF外推能够在较短的时间内更准确的获得航天器的极限热平衡温度。     

基于卡尔曼增益的Duffing系统状态预测算法

传统的Duffing系统检测算法主要基于相图的变化,通常需要大量的循环采样点数来激励系统从混沌态转移到大尺度周期态,极大地限制了Duffing振子的应用。本文提出一种新型的基于卡尔曼增益的预测算法,通过建立Duffing系统状态方程并设定量测方程的控制条件,得到Duffing系统的卡尔曼增益改进形式,根据增益的变化可以实现Duffing系统状态的预判,从而降低了系统的输入采样。谐波信号检测实验表明,相比传统算法,预测方法不仅可以减少至少50%的循环采样点数,而且检测的精度也得到了显著的提高。     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

一种快速精确的惯导系统多位置初始对准方法研究

传播的多位置初始对准方法虽然使惯导系数静基座初始对准的精度得到明显提高，但是用卡尔曼滤波器对其状态变量进行估计时，方位失准角收敛很慢。本文通过对惯导系统误差模型的合理简化，提出了一种快速精确的多位置估计方位失准角的方法，直接利用水平失准角快速收敛的特性估计方位失准角，从而提高了整个惯导系统静基座对准的精度和速度，计算机仿真结果验证了该方法的有效性。     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

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%。