基于数字滤波的低频时码秒脉冲抖动平滑方法研究

低频时码授时信号在接收时,由于环境等因素的影响会导致解调得到的低频时码秒脉冲出现抖动。为减小该抖动现象对低频时码定时精度的影响,基于我国低频时码授时系统(BPC),研究并设计基于数字滤波的秒脉冲抖动平滑方法,通过仿真实验,验证分析了最小均方误差(LMS)自适应滤波算法和卡尔曼滤波算法的有效性和抖动平滑性能。结果表明,低频时码秒脉冲的抖动现象可以通过BPC 1PPS (one pulse per second)和本地1PPS之间的相位差波动情况反映;LMS自适应滤波算法和卡尔曼滤波算法对BPC 1PPS的抖动平滑处理均有明显效果,卡尔曼滤波算法的抖动平滑效果更优,但存在一定的收敛时间,LMS自适应滤波算法的滤波结果响应速度快,但抖动平滑性能受滤波器阶数的影响。所以,在实际应用中,应根据实际需求选择合适的滤波器及相关参数。     

复模态指数函数在正交多项式辨识模态参数算法中的应用

首先介绍了模态指示函数的发展历程和研究现状,重点研究了复模态指示函数(CMIF)的相关理论,并探讨了噪声的存在对复模态指示函数计算结果的影响,之后引入Savitzky-Golay平滑滤波方法对CMIF曲线进行了平滑滤波,最大程度上消除了噪声干扰的影响;然后研究了基于CMIF指示结果的频响函数数据智能抽取算法;最后本文将平滑滤波后的CMIF和基于CMIF的FRF数据智能抽取算法应用在Forsythe正交多项式模态参数辨识算法中,并进行了仿真算例验证,取得了较好的效果。     

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。     

高精度惯性导航系统动态基准设计方法研究

为了有效评估高精度惯性导航系统的动态精度,获取更高精度的动态基准导航参数是关键.提出了一种针对高精度惯性导航系统的动态基准设计方法,对固定区间平滑滤波的算法原理进行了研究,并在不改变外测信息采样周期的前提下,对算法进行了改进,以提高固定区间平滑滤波对导航系统误差估计的平滑度.经仿真数据和实测数据验证,改进后的固定区间平滑滤波算法能有效提高惯性导航系统导航精度,平滑后的导航参数可作为评价高精度惯性导航系统动态精度的基准.     

基于滤波和优化的惯性/里程计组合导航精度对比分析

在广泛使用的惯性/里程计组合导航应用中,一贯的方法是使用Kalman滤波器进行组合导航状态估计,展现出了强大的工程适用性。然而其对于历史状态没有修正,导致整体导航精度受限。而基于优化的方法可以平滑整体组合导航的轨迹,有望提升惯性/里程计组合导航的精度和鲁棒性。将优化方法与滤波方法在惯性/里程计组合导航应用中进行对比,分析在不同条件下优化算法和滤波算法的优劣。试验表明,基于优化的算法在含有稀疏位置观测的条件下能够比滤波算法定位精度更高。但是,无位置观测的条件下,滤波算法更加稳定和精确。可以得到：基于滤波的算法更加简单稳定,更适用于工程实践;基于优化的算法模型更加复杂,在观测约束更多的条件下能够得到更好状态估计结果。     

发动机故障诊断的变记忆约束滤波算法

为提高故障诊断可靠性,给出了3种利用多次测量信息减少测量误差影响的方法,即变记忆约束滤波算法、分段算术平均预平滑算法以及指数顶平滑算法。其中,变记忆约束滤波算法能够有效地避免由于故障方程多重共线性所引起的病态解。证明了多故障诊断问题中滤波算法与分段算术平均算法的等价性,证明了在衰减滤波的条件下（第一变记忆因子小于1）,随测量点数的增加,变记忆滤波算法的第一变记忆因子与指数平滑的平滑系数之和趋近于1。利用计算机仿真方法对于所得结论进行了检验。     

利用差值定理降低飞行器速度和加速度拟合的截断误差

推导了差值定理及其推论,并以此作为数据拟合的有效点判据,显著降低了飞行器速度和加速度拟合的截断误差;探讨了该判据条件下滤波参数对拟合结果的影响及截断误差的判断条件,并采用实测数据对拟合效果进行了检验。     

拟线性最优平滑滤波及其应用

在普通推广卡尔曼滤波（Ｅ．Ｋ．Ｆ．）的基础上，提出了一种更加适用于非线性状态方程和观测方程的改进的滤波算法－－拟线性最优平滑滤波（Ｑ．Ｌ．Ｏ．Ｓ．Ｆ．）算法，在求该滤波算法的状态转移矩阵时，加进了二阶导数项，同时线性化的标称值取为单步平滑值，降低了非线性对滤波的影响，提高了滤波精度。通过对某歼击机的仿真飞行试验数据及实测数据的处理，表明该算法比普通推广卡尔曼滤波具有更好的收敛性、精确性。     

基于二次指数平滑的发动机气路参数偏差值平滑

利用二次指数平滑法进行气路参数偏差值的异常点识别与平滑,首先建立了基于二次指数平滑的异常点识别方法,然后建立发动机参数偏差值平滑的评价指标,最后根据该指标通过粒子群算法对平滑系数和显著性水平进行优化.通过实例应用验证该方法对于发动机气路参数具有很好的平滑效果,满足工程使用的要求.     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

Linear filtering approaches for phase calibration of airborne arrays

Phase calibration of a large fluctuating millimeter-wave airborne antenna array is considered. The technique exploits properties of the correlation of the measured voltages arising from clutter returns at adjacent or nearby element pairs. The proposed calibration algorithm trades smoothing of the observations to reduce random errors with the ability to track the time-varying calibration phase. Algorithm performance is considered for an arbitrary linear filter, which generalizes previous work on analogous pulse-pair problems, and the results are used to choose optimal filter parameters. Numerical results are provided for a field experiment employing a 32-element Ku-band antenna array     

一种基于盲同态解卷积的SAR成像自聚焦算法

针对大气扰动及飞行平台不稳引起机载合成孔径雷达(SAR)图像散焦的问题,提出了一种新的自聚焦算法来估算运动误差。该算法是基于运动误差函数及场景散射函数平滑特性的差异来进行估计的,利用复对数变换将图像的幅度与相位信息分离,进而分别对相位及幅度信息进行处理。运动误差通常为慢变函数,而场景的散射信息具有某种随机特性。因此,经过复对数变换后,运动误差及散射信息可以通过滤波器进行分离,将相位中的随机噪声去除,从而保留了慢变的运动误差函数。为了去除噪声信息,需要建立一个平滑滤波器,利用Daubechies小波的尺度函数构造Riesz基向量,从而建立了正交子空间,通过所建立信号子空间及噪声子空间组建平滑滤波器,最终可以获得准确的运动误差。在实验部分,分别利用仿真数据及实测数据对本文方法进行验证,最终结果分析表明该方法具有很高的估计精度及执行效率。     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

用于非线性跟踪问题的一种新的粒子滤波器

机动目标跟踪系统通常是非线性而且不完全观测的 ,所以问题的关键在于每一时刻的目标机动性都是高度不确定的。提出了一种新的平滑粒子滤波算法 ,该算法在粒子滤波器中加入了对系统模型的概率分布密度的平滑处理 ,从而很好的解决了目标的机动性估计问题。在仿真研究中 ,与辅助粒子滤波器的比较验证了本文算法处理非线性跟踪问题的优越性     

一种基于组合导航系统的新融合滤波算法

本文设计了一种可用于地面用户的低成本组合导航系统，提出了基于该系统的新信息融合方法，即模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

Adaptive robust cubature Kalman filtering for satellite attitude estimation

This paper is concerned with the adaptive robust cubature Kalman filtering problem for the case that the dynamics model error and the measurement model error exist simultaneously in the satellite attitude estimation system. By using Hubel-based robust filtering methodology to correct the measurement covariance formulation of cubature Kalman filter, the proposed filtering algorithm could effectively suppress the measurement model error. To further enhance this effect and reduce the impact of the dynamics model error, two different adaptively robust filtering algorithms, one with the optimal adaptive factor based on the estimated covariance matrix of the predicted residuals and the other with multiple fading factors based on strong tracking algorithm, are developed and applied for the satellite attitude estimation. The quaternion is employed to represent the global attitude parameter, and three-dimensional generalized Rodrigues parameters are introduced to define the local attitude error. A multiplicative quaternion error is derived from the local attitude error to maintain quaternion normalization constraint in the filter. Simulation results indicate that the proposed novel algorithm could exhibit higher accuracy and faster convergence compared with the multiplicative extended Kalman filter, the unscented quaternion estimator, and the adaptive robust unscented Kalman filter.     

Unsupervised Tracking of Maneuvering Vehicles

The design of adaptive filters for the tracking of high-performance maneuvering targets is a fundamental problem in real-time surveillance systems. As is well known, a filter which provides heavy smoothing can not accurately track an evasive maneuver, and conversely. Consequently, one is led to the consideration of adaptive methods of filter design. This paper presents an improved self-adaptive filter algorithm for on-line solution of the above problem. Basically, this algorithm utilizes the orthogonality property of the residual time series to force the filter to automatically track the optimal gain levels in a changing environment.     

A New Optimal Hatch Filter to Minimize the Effects of Ionosphere Gradients for GBAS

At present, the main problem faced by ground-based augment system （GBAS） is that though carder smoothing filter and local differential global positioning system （LDGPS） improve the accuracy of the pseudorange by reducing the noise in it and eliminating almost all the common errors between the user and the reference station, they also cause extra errors on account of the effects of the ionosphere temporal and spatial gradients. Based on the analysis of these errors as well as the smoothing noise, this article suggests a new algorithm to design the optimal Hatch filter, whose smoothing window width varies real-time with the satellite elevation, ionosphere variation, and distance from the user to the reference station. By conducting the positioning process in the GBAS emulation platform for several hours and after its comparison with the performances of traditional Hatch filters, it is found that the errors in the differential correction become smaller and the positioning accuracy gets heightened with this new method.