基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

飞行器目标跟踪中的改进自适应滤波算法

针对经典“当前”统计模型预设目标参数无法随运动状态进行实时调整的问题,提出一种基于卡尔曼滤波的改进自适应滤波算法(MAF),通过对机动频率及加速度方差的计算,实现目标运动参数的自适应调整,提高跟踪精度。仿真结果表明,该种新型自适应滤波算法相比固定参数的“当前”统计模型滤波算法具有更高的跟踪精度、更强的稳定性,在高信噪比环境下的位置跟踪精度提高20%,低信噪比环境下的位置跟踪精度提高2倍,具有一定工程实用价值。     

自适应推广KALMAN滤波应用于导弹的被动制导问题

本文介绍一种非线性系统的自适应推广Ｋａｌｍａｎ滤波算法。结合导弹的被动制导问题，我们提出了一种针对非线性观测模型和线性动态模型的自适应推广Ｋａｌｍａｎ滤波器。仿真结果表明，自适应推广Ｋａｌｍａｎ滤波器的性能优于原有的推广Ｋａｌｍａｎ滤波器。     

一种基于星载GNSS接收机的高轨卫星自主导航滤波算法

星载GNSS接收机在低轨卫星自主导航和精密定轨等应用领域已经显示了高精度、高自主性、不依赖地面支持等技术优势。对于高轨卫星应用,星载GNSS接收机面临一些新的挑战。由于需要接收来自地球另外一侧的GNSS旁瓣信号,使得用户等效测距误差和几何分布因子恶化,引起标准定位性能下降。特别的,对于只能使用GNSS广播星历的实时自主导航应用,GNSS广播星历引入了非白噪声特性的用户测距误差。其难以被经典的EKF滤波方法平滑,限制了自主导航定位精度。文章研究一种基于星载GNSS接收机的高轨卫星自主导航滤波算法,该算法使用增强扩展卡尔曼滤波器（Augmented EKF）融合轨道动力学模型与GNSS观测数据,并对GNSS广播星历引入的系统性误差进行动态估计以削弱其对最终导航定位的影响。最后,通过仿真平台进行了算法验证。仿真结果显示,使用单GPS可在GEO轨道达到优于10米（3D RMS）的导航定位精度。文章提出的方法达到与国际先进产品同等精度,可用于高轨卫星高精度自主导航。     

一种临近空间高超声速目标跟踪算法

通过参考美国X-43A高超声速飞行器第二次试验飞行弹道,建立了临近空间高超声速目标的运动模型。针对目标跟踪中状态方程和量测方程存在的非线性问题,提出了一种基于不敏卡尔曼滤波的改进"当前"统计模型自适应滤波算法(ADE-UKF),并将此算法与基于"当前"统计模型的不敏卡尔曼滤波算法(CS-UKF)比较,仿真结果表明,该算法在跟踪临近空间高超声速目标时,具有良好的跟踪性能。     

一种基于偏振度估计的自适应导航方法

针对光电式偏振光敏感器测量模型中解算偏振度误差较大的问题,考察了最大偏振度所具有的物理特性,借鉴加速度"当前"统计模型的思想,提出一种最大偏振度估计模型,应用于导航方法中.仿真表明该方法能够实现对于速度和最大偏振度的跟踪,在最大偏振度发生变化时有良好的跟踪效果.     

Kalman滤波的铷原子钟控制算法

以GPS接收机输出的1pps信号为参考信号,采用Kalman滤波算法对铷原子钟的参数进行估计,计算铷原子钟的频率调整量,对铷原子钟进行调整,使其和UTC时间保持同步。实验结果表明,受驯铷原子钟输出1pps与UTC（NTSC）钟差的标准差优于3.5 ns,钟差峰峰值优于15 ns,100 s采样的Allan方差为1.83×10 -12 ,10000 s采样的Allan方差为6.1×10 -13 。实验证明了基于Kalman滤波的铷原子钟控制算法,使铷钟获得了较好的准确性和长期稳定性,且对其短期稳定性影响最小,是一种可靠稳定的铷钟控制方法。     

自适应数字波束形成的格式滤波算法

从矢量空间分析的角度，分析了格式滤波算法在自适应波束形成中的应用，以空间正交化原理为基础，得到了一种新的递推型格式滤波算法，使格式滤波器的阶次降为原来的一半，从而较少地减少了算法的运算量以及简化了硬件结构。     

一种短序自适应滤波算法

讨论一种用于导弹系统飞行遥测数据与系统实时仿真数据处理的短序自适应滤波算法。它的主要环节是对短序数据作周期性扩展,以产生适合于自适应滤波的基本输入和参考输入。用该算法对飞行遥测数据和半实物仿真数据作自适应信号处理的结果表明,该方法能有效地滤除导弹系统飞行试验和仿真短序信号中的混叠噪声和干扰。     

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     

模糊自适应卡尔曼滤波技术研究

提出了一种基于模糊自适应卡尔曼滤波技术的组合导航的新方法。这一方法主要应用于自主式机动飞行器。用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在线”修正,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。通过对ＧＰＳ/ＩＮＳ组合导航系统的仿真,验证了模糊自适应卡尔曼滤波器比常规卡尔曼滤波器具有更高的精度。该方法的研究对飞行器的导航与制导具有重要意义。     

自适应广义卡尔曼滤波器在反辐射导弹中的应用

抗目标辐射源关机的能力是反辐射导弹的关键战术技术性能之一，采用增广状态的广义卡尔曼滤波（EKF）与Sage－Husa自适应滤波相结合的方法，解决了在被动雷达导引头测量存在常值偏差和随机噪声，且随机噪声方差未知情况下所测角度的滤波问题，从而在目标辐射源关机时刻较精确地建立起目标视线在惯导坐标系中的方位坐标（简称惯性基准），进而利用速度追踪法导引导弹攻击目标。给出了以某型导弹为背景的全空间弹道数学仿真结果。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

SINS/TACAN组合导航卡尔曼滤波算法

随着对飞行器飞行精度和可靠性要求的提高,单一系统已无法满足系统要求,而采用先进的算法,利用信息融合技术将导航系统进行组合,取长补短,提高系统的综合性能成为主流,并得到迅猛发展。导航系统也呈现多信息化、智能化、集成化的发展趋势。本文根据捷联惯导系统(SINS)和塔康系统(TACAN)不同的导航特性,在卡尔曼滤波的基础上,将二者组合起来,编写SINS/TACAN组合导航的滤波算法,并对该组合导航系统进行仿真,仿真结果表明:卡尔曼滤波下的SINS/TACAN组合导航系统,有很高的可行性。     

基于模糊自适应卡尔曼滤波的INS/GPS 组合导航系统算法研究

针对车载组合导航系统量测噪声统计特性随实际工作条件的不同而变化的特点,提出了一种基于模糊自适应卡尔曼滤波的车载INS/GPS组合导航算法。该方法通过监视理论残差与实际残差的比值是否在一附近,应用模糊推理系统不断的调整量测噪声协方差阵的加权,对卡尔曼滤波的量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高导航系统的精度。对车载组合导航系统的仿真结果表明,这种算法对时变的量测噪声具有较强的自适应性,进而精度比常规卡尔曼滤波也大为提高,是一种可行的车载组合导航算法。     

基于全局估计的联邦卡尔曼滤波信息同步方法

组合导航系统一般采用联邦卡尔曼滤波作为基本的状态估计方法。由于各导航子系统的观测周期一般不相同 ,因而存在导航系统的观测时刻与滤波器的滤波时刻不一致的问题。本文提出了一种应用全局估计量与不同步观测量共同进行时间更新 ,以获取同步观测信息的方法 ,并应用仿真运算证明了该方法的有效性     

区间卡尔曼滤波算法在高动态导航的研究

针对卡尔曼滤波算法中动力学系统模型以及噪声模型不能精确已知,导致卡尔曼滤波算法在实际中不能实现最优估计。首先分析了传统卡尔曼滤波算法中各种误差源的影响,以及区间矩阵运算的影响,经分析得到,区间运算可以保证集合映射的完全性,但不能体现最优化。通过分析,本文提出了一种新型的区间卡尔曼滤波,将各种误差源归约到先验估计值区间和后验估计值区间中,然后将区间交集运算应用于卡尔曼滤波算法。这种新算法运算量与传统卡尔曼滤波算法相当。通过仿真实验证实,该算法在含时变噪声的高动态导航定位中比传统卡尔曼滤波效果提高2dB。     

基于修正模型的自适应跟踪算法

提出一种基于修正模型的自适应跟踪算法（CSM-AKF）。通过状态扩维和机动检测实现模型参数的自适应调整,克服＂当前＂统计（CS）模型中参数预设的负面影响,提高了系统的跟踪精度以及目标在做强机动时的快速响应能力。仿真结果验证了算法的有效性。     

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