共查询到10条相似文献,搜索用时 437 毫秒
1.
2.
基于最优融合估计理论,给出并证明了多敏感器组合姿态确定系统状态最优融合估计形式。设计了基于信息分配的多信息融合联合滤波器结构和算法,分析估计性能,讨论了决定联合滤波器融合的性能信息分配因子选择方法,提出了一种基于协方差阵特征值平方分解的动态自适应信息分配因子确定方法。以某卫星多姿态敏感器组合测量为例,推导了卫星姿态确定的误差状态方程和各子系统的量测方程及观测阵。仿真结果表明:采用联合滤波器对多敏感器卫星姿态确定系统进行信息融合能改善定姿精度,有效抑制滤波发散,并提高整个系统的运算与收敛速度。 相似文献
3.
天波超视距雷达(OTHR)是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。本文借鉴多传感器数据融合的思想,提出了一种新的超视距雷达跟踪算法,将多路径信息看作是多传感器提供的量测信息,利用模糊最小方差估计的方法对多路径信息进行同步融合。仿真结果表明,当在杂波环境中,跟踪一个存在四种可能非线性量测的非机动目标时,本文提出的基于模糊最小方差估计的多模式融合跟踪算法(FLCE-MFT)与多径概率数据互联算法(MPDA)相比,在距离维的精度具有很大改善,且耗时大大缩短,具有更好的跟踪性能。 相似文献
4.
天波超视距雷达通过电离层反射实现超视距广域监视,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个模式的量测。本文提出了一种基于模糊拍卖的多模式融合跟踪算法,将多路径信息看作是多传感器提供的同步量测信息,利用模糊拍卖算法对确认量测和传播模式进行分配,再利用多传感器数据融合的方法对多模式信息进行同步数据融合。仿真结果表明,在杂波环境中,跟踪一个存在4种可能非线性量测的匀速运动目标时,本文提出的基于模糊拍卖的多模式融合跟踪算法与多径概率数据互联算法相比,在距离维、距离变化率维和方位维的精度具有很大改善,且耗时大大缩短,能更好地提供预警信息。 相似文献
5.
6.
高动态环境下北斗二号导航信号具有较高的非线性特性,载波参数估计难以保证较高的精度。在分析高阶非线性载波模型的基础上,提出了一种基于平方根容积卡尔曼滤波(SCKF)的自适应滤波算法,对载波相位及其三阶导数进行估计。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,且在迭代滤波过程中,利用移动窗口法通过最新量测信息来改进过程噪声和量测噪声的协方差阵,可获得较高的估计精度。仿真结果表明,相比EKF和SCKF,本文提出的方法具有更高的估计精度和更快的收敛速度。 相似文献
7.
利用X射线脉冲星和多普勒频移的组合导航 总被引:2,自引:0,他引:2
为了提高航天器自主导航能力,提出了一种利用X射线脉冲星和多普勒频移的组合导航方法。多普勒导航利用相对于太阳的多普勒径向速度作为量测信息,该方法不能得到所有的状态估计。脉冲星导航系统具有完全可观测性,但是滤波周期较长,不能提供连续的导航信息。因这两种方法具有互补性,利用联邦滤波器来融合脉冲星导航与多普勒导航提供的信息。由于两种方法的量测方程与状态方程都是非线性的,采用无迹卡尔曼滤波器(UKF)作为子滤波器。实验结果验证了该导航方法的可行性和精确性。与脉冲星导航方法相比,该组合导航方法可提供更高的位置估计精度。 相似文献
8.
用红外地平仪和太阳角计的量测信息来估计卫星姿态,其量测模型根据使用量测量的多少或组合的不同可有十几种,本文利用文献[1]中给出的冗余量测模型和能观度概念,找到了各种量测模型的精度解析式和奇点分布,并从理论上对它们进行了比较,从而解决了量测模型最优选择问题。 相似文献
9.
传统的联邦滤波器故障检测算法一般是针对线性系统模型提出的,现在非线性条件下对算法进行推广,推导了针对非线性模型的状态χ~2故障检测算法,并对其进行改进,提出一种基于融合状态递推的新型联邦滤波故障检测算法。该算法利用联邦滤波器的全局最优融合状态通过状态递推器获得融合状态递推,再由各子系统通过非线性滤波得到的状态估计与融合状态递推之间的残差构造检验量,进行故障检测。由于全局最优融合状态的精度要高于局部滤波值,故相比于传统联邦故障检测法,该算法的检测灵敏度更高;最后设计了一组仿真实验,验证了该检测算法的有效性。 相似文献
10.
反馈式多目标多传感器系统误差融合估计技术 总被引:2,自引:0,他引:2
本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
相似文献
相似文献