鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

多元正态分布整体推断方法

提出多元正态分布整体推断方法。通过仿真结果与试验数据有机结合,该方法能够将多个不同状态下的多变量(多指标)的试验数据作为一个整体进行统计分析,给出多元正态分布均值和协方差矩阵的整体估计。文中详细讨论了多个状态下二元正态分布均值和方差的无偏估计和置信区间估计。与传统方法相比,该方法不但具有更高的精度,而且解决了一种状态下只有一个试验数据时多变量(多指标)产品可靠性评定的难题。此外,文中还给出一种均值和方差仿真结果的极小子样检验方法。      

基于Allan方差的激光陀螺噪声估计方法研究

激光陀螺的噪声影响其使用精度,为提高精度需要对噪声进行估计。研究几种基于Allan方差的激光陀螺噪声估计方法。首先,介绍了Allan方差的基本定义,以及运用Allan方差理论估计陀螺仪随机噪声系数的基本原理。详细叙述了三种典型噪声系数估计方法,即最小二乘法、分段估计法与规范化最小平方回归算法,指出各方法原理上的优缺点。最后通过对多组环形激光陀螺实测信号的定量分析,详细比较了三种噪声系数估计方法。结果表明,规范化最小平方回归算法计算简便,耗时短,拟合曲线平滑,拟合精度高,且具有较好的重复性,与其它两种估计方法相比,是一种更有效、科学,更适用于环形激光陀螺随机噪声特性分析的系数估计方法。     

基于约束最小冗余线阵与干扰对消的测向方法

针对有源干扰背景下信号源和干扰源的个数超过线阵的自由度而产生线阵饱和现象,提出一种将约束最小冗余线阵与干扰对消技术相结合的测向方法。通过将无源状态和有源状态下线阵输出数据的协方差矩阵进行对消运算去除有源干扰和噪声分量,并对约束最小冗余线阵的波达方向(DOA)估计算法进行改进,构造了新的协方差Toeplitz矩阵,有效抑制了由阵列非均匀性导致的伪峰,提高了阵列的DOA估计性能。仿真结果表明:该算法在低信噪比背景下具有抗有源干扰能力,扩展了阵列孔径,并具有较高的测向精度和鲁棒性。     

区间数据回归分析方法

提出区间数据回归分析方法, 建立区间数据回归方程, 给出回归系数的最佳无偏整体估计及其协方差矩阵.详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析.该方法可以将各个不同状态下的区间数据作为一个整体进行统计分析, 具有信息量大、精度高的特点.      

噪声协方差估计新算法在惯性导航系统中的仿真研究

研究一种在动态系统常值误差未知的情况下对线性时变随机系统误差协方差进行估计的新方法。该方法通过构造一个新的时间序列,其协方差由未知参数的线性组合组成,然后用递推最小二乘法来计算新序列的协方差,该方法不需要任何关于噪声的先验知识。从仿真结果来看达到了较好的效果。     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

不完全数据回归分析方法

基于不完全数据顺序统计量,提出一种不完全数据回归分析方法。建立不完全数据回归方程,给出回归系数的最佳无偏整体估计及其协方差矩阵。文中详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析。该方法可以将各个不同状态下的不完全数据作为一个整体进行统计分析,具有信息量大、精度高的特点。      

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

航空发动机气路故障诊断的平方根UKF方法研究

设计了适用于双轴涡扇发动机健康参数估计的平方根UKF滤波算法,解决了线性卡尔曼滤波器估计结果准确性依赖于线性模型精度;常规UKF算法中由于计算误差及噪声信号影响引起误差协方差矩阵负定而导致滤波结果发散等问题.提出了根据测量残差变化改进滤波收敛速度与稳定性的方法.发动机渐变与突变故障模式下仿真结果表明,平方根UKF估计算法收敛速度快,稳定性强,精度高,是一种有效的发动机气路部件健康参数估计与故障诊断方法.      

卡尔曼滤波中模型噪声方差阵的自适应最大似然递推估计

本文运用最大似然(ML)估计方法给出滤波模型中噪声方差阵的递推自适应估计。仿真结果表明,本文所提供的方法改进了滤波性能,防止了滤波的发散。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。     

攻击活动目标的一种最优弹道估计

 为分析活动目标的随机飞行状态和减小导弹的脱靶量,提出了数学模拟打靶的一种新方法。其中包括卡尔曼滤波理论结合最大似然法的应用,以及建立相对运动的离散化模型和灵敏度矩阵。为改善飞行状态的估计精度,论述了确立飞行弹道修正协方差矩阵的概念。除此之外,还讨论了导引敏感器静态误差影响脱靶量的估计问题。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

基于迭代QR分解的DOA估计技术

提出了一种基于迭代QR分解的信源到达角(DOA)估计技术.DOA估计的子空间方法主要是通过估计信号协方差矩阵的信号子空间或者噪声子空间来求出信号的DOA参数.估计这些子空间通常需要大量的计算,采用ASIC实现时其成本会非常昂贵.本文采用迭代QR分解方法进行子空间分解,可以利用较少量的计算资源完成处理任务.仿真实验结果达到0.23毫弧度,说明该算法比较可靠有效.