车辆组合导航定位系统中测量元件的参数修正

阐述了GPS(Global Positioning System)/DRS(Dead Reckoning System)/MM(Map Matching)车辆组合导航定位系统组成和车辆定位算法,提出了利用Kalman滤波和非Kalman滤波算法修正测量元件参数,解决了测量元件参数的漂移问题.仿真实验表明该方法具有较好的修正效果.      

基于UPF的修正罗德里格参数卫星姿态估计

粒子滤波(PF)在卫星姿态估计中解决了非高斯分布的情况,在粒子滤波的基础上,利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,提出将采样粒子滤波(UPF)算法应用到基于MRPs的卫星姿态估计中,该方法通过UKF得到粒子滤波的重要性采样函数,更充分地利用了最新的量测信息。仿真结果表明,这种基于UPF的姿态估计方法能够获得比UKF和标准PF更高的滤波精度,并且具有更好的滤波稳定性。     

自旋稳定卫星姿态参数的容错Kalman滤波

Kalman滤波是一组用递推关系给出的动态 测量系统状态向量的最优线性无偏滤波 ,它在航天测控领域中有广泛应用。以自旋稳定型卫星姿态确定为研究对象 ,探讨Kalman滤波算法的实现途径 ,并对Kalman滤波算法本身进行适当改进 ,建立一组对测量数据野值点具有容错能力的修正型滤波算法 ;此外 ,还对滤波初值选取和测量数据误差协方差阵的估计等技术给出了有价值的建议     

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波（SRCKF）性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波（AKF）算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明：与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。     

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。     

GPS锁定晶体振荡器的数据处理方法研究

针对GPS锁定晶振频率标准,提出了一种滑动平均值法滤波方法,通过这种算法建立新的取样值与历史取样值相关性,适当选取取样点数形成滑动滤波窗口,改变滑动滤波窗口大小,能有效克服GPS接收机输出的1×10^-6的波动影响,可以在很短的时间间隔内解算出被控晶振与GPS的偏差值。应用于控制算法,不断修正压控晶振的频率,使晶体振荡器锁定在GPS频率标准上。     

基于非抽取小波包变换的信号滤波算法

对航天测控信号进行滤波处理,有利于改善信号品质,提高系统的测量性能。针对航天测控信号中的差分单程测距(DifferentialOne-wayRanging, DOR)信标信号等侧音信号,提出了基于非抽取小波包变换（Un-decimatedWaveletPacketTransform,UWPT）的滤波改进算法。该算法以功率平坦度为准则,判断某一节点是否需要继续分解。改进算法克服了以能量聚焦度为准则时算法误判停止分解或多重分解算法复杂、计算量大等的缺点,同时解决了阈值不易确定的问题。仿真结果表明改进算法在降低算法复杂度的同时,滤波性能相对有所提高。最后采用改进算法对仿真信号和在轨卫星数据进行处理,结果表明滤波后仿真信号差分相位估计精度提高约3倍、实测数据差分相位估计精度提高0.72倍。     

交互式多模型粒子滤波优化重采样算法

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。     

自适应混合信息滤波算法及其在 相对导航中的应用

为解决相对导航模型中线性、非线性并存,及多传感器信息融合时基于Kalman滤波的导航算法计算复杂度较大的问题,提出一种混合信息滤波算法;考虑测量噪声统计特性不准确等工程因素,提出一种自适应混合信息滤波相对导航算法.理论分析及仿真验证表明,与基于Kalman滤波的传统导航算法相比,给出的混合信息滤波算法具有多传感器数据融合时计算复杂度低、便于工程实现的优点,且可以完成线性、非线性并存时的导航滤波任务;除上述特点外,在传感器测量噪声统计特性不准确的情况下,给出的自适应混合信息滤波相对导航算法可以通过自适应调整量测协方差阵的方式,使导航系统仍保持较高的精度.     

L-D分解求逆法在联邦卡尔曼滤波中的应用

求逆是联邦卡尔曼滤波算法中数据融合的关键步骤.它的计算精度的高低和运算速度的快慢将直接影响到整个滤波算法的成功与否.经过数字仿真,把矩阵分析中的L-D分解算法运用到联邦卡尔曼滤波中的矩阵求逆当中能得到良好的效果,不但运算速度和精度有提高,整个滤波算法的容错性也有明显改善.      

FIR数字滤波器的优化设计

针对常系数FIR数字滤波器,采用CSD编码和简化加法器图技术来减少FIR实现过程中乘累运算的加减次数,从而降低了其对硬件资源的消耗;在结构上采用分布式算法和流水线技术进行优化,显著的提高了FIR数字滤波器的工作速度。通过实例对每一种改进方法进行了对比验证,说明达到了节省芯片资源或提高实现频率的目的。     

包络均值滤波算法实时检测微弱信号

在强噪声环境下提取微弱信号一直是信号处理方法研究的难点,提出一种基于包络均值滤波(EMF,Envelope Mean Filter)的微弱信号提取算法,可以实时恢复出深埋在均匀分布噪声中的微弱缓变非周期信号的波形.EMF算法通过对混有均匀分布噪声的信号进行过采样,对信号的包络线进行实时分析,并用上、下包络的均值作为真实信号的估计值.为了使输出信号平滑、无跳变,采用实时滑模平均滤波器对估计值进行滤波,最终恢复出的原始信号.通过仿真研究对包络的分析算法、最优衰减系数的选取、过采样系数、平滑序列长度和不同信噪比的微弱信号对还原精度的影响进行了研究.EMF算法简单,可使信噪比提高60 dB以上.已经成功用于IEEE 1588精密时钟同步的时钟伺服算法中.     

基于多假设跟踪的散射点关联和三维重构方法

针对雷达目标在未知视角下一维散射中心关联存在的问题,提出了一种基于散射强度信息辅助的多假设跟踪(MHT)散射点关联方法,采用散射点幅度信息辅助实现对目标散射点的有效关联,对关联后的数据采用序贯因式分解的方法实现了目标的三维重构。仿真实验表明,该方法简单、成像效果稳定,通过对关联过程中的假设更新和管理可有效剔除目标运动过程中产生的虚假散射点,适用于目标在多个姿态下多个散射点的关联和三维重构,具有较高的鲁棒性。      

惯导系统初始对准的次优滤波算法

分析了惯导系统(INS)初始对准的动态误差向量方程及其动态误差向量的可观性问题,并研究了按动态误差向量的可观度划分观测子空间.在惯导系统初始对准问题中通过使用变量可观度的概念构造次优卡尔曼估计算法.并用C语言编程实现了初始对准的最优及次优卡尔曼滤波算法.从仿真结果可见次优卡尔曼滤波算法可用于INS初始对准的实用计算中.     

一种新型多速率遥感卫星通用解调器

提出并实现了一种新型的遥感卫星通用解调器,采用了一种新型滤波器和可编程比特同步顺,使解调器大大简化,该解调器已进行试运行,接收效果良好。     

一种无奇异的求解Lambert变轨的普适变量法

传统的普适变量法求解Lambert转移轨道的变轨点速度时,在两位置矢量夹角为180°处出现奇异,且用牛顿迭代法求解普适变量会丢失部分重要的解.通过公式变换消除奇异项而推导出一种无奇异的速度求解公式;且根据转移轨道的圈数对普适变量的取值范围进行分段,在每个区间用人工免疫算法AIA(Artificial Immune Algorithm)搜索普适变量正确解,解出所有Lambert转移轨道并从中选择最优转移轨道.仿真算例表明:这种改进的普适变量法能有效避免传统普适变量法的奇异性,而且能求得所有的Lambert转移轨道并得到燃料消耗最优的转移轨道.     

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

一种非线性不确定系统的鲁棒H∞滤波方法研究

考虑EKF滤波方法的线性化过程对估计误差的影响,提出一种非线性不确定系统的鲁棒H∞滤波方法．基于H∞理论,该算法将滤波模型和观测模型在线性化过程中所产生的误差作为系统的不确定部分,力求此误差对导航精度的影响最小,并且利用李亚普诺夫方法证明了该滤波算法的稳定性．利用所提算法对月球环绕段自主导航系统进行滤波估计,仿真结果证实了算法的有效性．