基于FPGA的天线控制系统设计

介绍一种基于 FPGA(Field Program mable Gate Array)的共轴式双旋翼无人驾驶直升机遥测遥控数字引导的天线控制系统的设计方案 ,讨论其总线控制、步进电机控制、输入信号处理模块的设计思路及关键技术。该系统经过设计、布线、仿真测试 ,并应用于某型号无人驾驶直升机     

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。     

一种提高GNSS测速精度的自适应Kalman滤波算法

在卫星导航系统动态定位中,采用基于瞬时多普勒观测量的最小二乘法确定速度,当载体高机动时,多普勒误差迅速增大,从而导致测速精度大幅度降低。针对该问题,提出一种同时实现动态模型自适应修正和观测模型自适应更新的Kalman滤波算法。算法采用滑动窗方式来建立实时更新的动态模型参数,使当前统计模型自适应地跟踪载体的动态特性。此外,算法提出观测模型的自适应更新方法,通过设置载体状态判决门限,高、中机动时仅进行受动态应力影响小的伪距更新,低机动下添加精度较高的伪距率更新。通过Sprient GSS8000模拟器产生的动态场景验证表明,相对于最小二乘法和常规Kalman滤波算法,提出的自适应Kalman滤波算法能够全面提高载体在多种运动状态下的测速精度。     

基于推力加速度模板的主动段弹道跟踪方法

对弹道导弹的主动段跟踪是导弹防御中重要的环节。针对此问题提出了一种基于推力加速度模板的主动段跟踪算法，该算法需要主动段推力加速度信息支持。给出了一种简捷的推力加速度模板构建方法。利用近常速运动模型描述了导弹运动特性，解决了对导弹发射时间的估计问题和模板概率的递推计算问题，并将该方法应用到空间预警系统中，通过仿真验证了该方法具有较好的识别效果，位置和速度估计误差都接近于CRLB限。     

一种基于Kalman滤波的跟踪控制方法

为了降低无线电测控系统跟踪过程中随机误差分量的影响,提高伺服分系统跟踪精度,提出一种基于Kalman滤波的跟踪控制方法,将Kalman滤波器估计得到的目标角位置与天线实时角位置之间的角误差作为伺服分系统位置环路输入,驱动天线跟踪目标。对基于当前模型的Kalman滤波算法进行改进,利用UD因式分解和野值剔除算法防止Kalman滤波过程的不稳定。仿真和实测结果表明,改进的Kalman滤波算法具有很好的数值稳定性,基于Kalman滤波的跟踪控制方法具有较高的静态跟踪精度。     

一种改进的无迹Kalman滤波在SINS/GPS组合导航中的应用

传统的无迹Kalman滤波根据估计量测方程和量测量的协方差矩阵来确定最佳增益,但在导航过程中会因为外界因素的干扰,无法得到准确的量测信息算法,使增益有所偏差,导致最后的滤波精度降低。基于此,提出了一种改进的无迹Kalman滤波。首先根据新息,判断是否有异常的观测量,并通过引入抗差因子进行修正。通过仿真实验,比较扩展Kalman滤波、无迹Kalman滤波和改进的无迹Kalman滤波的误差特性,证明提出算法的有效性。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

基于方位信息的组网雷达跟踪滤波研究

干扰对组网雷达目标跟踪系统模型的影响,决定了系统需要用非线性滤波技术进行纯方位跟踪.粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样.仿真实验表明了这两种改进粒子滤波方法的有效性.     

基于变差的遥测天线跟踪稳定度研究*

对遥测系统伺服跟踪数据进行处理,分析对比几种跟踪方式,指出几种跟踪方式中可能存在的问题,并提出相应的改进措施。同时,通过曲线变差、方差的属性分析,研究自主跟踪时天线俯仰、方位的稳定度与跳变程度,并与理论弹道、数字引导方式的曲线稳定度进行分析和对比,得出变差越大稳定度越差,方差越大异常跳变越明显的结论。     

基于粒子滤波的被动多基站跟踪算法

针对被动多基站跟踪的实际应用，提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置，并用第三个基站的观测数据对目标位置进行检验，消除了错误融合位置；然后，推导了被动多基站粒子滤波模型，并根据被动多基站跟踪的特点，提出了顺序重抽样方法，有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响；最后，给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法（如PMHT、IMM-PDA）。     

基于卡尔曼滤波的时分星间信号跟踪技术研究

在星间链路领域的测量过程中,时分双工体制星间测量逐渐成为新兴技术,而时分信号的跟踪精度决定了接收机测量误差。传统的接收机载波跟踪环路可以保证对连续信号的稳定跟踪,但受相位抖动的影响较大,且对于时分双工体制间断信号,会出现开环阶段跟踪结果发散的问题。针对以上问题,提出了一种基于自适应卡尔曼滤波的时分信号跟踪技术,采用卡尔曼滤波器对鉴相结果进行处理,在开环阶段根据前一时刻的最终状态对频率进行稳定外推。相比于传统跟踪环路,该技术的载波相位跟踪误差绝对值均值降低了92.9%,标准差降低了93.5%。实验结果表明,该技术不仅实现了开环阶段载波相位的稳定跟踪,且有效抑制了闭环阶段相位抖动的影响,对实现时分双工体制星间精密测量具有重要应用意义。     

基于卡尔曼滤波器残差的矢量跟踪完好性研究

针对接收机跟踪卫星导航信号时可能发生的各类故障,利用卡尔曼滤波器的残差观测量进行滤波,通常可以在不借助冗余观测量的情况下快速检测和隔离故障。建立软件接收机平台,利用卡尔曼滤波器进行导航信号的矢量跟踪,在跟踪环中模拟故障的发生并依靠残差序列滤波的方法检测并排除错误观测量。实验表明,在算法模拟的短时较大幅度干扰下,完好性监测方法可以快速检测并排除错误观测量对环路跟踪的影响,且无需冗余观测量。     

两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用

针对两传感器信息融合，提出了一种在标量加权下的最优信息融合Kalman滤波器。该信息融合滤波器考虑了局部滤波误差的相关性，避免了局部滤波误差方差阵的逆短阵的计算，也避免了加权短阵的计算，只要求计算加权系数，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。     

用卡尔曼滤波实现单轴跟踪系统的前馈复合控制

在跟踪系统中 ,利用目标单轴向运动加速度的非零均值相关模型可以构造目标的运动学方程 ,用接收机角误差信号和天线座测角传感器信号重构目标位置量测的方法 ,可以组成目标运动的量测方程 ,从而构造关于目标位置、速度、加速度的状态估计器。利用目标机动加速度的当前统计模型 ,则实现了该估计器加速度的均值和方差的自适应滤波估计运算。针对状态方程为上三角阵的特点 ,采用一次一个量测的处理方法 ,对误差协方差阵的传播和更新实现全上三角矩阵因子分解 ,保证了估计器实时运算的数字稳定性。上述技术的综合应用 ,用卡尔曼估计器实现了单轴角跟踪系统的前馈复合控制     

基于无人机的天线测量系统研究

在天线测量领域,为了评估天线在实际工作环境中的性能,现场天线测量技术受到越来越多的关注,借助无人机对天线性能指标进行现场测试评估的技术在近年来取得了显著进展。当前无人机天线测量系统可以分为两种：一种是在满足远场条件下直接测量天线方向图、增益等指标,一种是在近场测量后进行数据变换获得远场天线指标。本文总结了基于无人机的天线测量系统研究现状,提出一种外场无人机测量方案,通过S波段标准增益喇叭天线辐射方向图外场测试实验,验证了系统的可行性,进一步对测量误差进行了分析。     

A residual based adaptive unscented Kalman filter for fault recovery in attitude determination system of microsatellites

This paper presents an adaptive unscented Kalman filter (AUKF) to recover the satellite attitude in a fault detection and diagnosis (FDD) subsystem of microsatellites. The FDD subsystem includes a filter and an estimator with residual generators, hypothesis tests for fault detections and a reference logic table for fault isolations and fault recovery. The recovery process is based on the monitoring of mean and variance values of each attitude sensor behaviors from residual vectors. In the case of normal work, the residual vectors should be in the form of Gaussian white noise with zero mean and fixed variance. When the hypothesis tests for the residual vectors detect something unusual by comparing the mean and variance values with dynamic thresholds, the AUKF with real-time updated measurement noise covariance matrix will be used to recover the sensor faults. The scheme developed in this paper resolves the problem of the heavy and complex calculations during residual generations and therefore the delay in the isolation process is reduced. The numerical simulations for TSUBAME, a demonstration microsatellite of Tokyo Institute of Technology, are conducted and analyzed to demonstrate the working of the AUKF and FDD subsystem.     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

基于LQR的弹道跟踪制导律设计

针对防空导弹弹道跟踪问题,基于线性二次型调节器（ LQR）理论设计了2种弹道跟踪制导律。首先,以时间为自变量,对导弹质点运动模型线性化,得到第一种线性化模型;接着,为提高模型精度和允许扰动范围,以导弹X坐标为自变量对导弹质点运动模型线性化,得到第二种线性化模型;然后,针对2种线性化模型,利用LQR理论分别设计跟踪制导律,并给出制导指令计算公式和制导流程;最后,在一定外界干扰作用下,将所设计2种跟踪制导律应用于导弹质点运动仿真,并从抑制随机风干扰、消除初始偏差等方面对2种制导律进行比较。结果表明,2种制导律都能实现弹道精确跟踪,且基于第2种线性化模型设计的跟踪制导律各项性能均优于第1种跟踪制导律,说明基于导弹X坐标线性化的模型精确度较高,适用于弹道跟踪制导律的设计。     

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。