一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用

在被动方式下对目标进行跟踪 ,由于系统的可观性较弱 ,很容易引起状态误差协方差矩阵的过早跳变而导致系统发散。为此 ,本文研究了一种新的卡尔曼滤波算法 -自适应协方差矩阵旋转变换卡尔曼滤波算法 ,并将其应用于水面目标被动跟踪。由于该算法的协方差更新采用状态滤波值计算雅可比矩阵 ,因而具有更好的一致性。仿真结果表明 ,该算法可以克服观测模型线性化误差带来的不良影响 ,改善由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题 ,具有良好的鲁棒性、快速性和精确性。     

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。     

基于软件相关器的GPS跟踪算法研究与实现

研究了适用于GPS软件接收机的软件相关器和信号跟踪算法,包括码跟踪和载波跟踪。为了提高跟踪灵敏度,码鉴别器和载波鉴相器每Nms输出一次鉴别结果,在Nms的间隔时间段内,每1ms采用状态外推算法对相位、多普勒和多普勒导数进行一次外推。跟踪环路采用载波环辅助码环的跟踪方法,提高了码环的跟踪精度和可靠性。利用真实的采样数据,在PC机上用Matlab对该算法进行了仿真,并且在GPS软件接收机平台上得到实现。实验证明,该算法可以实现对c／A码相位和载波频率的精确跟踪,并得到导航数据。     

惯导系统空中动基座对准精度的估计方法

为了对惯导系统空中动基座对准精度进行评估 ,文中提出了逆序递推滤波算法 ,利用对准结束后一段时间的主从惯导系统的导航数据 ,通过一次卡尔曼滤波运算 ,便可求出对准误差。经飞行实验结果处理证明 ,该方法有效 ,具有工程应用价值     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

基于深度网络的太赫兹波束预判方法研究

针对太赫兹波波束较窄引起的伺服天线被动跟踪无法达到空间太赫兹通信链路性能要求的问题,提出了一种基于优化深度网络的太赫兹波束预判方法。首先通过分析方位、俯仰角误差大小随运行周期、外推初始时刻的变化,得到高轨对低轨卫星指向误差呈周期性发散的特征;然后采用粒子群算法优化长短时记忆网络参数,对未来时刻指向误差进行预测并修正,针对粒子群算法易陷入局部最优、全局搜索能力较差的问题,通过动态调整粒子群算法的惯性权重,以达到优化长短时记忆网络的目的。仿真结果表明：基于改进后粒子群算法优化的长短时记忆网络能够有效预测未来时刻指向误差,在同一链路场景中相比未改进网络平均绝对百分比误差降低13.08%。     

一种重构次侧音相位的侧音测距匹配算法

针对Cortex CRT基带在INMARSAT标准测距过程中输出的侧音相位数据,设计一种LEOP阶段重构次侧音相位的侧音测距匹配算法。该算法用实测数据修正LEOP阶段的跟踪预报距离误差,用修正后的跟踪预报距离重构次侧音相位,然后用测量的主侧音和重构的次侧音数据解算星地距离。仿真计算与实际飞行任务结果表明,算法可以正确地解算LEOP阶段Cortex CRT基带在INMARSAT标准测距过程中的星地距离。     

GPS外测数据异常情况下的稳健组合导航算法

针对弹道导弹高动态飞行过程中可能存在的GPS外测数据异常或丢帧的问题,提出一种融合卡尔曼滤波与最小二乘法的稳健组合导航算法。介绍算法思路与流程,设计计算模型,并针对主动段飞行弹道做仿真计算。仿真结果表明,算法在保证较高计算精度的同时,有效保持了外测数据异常情况下组合导航系统的稳健性,并在低计算量水平下实现了状态参数估计值的密化。     

基于卡尔曼滤波器的高动态GPS载波跟踪环

为解决传统锁相环( PLL)在高动态环境下对全球定位系统(GPS)信号的跟踪精度问题,将自适应渐消滤波和二级卡尔曼滤波相结合研究了一种新的自适应二级卡尔曼滤波算法,并且提出了一种利用新息协方差计算渐消因子的方法,通过自适应渐消因子在线调节误差协方差矩阵补偿不完整信息的影响,使滤波器在系统模型不完整或者噪声统计特性不准确时仍接近最优.基于自适应二级卡尔曼滤波算法提出了一种高动态GPS载波跟踪环的设计方案.仿真结果表明,提出的方案较传统PLL的跟踪精度有显著提高,频率跟踪精度提高到9.28Hz.     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

基于激光实时跟踪测量的航天器编队相对位置测量方法

为了解决编队航天器间相对位置的高精度测量，实现航天器编队自主飞行，提出基于激光实时跟踪测量航天器间相对位置的测量定位方法，建立了航天器间相对位置测量的数学模型。该测量方法在直角坐标系下用Hill方程建立编队航天器相对运动模型，得出航天器相对运动轨迹的解析解，在极坐标系下建立航天器间相对位置的激光跟踪测量模型，将激光跟踪测量系统的测量值转换到直角坐标系，对转换误差进行去偏差补偿，利用卡尔曼滤波方法进行数据处理，以提高航天器间的相对位置测量精度。仿真结果表明，若对于测距精度为5厘米，测角精度为0．1度的激光跟踪测量系统，采用去偏差转换测量卡尔曼滤波方法，航天器空间相对位置精度可达到厘米量级。     

动力学补偿受控卫星轨道确定算法(英文)

受控卫星动力学模型中推力加速度的量级远远高于其他摄动的误差量级,观测量主要反映受控卫星动力学模型的误差。本文以跟踪和精确定位空间机动目标为目的,给出基于地面雷达观测,实时估计推力加速度,修正卫星动力学模型的轨道确定算法。通过建立连续推力控制过程变质量动力学模型,给出常推力变加速度满足的运动学微分方程; 建立变加速度估计系统状态方程,和扩展卡尔曼滤波轨道确定算法; 并给出连续推力控制卫星运动状态关于推力加速度的变分运动方程; 实际飞行控制应用表明: 利用地面测量数据,实时估计推力加速度并补偿系统动力学模型,解决了连续受控卫星轨道精确确定问题。     

一种多级弹道导弹主动段状态/参数联合估计算法

为了提高未知弹道参数下的多级弹道导弹主动段目标跟踪精度和鲁棒性,提出了一种目标状态/参数联合估计算法。首先对多级弹道导弹主动段运动进行建模和动力学特性分析;然后在重力转弯目标跟踪模型（GT1）基础上进行改进,得到三维重力转弯目标跟踪模型（GT3）,并与容积卡尔曼滤波（CKF）算法结合,设计了多级弹道导弹目标主动段状态/参数联合估计算法;在此基础上给出一种多级弹道导弹目标机动飞行模式,最后分别在常瞄准攻角飞行和机动飞行条件下完成仿真验证。GT3算法对导弹主动段三轴机动比较敏感,克服了GT1算法无法准确描述主动段运动的缺陷,算法精度、鲁棒性有所提升。GT3对瞄准攻角不为零的多级助推弹道导弹主动段跟踪表现出明显优势,且对级间切换具有一定的识别能力。     

重力测量卫星KBR系统相位中心在轨标定算法

针对低低跟踪(SST-LL)重力测量卫星K频段测距(KBR)系统相位中心在轨标定问题,提出了一种应用预测卡尔曼滤波算法的KBR系统在轨标定算法。首先,以磁力矩器和姿态控制喷气发动机为执行部件,对一颗卫星施加一定的组合力矩,使其绕另一颗卫星进行周期性姿态机动;然后,将星敏感器数据代入预测卡尔曼滤波算法中估计出卫星姿态;最后,根据KBR系统观测值与卫星姿态角之间的关系,利用扩展卡尔曼滤波算法估计出KBR系统相位中心的位置。数值仿真结果表明:KBR系统相位中心可以被实时估计,当存在较大的卫星姿态动力学模型误差时,KBR系统相位中心的标定误差仍在0.3mrad以内,证明此算法估计精度较高且鲁棒性强。     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。
     

基于强跟踪滤波和模糊逻辑推理的有向图切换算法

针对传统卡尔曼滤波算法中对于强机动目标跟踪性能较差的问题,文章提出了一种新的机动目标跟踪算法DS_STF_FI算法。该算法将强跟踪滤波引入到变结构多模型跟踪算法中,结合模糊逻辑推理来实现多模型间的信息交互,并通过有向图切换法实现模型集的自适应调整,从而使跟踪算法能够适应机动目标运动状态的变化。仿真结果表明,与基于卡尔曼滤波的DS_KF_FI算法相比,文章提出的算法的跟踪性能明显提高,且具有较高的算法费效比。在机动目标跟踪领域具有广泛的应用前景。     

Unscented卡尔曼滤波在飞航导弹地磁导航中的应用

对飞航导弹巡航段的地磁导航问题进行了讨论,导航算法为unseented卡尔曼滤波,导航信息为地磁异常强度.首先通过对比不同飞行轨迹下的滤波效果,得到了导弹射前路径规划的一些原则.由于unscented变换参数对滤波效果存在一定影响,提出了利用遗传算法优化unscented变换参数的方法,优化参数的鲁棒性分析进一步验证了该方法的有效性.最后对unscented卡尔曼滤波和扩展卡尔曼滤波的导航性能进行了比较,仿真结果表明前者具有更高的导航精度.     

自适应卡尔曼滤波在激光陀螺信号处理中的应用

各种随机噪声是激光陀螺误差的主要来源。为了减小激光陀螺的随机误差，建立了激光陀螺随机漂移数据的时间序列模型，设计了基于激光陀螺随机漂移数据时间序列模型的经典卡尔曼滤波器，对激光陀螺随机漂移数据进行了卡尔曼滤波，并针对经典卡尔曼滤波的不足，利用简化Sage—Husa自适应滤波算法对激光陀螺漂移数据进行处理，取得了较好的结果。滤波结果表明，简化的Sage—Husa自适应滤波优于经典卡尔曼滤波，并验证了简化的合理性。     

基于自适应算法的月球引力常数和J_2系数确定

针对月球引力场自主确定过程中测量噪声统计特性未知导致扩展卡尔曼滤波精度低、易发散的问题,提出了一种自适应扩展卡尔曼滤波算法。该算法通过采用改进的噪声估计器,对滤波过程中未知测量噪声统计特性进行实时估计和修正,有效地提高了扩展卡尔曼滤波器的稳定性,减小了状态估计的误差。通过与蒙特卡洛仿真,扩展卡尔曼滤波的结果比较,自适应扩展卡尔曼滤波算法加强了滤波的稳定性,并且明显提高了月球探测器轨道的确定精度、月球引力常数精度和月球J2项摄动系数精度。     

一种基于强机动的目标跟踪改进算法

针对传统目标跟踪算法鲁棒性较差等问题,提出了一种基于当前统计模型的无迹卡尔曼滤波交互式多模型(IMM-CS-UKF)融合算法。在交互式多模型算法框架内,计算当前统计模型的概率,提高了统计模型的目标加速度和自适应性。该算法结合了交互式多模型和无迹卡尔曼滤波算法,具有对不同机动模式目标的自适应跟踪能力和精度高等优点。仿真结果表明,该算法对以多种机动策略实时机动的目标具有较好的跟踪性能。