非线性滤波方法及其在飞行状态及参数估计中的应用

基于非线性系统高阶近似的思想,提出一种比推广卡尔曼滤波（ＥＫＦ）更接近非线性系统本质的近似滤波方法,并应用于飞行状态的参数估计（或称为飞行轨迹重构）问题。仿真和实际飞行数据计算结果表明：提出的非线性近似滤波方法比ＥＫＦ有更高的估计精度和更好的鲁棒性,对飞机机动形状、数据长度要求不高,滤波收敛速度快。利用飞行状态估计数学模型的具体特点,使计算量和存储量大幅度减少。该方法应用于非线性较强的飞行状态及参数估计问题。可得到比ＥＫＦ更好的结果。     

用雷达观测值进行非线性估算

本文探讨了雷达测量模型方程的非线性,并研究了这些非线性对滤波和平滑精度的影响。我们导出了一种简单的算法,用这种算法,可以有效地减小非线性所产生的影响。该方法以如下的次序处理雷达观测值:方位、俯仰、距离。用方位残差估算俯仰残差,然后用方位和俯仰的综合结果估算距离残差。用这种算法所得的估算精度与推广卡尔曼滤波法(EKF)的估算精度相比较,可证明前者优于后者。而且,采用这种算法时,其计算复杂度并不超过推广卡尔曼滤波法的计算复杂度。     

自适应滤波方法研究

证明Ｓａｇｅ－Ｈｕｓａ的自适应卡尔曼滤波算法不能同时估计Ｑ和Ｒ,并分析了该法导致滤波发散的原因。介绍了一种新的自适应卡尔曼滤波算法,该法当Ｒ（或Ｑ）已知时可以准确地估计出Ｑ（或Ｒ）。该法的独特之处在于当对Ｑ（或Ｒ）进行修正估计时,只采用矩阵的乘运算和求逆运算,而不进行加减法运算,因此消除了滤波发散现象。数字仿真表明效果良好。     

基于数字滤波的低频时码秒脉冲抖动平滑方法研究

低频时码授时信号在接收时,由于环境等因素的影响会导致解调得到的低频时码秒脉冲出现抖动。为减小该抖动现象对低频时码定时精度的影响,基于我国低频时码授时系统(BPC),研究并设计基于数字滤波的秒脉冲抖动平滑方法,通过仿真实验,验证分析了最小均方误差(LMS)自适应滤波算法和卡尔曼滤波算法的有效性和抖动平滑性能。结果表明,低频时码秒脉冲的抖动现象可以通过BPC 1PPS (one pulse per second)和本地1PPS之间的相位差波动情况反映;LMS自适应滤波算法和卡尔曼滤波算法对BPC 1PPS的抖动平滑处理均有明显效果,卡尔曼滤波算法的抖动平滑效果更优,但存在一定的收敛时间,LMS自适应滤波算法的滤波结果响应速度快,但抖动平滑性能受滤波器阶数的影响。所以,在实际应用中,应根据实际需求选择合适的滤波器及相关参数。     

用于YF—23A原型机飞行试验的分布式实时数据处理

１９９０年下半年，为了验证和鉴定为ＹＦ－２３Ａ原型机飞行试验而开发的几项新技术，诺思罗普／麦．道公司的两架ＹＦ－２３Ａ先进战术战斗机（ＡＴＦ）原型机投放试飞，ＹＦ－２３Ａ飞行试验队为该试验计划研制了一种性能卓越的，费用低廉的实时地面数据站。为了满意ＡＴＦ原型机飞行试验工作的需要，该地面站主要基于分布式数据处理的概念。尽管ＹＦ－２３Ａ地面数据站的核心是ＤＳＩ公司的ＱＵＡＤ－７计算机系统，但安装在各种     

一种基于组合导航系统的新融合滤波算法

本文设计了一种可用于地面用户的低成本组合导航系统，提出了基于该系统的新信息融合方法，即模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

飞行数据处理的非线性鲁棒滤波技术

研究了飞机飞行试验数据处理中的非线性鲁棒滤波技术,分析给出了实际飞行条件了一种飞机运动的新模型,它是含不确定参数项的非线性模型,同时给出了该不确定参数项的解析的表达形式,然后研究了对应于此类非线不确定系统的鲁棒滤波算法,得到了该滤波问题的充分解,并对该解进行扩展线性化处理,得么了一个较易实现的扩展鲁棒滤波算法,最后利用该算法对实际的数据进行了处理,结果表明,所提出的算法是切实可行的。     

热应力检测中的温升计算

为了消除样本周期对实时计算的局限,采用了样本区间步进的方式,确保样本间隔最短（一个采样本间）。新样本将包含前一样本的部分数据,并采用线性回归平滑数据克服非线性影响,提高数据滤波效果。计算温升率的回归递推公式提高了数据平滑和温升率计算的实时性。数值模拟结果表明该递推公式具有良好的滤波效果和收敛性。     

Unscented粒子滤波在静基座捷联惯导系统大方位失准角初始对准中的应用研究

 静基座大方位失准角的捷联惯导系统误差方程是非线性的，Unscented粒子滤波从非线性系统状态向量概率分布出发，结合Unscented卡尔曼滤波和粒子滤波的特点，无需对非线性系统模型进行处理而能达到较高的滤波精度。本文对Unscented粒子滤波进行了研究，并结合重采样算法，运用于捷联惯导系统静基座大方位失准角初始对准中，计算结果验证了该方法的有效性与优越性。     

卡尔曼滤波定轨算法的研究进展

本文对国外卡尔曼滤波定轨算法的研究与试验进行了综述。80年代关于地球引场模型误差的研究，有大地改善了滤波的稳定性，在滤波的同时加进卡尔曼平滑，又显著提高了卡尔曼滤波的定轨精度。90年代美国、法国继研制成功卡尔曼波滤定轨软件，并投入试验运行，NASA的TONS软件（中继星星上导航系统）从1992年7月14日开始，在EUVE星上连续运行了320天，定轨精度（RMS）为25m。法国的DIODE（DORIS实时轨道确定）软件从1998年3月26日开始在SPOT4上运行的两年中，最长连接运行12个月，定轨精度（RMS）为6m。     

航天器相对运动估计的一种并行推广卡尔曼滤波方法

 从并行的观点出发，研究应用推广卡尔曼滤波估计航天器交会对接寻的期相对位置和速率问题。推导出交会推广卡尔曼滤波公式；提出了基于奇异值分解（ＳＶＤ）和Ｆａｄｄｅｖ算法的并行平方根算法；给出了其脉动阵列（Ｓｙｓｔｏｌｉｃ）实现结构；并对阵列所需的处理单元数目和执行一次迭代所需的时间步进行了分析，说明了其实现的优越性。为航天器相对运动估计提供了一种新的有效方法     

混合线性/非线性模型的准高斯Rao-Blackwellized粒子滤波法

 针对混合线性/非线性模型,提出一种新的递推估计滤波算法,称为准高斯Rao-Blackwellized粒子滤波器（Q-GRBPF）。算法采用Rao-Blackwellized思想,将线性状态与非线性状态进行分离,对非线性状态运用准高斯粒子滤波（Q-GPF）算法进行估计,并将其后验分布近似为单个高斯分布,再利用非线性状态的估计值对线性状态进行卡尔曼滤波（KF）估计。将Q-GRBPF应用于目标跟踪的仿真结果表明,与Rao-Blackwellized粒子滤波器（RBPF）相比,Q-GRBPF在保证估计精度的前提下有效降低了计算复杂度,计算时间约为RBPF的58%;与Q-GPF相比,x坐标与y坐标的估计精度分别提升了45％和30％,而计算时间也节省了约30％。     

非线性系统中多传感器目标跟踪融合算法研究

主要阐述了在非线性系统中多传感器目标跟踪的融合算法，提出了基于变换测量卡尔曼滤波器（CMKF）的分布式融合算法，从该理论出发，导出了分布式变换测量卡尔曼滤波算法（DCMKFA）几乎能够重视集中式融合估计，仿真结果证明了这一结论，因此，DCMKFA对于非线性系统中的目标跟踪是一个有效的分布式融合算法。     

GHQF精度分析及其在组合导航中的应用

针对非线性滤波算法在组合导航系统中的应用问题,利用泰勒级数展开对无味卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)和高斯厄米特积分滤波(GHQF)三种非线性高斯滤波算法的性能进行了比较分析;基于泰勒展开的精度分析表明,UKF和CKF从四阶项开始出现截断误差,而GHQF可以逼近任意阶精度的非线性系统的后验均值;以CNS/SAR/SINS非线性组合导航系统为应用背景,对三种滤波算法的精度进行了仿真验证。数学仿真结果表明,与UKF和CKF相比,GHQF具有更高的滤波估计精度。     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。     

基于边缘采样的简化高阶CKF在非线性快速传递对准中的应用

针对舰载机惯导系统非线性传递对准问题中误差模型不完善的问题，同时考虑了挠曲运动和动态杆臂的影响，提出了一种新的适用于大方位失准角情形下的挠曲变形和杆臂效应加速度一体化误差模型。采用高阶容积卡尔曼滤波（HCKF）算法对状态进行滤波估计，考虑到HCKF具有较大的计算量，分析了传递对准模型的状态方程与量测方程结构，设计了一种基于边缘采样的简化高阶容积卡尔曼滤波（M-RHCKF）算法，其在时间更新中使用边缘采样算法，在量测更新过程中使用简化量测更新过程，并给出了该算法的证明过程。采用"速度+姿态"组合匹配方式，对提出的误差模型进行仿真实验。结果表明，该模型可以满足对准精度和对准时间的要求，相比于未考虑动态杆臂的传递对准模型具有更高的对准精度。     

利用区间广义卡尔曼滤波器跟踪来袭弹道式导弹

用雷达跟踪来袭弹道式导弹，由于其运动模型、测量噪声的不确定性，成为需要研究的重要问题。经典广义卡尔曼滤波器（ＥＫＦ）不再适用于这种不确定的问题，因此，引入一种新的区间广义卡尔曼滤波（ＥＩＫＦ）方法来跟踪导弹系统。计算机仿真结果表明本ＥＩＫＦ算法对于这种不确定的、非线性弹道式导弹的测量问题是有效的。     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

基于H?滤波算法的BP网络在SINS/GPS中的应用

实际系统中存在的各种不确定性和非线性将使估计精度降低、卡尔曼滤波发散。针对这些问题,文章提出了基于H∞滤波算法的BP网络自适应滤波技术,采用H∞滤波算法在线调节BP网络的权值,并应用在SISN/GPS中。仿真结果表明,该网络具有较好的鲁棒性,其精度与H∞滤波算法的精度相当。     

拐点平滑滤波技术研究

提出了滤波算法的一种新的有效点判断原则,即拐点平滑法;介绍了该技术的数学模型及滤波原理;通过仿真计算,探讨了应用该判据时滤波半径、拟合阶次等滤波参数对位置参数滤波结果的影响情况,并进行了实测数据解算。该判据在中心平滑算法的最佳应用条件下,综合考虑了截断误差,提高了飞行器位置参数的滤波精度,尤其适用于加速度剧烈变化的飞行轨迹。