多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

一种基于输出误差观测的冗余MEMS-IMU标定技术研究

针对传统六位置标定存在标定步骤复杂、标定时间长等问题，同时随着MEMS器件冗余数目增加和冗余配置结构复杂化，利用分立标定技术实现器件误差参数辨识的难度进一步增大，且不同配置结构所采用的标定方法存在通用性较差的问题。因此提出了一种基于Kalman滤波的冗余MEMS-IMU分立标定方案。该方案首先采用小角度建模法实现安装误差的精确建模；然后针对直接以转台三轴角速率为观测值，导致部分状态量不可观的问题，提出了以器件的输出误差值作为观测量、以器件误差参数作为状态量设计Kalman滤波器；最后设计了高精度三轴转台转位编排方式，并利用四陀螺冗余结构进行标定仿真试验。仿真结果表明：该标定方法与六位置标定方案相比，标定精度平均提高了11.37%，可实现MEMS器件误差参数的快速辨识，对实际工程实践具有一定参考价值。     

基于三轴磁强计与雷达高度计的融合导航算法

为了减小近地轨道(小于1000km)地磁导航的估计误差协方差，提高导航的可靠性和准确性，在地磁导航系统中引入雷达高度计作为一个新的测量设备，提出了一种基于三轴磁强计与雷达高度计的融合导航算法。该算法取卫星的位置和速度向量作为状态向量，建立状态方程；取卫星周围的磁场强度和卫星到星下点实际海平面距离求出的地心距，作为观测量建立观测方程；利用扩展卡尔曼滤波构成一种融合导航算法。仿真结果表明，提出的融合导航算法对轨道位置的估计误差小于20米，速度的估计误差小于1米／秒，导航算法的精度和收敛性都优于使用单一地磁导航的系统。     

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。     

一种基于星载GNSS接收机的高轨卫星自主导航滤波算法

星载GNSS接收机在低轨卫星自主导航和精密定轨等应用领域已经显示了高精度、高自主性、不依赖地面支持等技术优势。对于高轨卫星应用,星载GNSS接收机面临一些新的挑战。由于需要接收来自地球另外一侧的GNSS旁瓣信号,使得用户等效测距误差和几何分布因子恶化,引起标准定位性能下降。特别的,对于只能使用GNSS广播星历的实时自主导航应用,GNSS广播星历引入了非白噪声特性的用户测距误差。其难以被经典的EKF滤波方法平滑,限制了自主导航定位精度。文章研究一种基于星载GNSS接收机的高轨卫星自主导航滤波算法,该算法使用增强扩展卡尔曼滤波器（Augmented EKF）融合轨道动力学模型与GNSS观测数据,并对GNSS广播星历引入的系统性误差进行动态估计以削弱其对最终导航定位的影响。最后,通过仿真平台进行了算法验证。仿真结果显示,使用单GPS可在GEO轨道达到优于10米（3D RMS）的导航定位精度。文章提出的方法达到与国际先进产品同等精度,可用于高轨卫星高精度自主导航。     

基于系统误差诊断的多测元融合算法

在多测元目标跟踪定位中,结合测元的匹配特性,提出"三选二"原则诊断并估计少数测元上的系统误差,以多测元最小二乘多项式滤波抑制随机误差,从而提高目标定位精确度的数据融合新方法。以三测元为例给出了具体在微分域和积分域进行匹配诊断的步骤。在估计并扣除系统误差之后,进行三通道最小二乘多项式滤波以更有效地抑制随机误差。仿真计算结果表明该方法能够有效地发现和估计系统误差,同时指出在积分域进行匹配诊断和估计的精度要优于微分域匹配诊断。     

贝叶斯推理运动轨迹相干累积的动目标检测方法

雷达理论和实践都表明相干累积是机动目标探测行之有效的方法,但其性能会因脉冲回波处理间隔内未知距离和/或多普勒的徒动而降低。为解决这个问题,提出了一种贝叶斯推理运动轨迹相干累积的动目标检测方法。首先,通过对脉冲压缩回波信号的距离频率进行翻转,就可从未翻转与翻转后的回波信号相乘的傅里叶逆变换中,提取出慢时间维描述待探测多目标运动轨迹的时频信号。视该时频信号中各目标运动轨迹为状态变量,获得的时频信号为观测,建立起多目标运动轨迹的状态空间模型。这样,据贝叶斯滤波推理出的目标运动轨迹,构建出快-慢时间维联合的二维匹配滤波器,就能补偿目标高速/机动带来的未知距离和/或多普勒徒动。理论分析和仿真实验均证明：所提算法适用具有复杂且未知运动状态的目标,且呈现出了优于文献报道方法的性能。     

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。     

基于计算机视觉/GPS/MG姿态测量的盲人行走组合导航方法研究

电子导盲辅助装置(ETA)是解决盲人出行困难的重要手段,而导航是ETA的关键技术.现有的ETA主要用GPS来定位定向,但在城市环境中经常存在GPS信号遮挡导致导航信息丢失的问题.针对该问题,利用视觉导航短时间内定位精度高,输出连续的优点以及 MG(Magnetic Gravity)姿态测量可补偿姿态积累误差的优点,提出一种基于视觉、GPS和MG姿态测量的盲人行走组合导航算法.该方法构建系统误差模型并以Kalman滤波为框架.仿真和实验结果表明,提出的组合导航算法准确度优于单独的导航算法,满足盲人户外安全出行导航的需求.     

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂,对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点,在轴承智能故障诊断中引起了广泛的关注。然而,由于航空发动机内声信号所处的环境噪声较强,传统的轴承故障诊断方法无法实现精确的特征提取。为此,研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点,在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取,可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法,能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取,然后采用权值归一化方法约束训练得到的权值矩阵。最后,通过仿真和实验数据验证了所提方法的优越性。结果表明,并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类,可用于声学信号下的轴承智能故障诊断。