舰载飞行器平台惯导系统传递对准及检验方法研究

针对舰载飞行器平台惯导传递对准问题,建立了速度匹配和"速度+姿态"匹配卡尔曼滤波方程。考虑舰艇的摇摆运动,进行了不同机动方式下舰载飞行器平台惯导传递对准效果数学仿真,并设计了精度实时检验方法。     

基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

卡尔曼滤波动态优化及其在遥控机器人空间实验中应用

本文是在文献[1]的基础上,讨论遥控机器人追踪自由飞行目标物的动态性能问题。应用黄金分割法和元素交替极小化法对扩展的卡尔曼滤波初值条件进行搜索并获得优化解。仿真结果表明优化方法简单可行,优化解满足系统性能要求。     

基于精确伪距率观测模型的GPS/SINS组合导航系统研究

从泰勒公式及函数矩阵的基本定义出发，推导了考虑位置误差相关项时，GPS/SINS组合导航系统精确的伪距率观测数学模型。仿真结果表明，使用精确伪距率观测模型的伪距、伪距率交替组合导航系统，其位置误差能更好地跟踪GPS系统位置几何误差系数，能更真实地反映载体的短期位置误差，更适用于对航天器或大气飞行器短期位置导航精度要求较高的场合（如把航天飞机或大气飞行器作为高分辨率合成孔径雷达等遥感器的载体）。     

自旋卫星姿态确定和系统偏差估计

以最小二乘为指标,应用Powell直接寻优算法,对近地轨道自旋卫星姿态确定数据进行加工处理,得出了某些系统偏差的估计值,然后再用Kalman滤波器进行滤波估计。实践证明,将此法用于可观性较弱的系统,可显著改善仅用Kalman滤波器所得的结果。     

无味卡尔曼滤波在热平衡试验中的应用研究

在航天器热平衡试验中应用温度外推预报技术可以快速准确的给出航天器的极限热平衡温度，缩短热平衡试验时间，降低航天器的研制成本。介绍了一种新颖的热平衡试验数据外推方法——无味卡尔曼滤波(UKF)，分析了UKF的应用效果，结果表明应用UKF外推能够在较短的时间内更准确的获得航天器的极限热平衡温度。     

利用地面信标站自主确定静止卫星轨道

静止卫星接收在地面设置的信标站的测距信号，可以测得卫星到地面信标站的距离，从而用星上直接测得的伪距解算出卫星在惯性空间的位置。对卫星轨道的一个弧段进行测量，可以得到卫星的状态矢量和多组伪距记录，考虑到星上计算机的容量以及定位实时性的要求，用扩展卡尔曼滤波确定卫星在地心赤道惯性坐标系中的轨道。     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

基于神经网络的无迹滤波改进算法

介绍了采用无迹变换(UT)描述随机变量通过非线性系统后的均值及方差的方法,提出可以将神经模糊推理系统(ANFIS)用于确定无迹变换中的参数,使其对随机变量均值的描述达到二次以上精度,并给出了改进的无迹滤波器(UKF)结构和神经网络训练方法;仿真结果表明,该算法适用于系统含有未知输入或系统噪声为非高斯的情况,并可解决一些典型的非线性估计问题,改进算法的性能优于传统无迹滤波器。