一种用于高动态GPS频率估计的滤波算法

针对常用高动态GPS(Global Positioning System)频率估计算法扩展卡尔曼滤波(EKF,Extended Kalman Filter)的缺陷,提出了一种新的称为简化无迹高斯粒子滤波(SUGPF,Simplified Unscented Gaussian Particle Filter)的算法.SUGPF将卡尔曼滤波(KF,Kalman Filter)、无迹卡尔曼滤波(UKF,Unscented Kalman Filter)与高斯粒子滤波(GPF, Gaussian Particle Filter)三者相结合.在时间更新阶段,用KF的方法更新预测分布;在测量更新阶段,用UKF的方法得到重要采样函数,并用GPF的方法更新后验分布.仿真结果表明:与EKF和UKF相比,SUGPF性能更优越,功能更全面,在高斯与非高斯观测噪声环境下均能取得与GPF类似的良好性能,并且其计算复杂度低于GPF.     

基于时变TVAR模型和CKF滤波的助推器落点预测

为解决助推器难以精确回收的问题,提出了一种容积卡尔曼滤波(CKF)和时变自回归(TVAR)模型融合的助推器落点预测方法。针对外弹道观测数据的非平稳时序特点,利用TVAR模型对其建模,预测助推器脱落时和助推器落地之间一段时间的未来测量值,以离散化质点弹道模型作为状态方程,将未来测量值作为CKF滤波弹道位置估计的测量值。为普适非平稳序列,考虑时变TVAR对非平稳时间序列的时变参数和模型阶数的确定。该方法是预测助推器落点滤波外推法的一种新实践。实验数据结果表明,TVAR预测助推器落点与TVAR-CKF融合预测的助推器落点相比,融合后预测的结果与实际测量的助推器落点的偏差更小,可为实际应用提供参考。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。     

基于Starlink机会信号/INS的组合导航方法

针对全球卫星导航系统(GNSS)因频点单一、落地功率低、易受电磁干扰以及存在覆盖较差区域等潜在的被拒止或被干扰导致的导航系统性能降低甚至失效的问题,提出了一种基于星链(Starlink)机会信号融合惯性导航系统(INS)的飞行器动态组合导航方法。首先分析了星链信号体制,建立了基于星链星座卫星下行机会信号的瞬时多普勒定位观测模型,设计了一种基于频率细分的快速最大似然多普勒频率估计方法,然后建立了基于扩展卡尔曼滤波(EKF)的Starlink机会信号/INS的组合导航模型,并对该导航方法进行了实验及分析。结果表明,该方法可为飞行器提供长航时、连续、高精度的导航。动态飞行情况下,该方法可实现平均优于25 m的三维定位精度和平均优于0.1 m/s的速度估计精度,比相同观测时间下的惯导精度提高了1～2个数量级,显著提高了飞行器的导航精度,可为战略导航提供方法和技术支撑。     

机载电子系统设备的智能故障诊断系统设计

探讨了动态机载电子设备智能故障诊断系统建设的主要问题,设计了基于现代无线通信网络的智能故障预测诊断系统的总体结构及解决方案,对其中的关键技术进行了论述,尤其是无线通信协议、机载电子设备的故障预测模型及智能故障诊断专家系统等,为该系统后期研发奠定了基础.     

近地卫星磁测自主定轨及原型化

利用三轴磁强计的测量信息可实时地确定卫星轨道。采用扩展卡尔曼滤波作为处理磁测自主定轨问题的滤波算法．并以地磁场强度幅值作为测量值，建立了近地卫星磁测自主定轨的数学模型。在数学模型的基础上实现了基于PC机、dSPACE一体化系统的原型化(Prototyping)实验。该原型化实验对磁测自主定轨的方案、理论、算法及实时运行特性做了进一步的验证。     

基于卡尔曼滤波-遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,提出了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法.根据发动机可测参数偏离额定特性时的变化量,利用卡尔曼滤波器对发动机性能参数进行了估计.当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况.遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出了存在测量偏差的传感器,确定其偏差,并最终消除了测量偏差对性能诊断的影响.     

基于多性能参数的民用航空发动机 实时性能可靠性预测

以民用航空发动机为研究对象,运用性能退化可靠性理论,对发动机的性能可靠性进行了研究.通过分析发动机性能退化过程,利用状态空间方法建立了时变性能退化模型,并通过卡尔曼滤波对性能趋势进行预测;然后考虑各性能参数之间的相关性,运用随机过程理论建立了基于多性能参数的实时性能可靠性预测模型,从而对发动机的退化时间进行实时预测;最后通过实例证明该方法是有效的,并且易于工程实现,同时,也为航空公司进行发动机机队科学管理提供了基础.      

基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。