自适应战术组合导航

阐述了适用于本世纪末及下一世纪战术飞机的自适应战术组合导航技术。介绍了系统概念、构成、算法；提供了系统开发及实验评估结果。     

捷联复合制导导弹的一种新型初始对准

本文研究捷联复合制导导弹的一种新型初始对准方案，利用地面雷达观测信息和弹载加速度信息，快速确定导弹启控时刻的弹性坐标系相对雷达坐标系的三个失调角。文中运用广义卡尔曼滤波技术给出了失调估计器的设计方法，对失调角估计时间及误差进行了仿真和分析，对观测方式提出一种改进方案，表明本设计用于飞行过程中实施初始对准的有效性。     

一种鲁棒GNSS矢量跟踪环

复杂环境下导航接收机的连续可用性一直是卫星导航领域的研究重点。针对矢量跟踪环动态适应性不够和误差在通道间传播的问题,提出一种鲁棒全球导航卫星系统(GNSS)矢量跟踪环。基于各通道的伪距、伪距率和伪距加速度状态量构建扩展卡尔曼滤波器(EKF),通过灵活设置过程噪声方差阵,实现跟踪通道的耦合与解耦;采用基于极大似然估计器(MLE)的鉴别器生成码延迟和载波频率偏差观测量;利用滤波值修正并预测伪距率来控制本地数控振荡器(NCO),实现环路的闭合。仿真结果表明,本文设计的矢量跟踪环在保证环路相互辅助的基础上,避免了衰减通道误差在通道间的传播,可以对被遮挡信号保持稳定跟踪,鲁棒性优于传统矢量延迟频率锁定环。     

Remaining useful life prognostics for aeroengine based on superstatistics and information fusion

Remaining useful life（RUL） prognostics is a fundamental premise to perform conditionbased maintenance（CBM） for a system subject to performance degradation. Over the past decades,research has been conducted in RUL prognostics for aeroengine. However, most of the prognostics technologies and methods simply base on single parameter, making it hard to demonstrate the specific characteristics of its degradation. To solve such problems, this paper proposes a novel approach to predict RUL by means of superstatistics and information fusion. The performance degradation evolution of the engine is modeled by fusing multiple monitoring parameters, which manifest non-stationary characteristics while degrading. With the obtained degradation curve,prognostics model can be established by state-space method, and then RUL can be estimated when the time-varying parameters of the model are predicted and updated through Kalman filtering algorithm. By this method, the non-stationary degradation of each parameter is represented, and multiple monitoring parameters are incorporated, both contributing to the final prognostics. A case study shows that this approach enables satisfactory prediction evolution and achieves a markedly better prognosis of RUL.     

CNS/SINS姿态组合导航系统仿真

针对大部分飞行器导航采用地理坐标系导航,天文导航在地理坐标系下姿态解算依赖导航位置而容易发生精度发散的问题,文章研究了地理坐标系下,天文,质性姿态组合导航系统滤波算法,以有效提高导航系统的精度。首先,对天文愤性组合导航系统数学模型进行分析;然后,用Matlab软件根据实际情况设定参数并获得仿真数据,在仿真数据的基础上进行标准的卡尔曼滤波的仿真研究。仿真结果表明,当惯导与天文导航进行姿态组合后,各导航参数精度明显提高,在短期内可认为是收敛的,但仿真时间较长后,各导航参数出现缓慢的发散趋势。     

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换（RAT）估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波（EKF）算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波（EKF）方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。     

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.     

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。