粗差拟准检定法在星载GPS低轨卫星定轨中的应用

利用自适应卡尔曼滤波进行星载GPS低轨卫星定轨时,必须解决量测方程中经常存在的粗差问题．在分析以往方法的优缺点后,用拟准检定法来探测和修正量测方程中存在的粗差．该法的优点是辨识粗差准确率高,能同时定位多个粗差．另外,为了克服星载GPS低轨卫星定轨的滤波器可能出现的数值不稳定性及发散现象,还采用了UD分解算法及Sage自适应滤波器．最后用一个CHAMP卫星的模拟算例验证本方法的可行性和有效性．     

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。     

基于卡尔曼滤波的目标机动判别研究

在对目标方位序列进行卡尔曼滤波的基础上,利用滤波残差的分布特性,对其进行假设检验,可以据此判断方位序列是否发生显著变化,由此判断目标是否机动.为了说明这种方法的有效性,文中给出了一个实例.     

有序递推滤波修正系统误差方法

本文将推广卡尔曼滤波的原理拓展到对测量元素逐个进行滤波的处理。从理论上证明它可以提高状态向量滤波结果的估值精度，而且它可以减少求逆公式的计算量。本文应用该方法导出了轨道测量数据处理的有序递推自校准系统误差的方法及公式。     

攻击活动目标的一种最优弹道估计

 为分析活动目标的随机飞行状态和减小导弹的脱靶量,提出了数学模拟打靶的一种新方法。其中包括卡尔曼滤波理论结合最大似然法的应用,以及建立相对运动的离散化模型和灵敏度矩阵。为改善飞行状态的估计精度,论述了确立飞行弹道修正协方差矩阵的概念。除此之外,还讨论了导引敏感器静态误差影响脱靶量的估计问题。     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。     

广义卡尔曼滤波均方误差最小性的研究

卡尔曼滤波方法是一种应用广泛的估值方法，但其在应用时，要求系统数学模型已知。而广义卡尔曼滤波在应用时不需要系统数学模型是已知的，具有广泛的适用性。在广义卡尔曼滤波方法的消息模型和测量模型的基础上，讨论了其滤波模型的均方误差最小性问题，即最优滤波器的选取问题。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较，验证了广义卡尔曼滤波的有效性。     

采用逐次正交化法的最优分布式Kalman滤波器

为解决大系统中应用整体式Kalman滤波遇到的非实时性难题,本文提出一种能保持最优的分布式Kalman滤波计算方法——逐次正交化法。这是一种适合多微机并行计算的最优算法,确保滤波的“实时性”,优于一般次优分布式Kalman滤波器。     

SINS／GPS组合系统的蒙特卡洛仿真

以考虑位置误差相关项的伪距率观测模型，对遥感中使用的SINS/GPS为距、伪距率组合系统进行了蒙特卡洛仿真。结果表明，组合系统的长期位置精度能达到5m以内；GPS数据更新率低于SINS，在GPS测量时间间隔内，组合系统的性能仅由SINS决定，虽然SINS的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性的误差随时间积累，但在GPS测量时间间隔为秒数量级的情况下，即使采用中等精度的惯性仪表，其相对位置精度可达到厘米级（这里相对位置精度指组合系统在GPS测量时间间隔内位置误差的变化范围）。     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。