基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积...     

低轨飞行器利用GPS定轨的算法研究

详细讨论了低轨飞行器利用ＧＰＳ系统定轨的原理和方法。分析了低轨飞行器选星时应考虑的问题,并根据导航星及用户模型进行了选星试验;探讨了利用最小二乘法进行解算定轨;详细分析了卡尔曼滤波算法,针对低轨飞行器提出了一个九状态卡尔曼滤波模型,并在此基础上进行了仿真模拟计算。另外,根据用户对电源能量和可靠性的特殊要求,提出了一种比较实用的定轨方法。仿真结果表明,提出的方法在精度上满足用户的要求,适合于工程实际应用。     

基于全局估计的联邦卡尔曼滤波信息同步方法

组合导航系统一般采用联邦卡尔曼滤波作为基本的状态估计方法。由于各导航子系统的观测周期一般不相同 ,因而存在导航系统的观测时刻与滤波器的滤波时刻不一致的问题。本文提出了一种应用全局估计量与不同步观测量共同进行时间更新 ,以获取同步观测信息的方法 ,并应用仿真运算证明了该方法的有效性     

捷联惯导加速度计尺寸效应误差建模及其标定

高动态条件下,加速度计（简称加计）的尺寸效应将成为捷联惯导系统精确导航的重要误差源。这个误差源于加计组合中三个加计振动中心（有效的加速度测量点）的不重合。从几何角度对加计尺寸效应误差进行了建模。设计了三类基于精密三轴速率转台的加计尺寸标定方案,即匀角速度旋转、匀角加速度旋转和正弦角加速度旋转方案。以旋转过程中捷联惯导系统的速度输出作为量测,利用Kalman滤波器可以实现对加计尺寸系数的有效估计。利用分段定常系统可观性分析方法研究表明,三类旋转标定机动均能使系统状态完全可观测。仿真结果证明了三类标定方案的有效性,而以匀角速度旋转方案估计过程最平稳,以正弦角加速度旋转方案估计精度最高。     

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视（ADS-B）应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波（IMMKF）算法的ADS-B 监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B 状态矢量量测数据作为IMMKF 算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明：相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF 方法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B 监视应用中具有实际应用价值与借鉴意义。     

跟瞄激光雷达扫描图像的实时滤波算法

为实现跟瞄激光雷达的高精度实时跟瞄,对雷达三维信息实时滤波算法进行了研究。对方位信息,用卡尔曼滤波算法滤波,在保证实时性的同时获得了较好的滤波效果;对距离信息,用去边缘点3×3小窗口中值滤波算法,实现了对距离信息的准实时性滤波。研究表明:该信息处理滤波算法既有优良的滤波性能,又能保证实时性,可提高测角和测距精度,改善整机的实时跟踪性能。     

一种空间碎片天基测量定位技术与参数优化

针对空间碎片在轨精确定位需求,系统总结了采用天基光学探测和激光测距对空间碎片运动状态初值的求解方法;立足在轨应用,文章提出了基于天基光学探测和激光测距的空间碎片运动状态扩展卡尔曼滤波(EKF)估计方法,以目标定位精度为评价标准,研究了探测体制、测量数据精度、测量数据率和探测距离等因素对目标定位性能的影响,并提出了定位参数最优的水平选择。数学仿真结果表明：在特定载荷性能下,采用双星光学测量体制,碎片位置估计精度优于79.4 m,速度估计精度优于3.5 m/s;采用单星光学测量加激光测距体制,碎片位置估计精度优于124.3 m,速度估计精度优于4.5 m/s。该方法具有求解精度高、运行稳定性好和数据计算量低等优点,具备在轨应用的条件,可为面向空间碎片的天基跟踪系统设计提供参考。     

基于模糊调节无迹卡尔曼滤波器的地磁定轨研究

地磁定轨系统适合于对仪器复用率要求高的微纳卫星使用.考虑到地磁定轨系统的性能受限于地磁偏差,本文设计了模糊调节器,并构建了模糊调节无迹卡尔曼滤波器.将地磁偏差建模为随机游走,并将其变化率作为调节器的输入量,经模糊处理后,自适应调节滤波器的参数.SWARM-A卫星的实测数据实验表明,该算法可有效提升地磁偏差的估计精度,从...     

多传感器融合状态估计方法综述

随着传感器网络技术的发展,多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点,长期受到国内外学者的广泛关注,并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础,也是早期研究的主要方向,从20世纪70年代到20世纪末,相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道,自2005年以来,大量基于一致性的分布式滤波算法被提出,其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展,探究从数据融合到分布式滤波的内在联系,并对一些经典方法进行了总结。     

相控阵雷达长时跟踪波束调度与波形优化策略

针对相控阵雷达多目标跟踪波束调度和波形参数优化控制的问题，本文提出了一种基于马尔可夫决策过程（MDP）的相控阵雷达跟踪波束调度与波形参数优化策略，该方法以无迹卡尔曼滤波（UKF）算法为基础来估计目标的状态。首先将本文的序列决策问题建模为马尔可夫决策过程，定义了资源的效费比和长期回报率，然后与当前实际跟踪误差综合考虑作为MDP的回报函数，进而给出了调度的优化模型，最后将长时决策问题转化为动态规划算法结构进行求解，并且提出了一种并行混合遗传粒子群优化算法来求解各决策时刻的最优策略。仿真结果表明了长时策略的先进性以及寻优算法的优越性，与传统的短时策略相比，跟踪精度可提高11.17%。