基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

基带成型滤波器的非理想情况对卫星数传系统误码性能的影响

卫星数传系统中的基带成型滤波器存在非理想组合情况。文章在基于QPSK调制解调条件下,采用Matlab仿真工具对卫星数传系统中非理想组合的基带成型滤波器对系统误码性能的影响进行了仿真分析。结果表明,滤波器的非理想组合情况对系统误码性能有一定影响。如果选取适当的滤波器参数,此影响可以非常小,在实际工程中是可以使用的。     

一种多波段组合的孤立噪声去除方法

首次提出了一种多波段组合的孤立噪声去除方法.文章在对图像进行中值滤波处理之前,先进行门限法的孤立噪声初步定位,设定孤立噪声为候选点;然后结合多波段图像数据对候选孤立噪声进行最终定位,只有当像元判断为真实的孤立噪声时,进行中值滤波处理;最后以中国一颗传输型卫星图像为例,检验了算法的有效性.     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

复杂背景下目标模板更新算法研究

在匹配跟踪算法中,模板更新策略是跟踪成败的关键。从复杂背景下的目标跟踪出发,指出固定模板和逐帧模板更新的不足之处,介绍几种性能较好的模板更新策略,并在此基础上提出改进的模板更新方法。同时,为了更好地克服背景光照带来的影响,对普通最小平均绝对差值函数MAD(M in imum Absolute D ifference)方法进行了改进。仿真实验结果表明,该算法能克服诸如烟尘干扰、背景光照变化、地貌起伏等不利因素,能在复杂背景中稳定和精确地进行目标跟踪。     

基于模糊卡尔曼滤波的内阻尼姿态算法研究

在系统机动性不强的情况下，传统的平台内阻尼算法将系统本身的速度信息通过阻尼网络加到系统中，达到提高姿态角精度的目的。将这种平台内阻尼的思想引入到捷联惯性航姿系统中，在系统加速度较小的情况下，利用加速度计的输出估计系统姿态角，通过卡尔曼滤波的形式补偿系统姿态误差。由于加速度的大小直接影响滤波器精度，本文设计了模糊自适应卡尔曼滤波算法，根据三轴加速度计的输出调整内阻尼量测误差方差阵，从而避免了滤波器的发散。仿真和实验验证，内阻尼算法可明显抑制舒勒周期振荡和傅科周期振荡，避免了系统姿态漂移，有效提高了捷联惯性航姿系统的精度。     

基于FPGA的M位并行分布式算法的FIR滤波器设计

介绍基于查找表结构的分布式算法的基本原理,提出M位并行分布式算法的实现方法。以2位并行分布式算法结构的FIR滤波器设计为例,在Altera Cyclone系列芯片上实现32阶12位FIR滤波器,并对其性能和资源占用进行分析。     

扩频通信系统中窄带干扰抑制技术的研究

提出一种基于小波包变换抑制窄带干扰的简化方法,利用直接序列扩频信号的功率谱密度分布特点和能量聚集度准则,快速、有效地跟踪输入信号频谱的变化,从而对扩频信号中的干扰进行快速定位;通过自适应改变权系数的方法实现对强、弱窄带干扰的分别抑制。仿真结果表明,这种自适应干扰抑制法既可以有效地清除快速时变的强窄带干扰,又可在处理其他类型干扰时避免或减小有用信息的损失,从而大大提高了直接序列扩频系统在复杂干扰情况下的抗干扰性能。     

基于ECEF的误差配准与目标跟踪算法

考虑量测噪声和地球曲率对配准的影响,提出了一种基于地心坐标系(ECEF)的扩展卡尔曼滤波(EKF)配准与目标艰踪算法.根据坐标系转换关系,给出误差配准计算公式,建立目标的动态方程,用EKF方程进行估计.仿真结果表明:该法能同时有效估计目标运动状态和传感器配准误差,可用于远距离的传感器配准和目标跟踪.     

Inner Attitude Integration Algorithm Based on Fault Detection for Strapdown Inertial Attitude and Heading Reference System

This article proposes a new inner attitude integration algorithm to improve attitude accuracy of the strapdown inertial attitude and heading reference system(SIAHRS), which, by means of a Kalman filter, integrates the calculated attitude from the accelerometers in inertial measuring unit(IMU), called damping attitudes, with those from the conventional IMU. As vehicle's acceleration could produce damping attitude errors, the horizontal outputs from accelerometers are firstly used to judge the vehicle's motion so as to determine whether the damping attitudes could be reasonably applied. This article also analyzes the limitation of this approach. Furthermore, it suggests a residual chi-square test to judge the validity of damping attitude measurement in real time, and accordingly puts forward proper information fusion strategy. Finally, the effectiveness of the proposed algorithm is proved through the experiments on a real system in dynamic and static states.