离散系统的分散滤波器

基于文献[1,2],本文讨论了两种离散系统的分散滤波器方案,并给出了理论分析。最后,通过仿真证明了理论结果。     

轨道机动过程中推力加速度的在线最小方差估计

定位和跟踪空间机动目标时，对目标运动建模受发动机推力的不确定性影响，通过统计处理离散的雷达观测数据实时估计发动机的推力，进而定位和跟踪机动目标便是本文所要研究和解决的问题，本文在地心惯性系建立了常推力轨道机动过程中连续变质量运动模型和离散雷达量测模型，机动过程中质量秒耗量和排气速度作为表征轨控发动机推力的两个近似常量，应用扩展卡尔曼滤波对离散雷达测量数据进行序贯统计处理得到发动机推力的最小方差估计；文中详细地给出了线性化量测模型的变分方程和观测矩阵；仿真结果表明该算法能快速、准确地在线估计轨控发动机的等效推力。     

H∞滤波在惯导系统地面快速对准中的应用

阐述了H_∞滤波器的设计过程,并将H_∞滤波方法应用于惯导系统地面初始对准.文中建立了惯导系统的误差模型,并对其进行了可观性分析,利用H_∞滤波方法对可观子系统进行了滤波计算,给出了在噪声统计特性未知方差有界情况下惯导系统初始对准的仿真曲线,仿真结果表明该方法克服了卡尔曼滤波对噪声的苛刻要求,滤波效果能够满足工程需要,进一步说明H_∞滤波应用于惯导系统初始对准是有效的.为提高对准速度,文中给出了方位误差角的一种快速估计方法,结果表明该方法是可行的.     

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

精确的飞机检测与追踪方法可以有助于提升我国军事实力,但是目前对小目标飞机进行有效追踪方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越,因此针对传统方法对于小目标追踪性能不佳,本文提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法以获得更好的追踪性能,该算法首先通过改进的YOLOv3算法对视频中的图像进行检测,在识别到视频中的飞机之后,通过卡尔曼滤波器对飞机的运动轨迹进行预测,并通过匈牙利算法进行数据关联。实验结果显示,该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升,且对飞机的追踪效果精度高且实时性能,具有较高的军事应用价值。     

SINS任意失准角无奇异快速传递对准

针对战术级捷联惯导系统(SINS)任意失准角下的快速传递对准,提出一种直接姿态矩阵线性矩阵卡尔曼滤波的传递对准算法。首先,利用姿态矩阵描述姿态,将传统大、小失准角条件下的强非线性、线性滤波对准问题统一转化为一个线性滤波问题;然后,采用矩阵形式卡尔曼滤波对状态进行估计,得到一种线性矩阵滤波对准算法,可以在任意失准角、无初值条件下完成对准;最后,推导姿态矩阵正交约束条件下滤波算法的最优实现。仿真结果表明,算法适用于任意失准角下的传递对准,在摇摆运动下,可以在10 s内完成快速传递对准,水平精度达到0.02°(误差均方根)以内,航向精度达到0.03°(误差均方根)以内。     

一种星间相对状态估计方法

编队自主导航是实现分布式遥感系统星间协同观测的基础。为实现分布式遥感系统星间相对状态的精确确定,提出一种基于MEMS激光雷达与纳型星罗盘的星间相对状态估计方法。借助相对姿态、轨道运动学方程建立了星间相对状态的无迹卡尔曼滤波(UKF)算法,解决了MEMS激光雷达测量与参考航天器姿态耦合的问题,并利用预定入轨参数及高精度轨道外推(HPOP)对方法进行仿真校验。结果表明,该方法具有可行性和实用性,估计精度满足分布式遥感任务需求,能够较好解决中远距离星间相对状态估计问题。     

模糊自适应卡尔曼滤波技术研究

提出了一种基于模糊自适应卡尔曼滤波技术的组合导航的新方法。这一方法主要应用于自主式机动飞行器。用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在线”修正,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。通过对ＧＰＳ/ＩＮＳ组合导航系统的仿真,验证了模糊自适应卡尔曼滤波器比常规卡尔曼滤波器具有更高的精度。该方法的研究对飞行器的导航与制导具有重要意义。     

HCKF性能评估及其在传递对准中的应用

针对高阶容积卡尔曼滤波(HCKF)算法在传递对准中的应用问题,提出综合运用多变量函数泰勒级数展开和计算复杂度分析的性能评估方法。基于高阶球面-径向容积准则建立HCKF算法模型,并对其估计精度和计算量进行量化和对比分析：HCKF具有5阶泰勒级数展开精度且计算复杂度为O(n 4),综合性能优于高斯厄米特积分滤波(GHQF)和无迹卡尔曼滤波(UKF)。将三种非线性滤波算法应用到舰机大失准角传递对准系统中,摇摆台试验结果表明：HCKF的估计精度比UKF高17%,计算量比GHQF小2个数量级,与HCKF性能评估结果一致。     

基于ATSUKF算法的卫星姿控系统故障估计

针对卫星姿态控制过程中可能发生的执行机构或敏感器故障,提出了一种基于无损卡尔曼滤波（UKF）及偏差分离原理的自适应二阶无损卡尔曼滤波（ATSUKF）算法。首先,提出TSUKF算法,通过UKF处理姿态机动时的非线性并通过偏差分离原理将非线性系统的状态及故障分别估计,避免非线性模型的线性化过程同时降低了计算过程中的矩阵维度。然后,在TSUKF算法的基础上提出了ATSUKF算法,通过滑动窗口内的残差计算自适应矩阵,使滤波器在统计特性不准确的情况下仍然具有较快的收敛速度,特别适用于卫星快速机动过程中的姿态与故障估计。数值仿真结果表明,ATSUKF算法相较于TSUKF算法能有效降低统计特性不准对系统造成的不利影响,实现卫星姿态、执行机构/敏感器故障的快速估计。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。