基于AEKF的永磁同步电机转速估计算法研究

针对在转速估算研究中采用常数矩阵不能准确描述永磁同步电机(PMSM)在不同运行条件下系统噪声的问题,提出了一种基于新息序列和状态残差的自适应扩展卡尔曼滤波算法(AEKF)。同时,对AEKF的稳定性进行理论上的探究。经仿真验证,与传统扩展卡尔曼滤波算法相比,AEKF在收敛速度和收敛精度上更优,参数鲁棒性更好。     

巡航导弹领弹——从弹协同攻击末段

为了提高巡航导弹打击效果,协同攻击成了未来作战的必然趋势.基于此背景,在巡航导弹领弹——从弹协同攻击策略的基础上,提出了一种末段目标定位策略,对固定目标的定位进行了研究,讨论了基于扩展Kalman滤波(EKF)的无源定位方法.     

基于伪距伪距率的双星定位系统/SINS组合导航系统的研究与仿真

双星定位是我国建立起来的一种区域性定位系统(GAPS)。文中介绍了双星定位的基本原理,根据其接收机的特点,论证了双星定位与惯导组合的必然性。建立了其组合的状态、观测方程,仿真结果表明了该组合方法的可行性。     

INS/GPS组合导航系统故障检测问题研究

提出了一种新的故障检测方案。该方案由卡尔曼滤波 ,得到新息序列 ,利用大数定律对新息序列的稳定性进行检验 ,来判别系统是否出现了故障。同时提出了故障状态下卡尔曼滤波的修正算法。数值仿真结果表明 ,该方法能有效地检测出 INS/GPS组合导航系统的故障 ,保证了 INS/GPS组合导航系统的安全性和可靠性     

航空制导炸弹SINS/GPS组合导航系统的设计

针对某型航空制导炸弹设计了SINS/GPS组合导航系统,考虑到制导航弹的高精度、低成本的特殊要求,系统采用了基于挠性陀螺的IMU作组合,而导航计算机采用基于“浮点DSP FPGA”的主从式多处理机模式,具有实时性好、运算精度高等优点,同时文章讨论了系统软件的详细设计,包括系统自检、初始对准、惯导解算、信息融合等模块的设计及部分核心算法的实现,最后对原理样机进行了地面跑车试验,试验结果表明系统的设计是成功的,利用该方案设计的原理样机能够满足实际要求。     

Kalman滤波工程应用问题分析及改进方法研究

Kalman滤波方法是理论成熟和工程应用广泛的估计方法。但在工程实际中，因原始数据质量和各种初始条件的变化，Kalman滤波经常出现不收敛的现象，尽管理论上有许多克服滤波发散的机制，但工程应用效果并不明显。本文从数据残差入手，提出了改进增益矩阵的滤波方法。经仿真计算证明，该方法有效的解决了滤波发散问题，并极大的提高了估计精度。     

自适应广义卡尔曼滤波器在反辐射导弹中的应用

抗目标辐射源关机的能力是反辐射导弹的关键战术技术性能之一，采用增广状态的广义卡尔曼滤波（EKF）与Sage－Husa自适应滤波相结合的方法，解决了在被动雷达导引头测量存在常值偏差和随机噪声，且随机噪声方差未知情况下所测角度的滤波问题，从而在目标辐射源关机时刻较精确地建立起目标视线在惯导坐标系中的方位坐标（简称惯性基准），进而利用速度追踪法导引导弹攻击目标。给出了以某型导弹为背景的全空间弹道数学仿真结果。     

区间卡尔曼滤波算法在高动态导航的研究

针对卡尔曼滤波算法中动力学系统模型以及噪声模型不能精确已知,导致卡尔曼滤波算法在实际中不能实现最优估计。首先分析了传统卡尔曼滤波算法中各种误差源的影响,以及区间矩阵运算的影响,经分析得到,区间运算可以保证集合映射的完全性,但不能体现最优化。通过分析,本文提出了一种新型的区间卡尔曼滤波,将各种误差源归约到先验估计值区间和后验估计值区间中,然后将区间交集运算应用于卡尔曼滤波算法。这种新算法运算量与传统卡尔曼滤波算法相当。通过仿真实验证实,该算法在含时变噪声的高动态导航定位中比传统卡尔曼滤波效果提高2dB。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

一种纯距离跟踪滤波器的改进算法

针对纯距离目标跟踪可观测程度较低的问题,提出一种基于角度参数的纯距离目标跟踪改进算法。文中方法将系统的观测区间范围划分为若干个子扇区,每个子扇区采用一个独立的加权扩展卡尔曼滤波器进行纯距离跟踪,利用贝叶斯理论来修正各滤波器的权重,系统的输出为各并行运行的滤波器估计值的加权和,最终获得目标的运动轨迹。系统的仿真结果表明,方法收敛速度快,跟踪精度高于扩展卡尔曼滤波器的跟踪精度。