Multi-EAP:Extended EAP for multi-estimate extraction for SMC-PHD filter

The ability to extract state-estimates for each target of a multi-target posterior, referred to as multi-estimate extraction (MEE), is an essential requirement for a multi-target filter, whose key performance assessments are based on accuracy, computational efficiency and reliability. The probability hypothesis density (PHD) filter, implemented by the sequential Monte Carlo approach, affords a computationally efficient solution to general multi-target filtering for a time-varying num-ber of targets, but leaves no clue for optimal MEE. In this paper, new data association techniques are proposed to distinguish real measurements of targets from clutter, as well as to associate par-ticles with measurements. The MEE problem is then formulated as a family of parallel single-estimate extraction problems, facilitating the use of the classic expected a posteriori (EAP) estima-tor, namely the multi-EAP (MEAP) estimator. The resulting MEAP estimator is free of iterative clustering computation, computes quickly and yields accurate and reliable estimates. Typical sim-ulation scenarios are employed to demonstrate the superiority of the MEAP estimator over existing methods in terms of faster processing speed and better estimation accuracy.     

ALGORITHMS FOR TRACKING MANEUVERING TARGET WITH PHASED ARRAY RADAR

Ｓｉｎｃｅｐｈａｓｅｄａｒａｙｒａｄａｒｃａｎａｌｏｃａｔｅｔｈｅｒａｄａｒｒｅｓｏｕｒｃｅｓｆｌｅｘｉｂｌｙ，ｉｔｈａｓｔｈｅｐｏｔｅｎｔｉａｌｔｏｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｃｋｉｎｇｍａｎｅｕｖｅｒｉｎｇｔ...     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

用最小二乘法确定卫星间相对姿态

为确定多卫星编队飞行时卫星的相对姿态，采用坐标系的空间变换，用最小二乘法计算两卫星本体坐标系间的旋转参数。给出了方法的基本原理、步骤、方法和适用条件。     

一种非线性状态估计器的算法实现与解耦简化

本文以机载火控系统中的目标状态估计器(TSE)为例,探讨了一类非线性状态估计器的算法及简化方法。文中给出了TSE的数学模型,分析了其特点,并作了形式上的变换;而后用最优卡尔曼滤波算法实现了状态估计。最后,利用其结构特点,作了算法解耦,故大大减少了计算量和计算机内存,获得了令人满意的估值精度。     

基于Adaline网的航空发动机自适应控制

根据发动机模型非线性、关系式呈隐性和具有不确定性的工作特点，提出了一种基于Adaine网的发动机自适应控制方案，该方案中的神经网络辩识器和神经网络控制器均采用两层线性Adaline网，权值采用Widrow-Hoff δ学习规则更新。仿真结果表明这种方法具有方案简单、稳定性好、实时性好等优点，可在全飞行包线内对发动机进行在线控制。     

基于机载实时模型的发动机执行机构 故障状态参数估计

为了对发动机的主燃烧室供油量控制器、喷管喉部面积控制器、风扇进口可调导叶角度控制器、压气机进口可调导叶角度控制器进行故障诊断,建立了基于简化n+1残量方法的非线性机载实时模型,并结合常增益扩展卡尔曼滤波器建立执行机构控制参数估计器,利用非线性部件级模型模拟飞行包线内发动机执行机构的软故障.仿真结果表明:执行机构控制参数估计器在飞行包线内能实现较高精度估计,且具有较好的稳定性.     

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

基于星间链路的多星系统分散定轨算法

介绍了一种基于星间链路信息的多星系统自主导航方法。首先以星间相对位置矢量为观测量建立两星系统的观测方程,采用强跟踪滤波(STF)算法进行集中定轨,获得卫星的参考轨道信息。在此基础上,建立单星的观测方程,然后使用加权最小二乘估计器和卡尔曼滤波器进行单星轨道确定,从而实现了一种不需要长期轨道预报信息的分散定轨算法。数学仿真表明,该算法是可行的,且具有较好的定轨精度。