The Marginal Rao-Blackwellized Particle Filter for Mixed Linear/Nonlinear State Space Models

In this paper, the marginal Rao-Blackwellized particle filter （MRBPF）, which fuses the Rao-Blackwellized particle filter （RBPF） algorithm and the marginal particle filter （MPF） algorithm, is presented. The state space is divided into linear and non-linear parts, which can be estimated separately by the MPF and the optional Kalman filter. Through simulation in the terrain aided navigation （TAN） domain, it is demonstrated that, compared with the RBPF, the root mean square errors （RMSE） and the error variance of the nonlinear state estimations by the proposed MRBPF are respectively reduced by 29% and 96%, while the unique particle count is increased by 80%. It is also found that the MRBPF has better convergence properties, and analysis has shown that the existing RBPF is nothing more than a special case of the MRBPF.     

飞行振动测量数据处理中数字滤波器的设计

简要论述了飞机飞行振动测量的目的及数据处理的重要意义 ;阐述了数字滤波器的工作原理和种类 ;重点介绍了使用matlab语言设计数字滤波器的一种方法。     

一种基于模糊遗传算法的多传感器多目标跟踪数据关联算法

基于模糊遗传算法发展了一种新的数据关联算法。数据关联的静态部分靠一个模糊遗传算法来得出量测组合序列和S-D分配的m个最优解。在数据关联的动态部分，将得到的S-D分配的m个最优解在一个基于多种群模糊遗传算法的动态2D分配算法中依靠一个卡尔曼滤波估计器估计出移动目标各个时刻的状态。这一基于分配的数据关联算法的仿真试验内容为被动式传感器的航迹形成和维持的问题。仿真试验的结果表明该算法在多传感器多目标跟踪中应用的可行性。另外，对算法发展和实时性问题进行了简单讨论。     

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。     

自适应卡尔曼滤波实时性研究及其应用

自适应卡尔曼滤波在估计系统状态的同时，也估计系统噪声统计值，因而计算量很大，通常在实际的应用中，其实时性很难保证。通过在ＴＭＳ３２０Ｃ３０芯片上实现惯性导航系统／全球定位系统（ＩＮＳ／ＧＰＳ）组合导航系统的自适应卡尔曼滤波可以看出，采用ＴＭＳ３２０Ｃ３０芯片来解决自适应卡尔曼滤波的实时性问题是可行的。     

基于随机机动模型和落点预测的制导律设计

针对自旋弹体低成本制导律设计问题,提出了一种基于落点预测的新型制导律设计方法。采用随机机动模型和自适应卡尔曼滤波器估计弹体的飞行状态,并解析求解弹体落点预测值,根据落点预测值与目标的偏差生成制导指令。该制导律不依赖于弹体气动参数和弹体运动方程的在线数值求解,避免了常规基于落点预测的制导律所带来的在线计算成本。根据自旋火箭弹的非线性数学模型,通过数值仿真检验了所提制导律在标称参数条件和参数受扰条件下的性能。通过与比例制导律进行制导性能对比,结果表明:所提制导律的制导性能在绝大多数情况下优于比例制导律。      

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。     

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。     

基于随机有限集的空间碎片群运动状态估计

传统的空间目标监测是建立在单目标状态估计基础之上,在面对突发产生的大量空间碎片时,由于碎片尺寸小,且密集分布以"群"的方式出现,传统单目标处理方法很难奏效。以"群"整体作为处理对象,基于随机有限集(RFS)技术,对"群"的状态特征进行估计。为了解决漏检目标密度分配问题和轨迹关联问题,提出一种面向量测的改进集势概率假设密度(CPHD)滤波器,并结合滤波后的信息处理过程,完成了对低轨空间碎片群的目标密度分布、群内目标数以及群内显著目标的状态估计。在仿真实验中,提出的滤波器表现明显优于传统滤波器和标准CPHD滤波器,且在某些传统滤波器和标准CPHD滤波器已失效的情况下,所提技术仍能有效工作。