基于天文观测技术的惯性导航系统的空中对准

提出了一种基于CCD星敏感器的捷联惯性导航系统的空中对准方法.应用双线性方程求解被观测星在星敏感器坐标系中的坐标值及传统最小二乘微分校正法求解捷联惯性导航的姿态,该姿态值与捷联惯性导航解算姿态的差值就是惯性导航系统的失准角.作为Kalman滤波器的观测量,计算机仿真结果表明,天文姿态信息有效地校正了陀螺漂移和初始失准角引起的位置和速度误差.     

基于UKF的四元数载体姿态确定

对于低精度高噪声的传感器组成的低成本姿态测量系统,本文引入U nscen ted K a lm an filtering(UKF)用于姿态确定,设计了有陀螺测量和四元数差分法的无陀螺测量两种UKF滤波器;应用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维参考向量转化为四元数,作为观测量的一部分,使九维非线性观测方程转化为七维线性方程进行滤波,减少了计算量;应用仿真数据进行算法验证,成功得到姿态估计;对两种算法在低速和高速状态下进行验证,仿真结果表明了该方法的有效性。     

推广联合滤波算法在卫星组合定姿系统中的应用

研究了不同模型下的推广联合滤波算法。基于信息融合理论和信息守恒原理，提出信息分配是信息融合的逆过程的观点，给出和证明了信息分配定理，为推广联合滤波算法提供了理论基础。以某卫星组合姿态确定系统为例，详细讨论了推广联合滤波的结构及其实现过程。理论分析和数学仿真结果表明：推广联合滤波算法比现有的联合滤波算法计算量小，且推广联合滤波算法能够同时保证全局最优和局部最优，而现有的联合滤波算法不是局部最优。     

基于线性调频波的有源对消隐身仿真及分析

有源对消隐身技术由于其适用性广、灵活主动及不破坏目标外形等特点而受到重视。针对其技术要求中的快速反应、延时较短的特点,提出了一种基于线性调频（LFM）波的对消系统方案。该方案对入射波采样后进行相位和频率的调制,然后直接转发,使其匹配滤波输出与原入射波的回波输出进行对消;探讨了有源对消技术的电磁学原理并以理想导电无限长圆柱为散射源,对平面波与柱面波的对消效果进行了仿真验证,得出不同视角、平面波与柱面波的夹角都会对对消效果产生影响的结论,且在两列波夹角为0°时达到最佳;推导了进行相位与频率调制的对消后信号输出公式,并利用MATLAB对其进行了仿真验证,结果表明,对消后输出信号峰值由时延脉宽之比决定,带宽对输出信号主峰的宽窄程度有直接影响。      

自适应滤波前馈控制器实现智能旋翼振动的实时控制

主要研究目的是寻求利用智能旋翼概念，将自适应随波前馈控制器应用于直升机旋翼的主动实时振动控制的可行性研究，但自适应控触所需参考信号在实际应用中往往难以获得。本提出利用旋转变压器拾取直升机桨叶旋转信号作为参考信号来解决这一问题。为了实现旋转桨叶和机体之间的双向多路信号的可靠传输，以组成智能旋翼闭环控制系统，本提出了一种非接触信号传输方法，并进行了实时振动控制试验，以验证控制策略、信号传输方法和智能旋翼概念．最后，根据试验结果，讨论了进行高效控制应当如何选择控制参数问题．     

基于磁强计的卫星自主定轨

针对低轨小卫星 ,提出一种低成本的自主导航方法。该方法采用一个三轴磁强计作为测量手段 ,通过卫星所在位置的地磁场强度的量测值与国际地磁场模型 (IGRF)之间的差值来提供导航信息 ,利用推广的卡尔曼滤波技术来确定卫星的轨道。仿真研究的结果验证了该方法的可行性。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

捷联惯导系统大方位失准角下的非线性对准

采用欧拉角描述平台坐标系与导航坐标系间的失准角,推导了适用于捷联惯导系统的非线性误差方程,证明了该方法仅适用于方位误差角为大角度,而水平误差角为小量的情况。数学仿真表明:在方位误差角为大角度情况下,采用所推导的误差方程和非线性滤波技术能获得更高的估计精度。     

基于分散化信息滤波的移动机器人定位

给出分散化信息滤波的最优性证明和保证最优性的条件 ,讨论了分散化信息滤波在故障检测和多传感器融合中的优势 ,提出一种在不影响分散化优势的情况下可以减小通讯量的滤波器结构。最后的仿真例子说明该方法在移动机器人定位应用中的有效性。