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。     

一种新的基于姿态四元数匹配的传递对准方法

设计了一种新的姿态四元数匹配传递对准方法,并以载机姿态四元数与弹体姿态四元数的四元数乘积作为量测量,推导了姿态四元数匹配量测方程。通过理论分析,得出了载机平台失准角、弹体平台失准角、弹体安装误差角和机翼颤振变形角为小量的情况下,这些量与量测量之间的关系。推导了传统的姿态角匹配传递对准方法量测方程,与之相比,姿态四元数匹配量测方法明显降低了计算量,并分别对两种姿态匹配方法进行了仿真,仿真结果表明：新的姿态四元数匹配方法与传统姿态匹配传递对准方法具有相同的精度。     

对地观测卫星访问区域目标时间窗口快速算法

为减少对地观测卫星访问区域目标时间窗口的计算,根据建立的卫星对区域目标的观测模型,提出了卫星观测区域目标时间窗口的大圆近似快速算法,给出了算法具体步骤。仿真算例结果表明:时间窗口起点误差小于0.5 s,时间窗口长度误差小于0.723%,计算时间减少了99.87%.     

基于广义卡尔曼滤波的伪距组合GPS/INS导航

提出了一种利用广义卡尔曼滤波进行GPS/INS组合导航的技术 ,同时给出了一种最优选星算法。采用间接的反馈校正设置 ,直接利用伪距数据和不受噪声污染的星历数据。利用该方法 ,组合导航精度高 ,在导航过程中若丢失GPS信息 ,短时间内单纯INS的导航精度仍能保持。恢复GPS信号后组合系统继续正常工作。     

复杂电磁环境下组网雷达对隐身目标的跟踪研究

在复杂电磁环境背景下,研究了组网雷达基于粒子滤波算法对隐身目标的跟踪滤波问题,建立了雷达观测方程和隐身目标的多基地雷达截面积模型,分析了基于U PF的组网雷达目标跟踪滤波算法。利用计算机仿真验证了复杂电磁环境下组网雷达利用粒子滤波技术跟踪隐身目标的有效性,并对几种跟踪算法的效率进行了比较。     

INS/SAR组合定位技术研究

主要研究了INS/SAR组合对运动目标的定位算法。首先,建立了INS/SAR组合定位系统数学模型;其次,基于卡尔曼滤波方法和alpha-beta滤波方法完成了INS/SAR组合定位算法设计;最后,考虑组合导航系统误差及导引头测量误差,对定位算法进行了数字仿真及性能分析。仿真结果表明,所设计的INS/SAR组合定位算法在远距对运动目标具有较高的定位精度。     

欠观测条件下的扩展增量 Kalman 滤波方法

建立欠观测条件下的非线性增量量测方程,并给出其线性化方法,在此基础上提出一种欠观测条件下的扩展增量Kalman滤波(EIKF)模型及其递推算法.工程实际中,由于环境因素的影响、测量设备的不稳定性等原因往往带来未知的系统误差,传统的扩展Kalman滤波(EKF)无法对这种未知的系统误差进行补偿和校正,结果产生较大的滤波误差,甚至导致发散.提出的扩展增量Kalman滤波方法能够成功地消除测量的系统误差,从而有效地提高非线性滤波的精度.该方法计算简单,便于工程应用.      

无迹增量滤波方法

提出无迹增量滤波(UIF)的概念,建立一般无迹增量滤波模型及其分析方法,并对具有加性噪声的无迹增量滤波进行了详细讨论,给出其递推算法.在工程实际中,由于环境因素的影响、测量设备的不稳定性、模型和参数的选取不当等原因往往带来未知的系统误差.在这种情况下,传统的无迹Kalman滤波方法(UKF)在递推过程中会产生较大误差,甚至导致发散.提出的无迹增量滤波方法能够成功消除这种未知的系统误差,提高滤波的精度.该方法计算简单,便于工程应用.      

自适应无迹增量滤波方法

提出自适应无迹增量滤波(AUIF)的概念和定义,建立自适应无迹增量滤波模型及其分析方法,给出递推算法.传统的滤波方法极少关注量测方程的系统误差.在许多实际情况(如深空探测),量测方程由于受环境因素及测量设备不稳定等影响往往无法进行验证或校准而存在未知的系统误差,并且模型参数和噪声统计量也具有不确定性.这种不确定性会使递推过程产生较大误差,甚至导致发散,从而降低滤波精度.提出的AUIF能够成功消除这种未知的系统误差,也能够实时估计变化的噪声统计量,提高滤波精度.该方法计算简单,便于工程应用.      

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。