平方根滤波算法在传递对准误差评估中的应用

传递对准误差评估,通常需要进行顺序Kalman滤波及逆序平滑处理。在递推处理过程中,系统状态均方误差阵常常失去非负定性而导致滤波发散。将平方根滤波应用于对准误差的评估中,采用平方根滤波和平方根平滑算法进行弹载子惯导系统的传递对准误差评估,能够保证状态均方误差阵的正定性,并且提高了滤波的收敛速度和评估的误差,为传递对准提供了一种有效的误差评估方法。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。     

Autonomous navigation of formation flying spacecrafts in deep space exploration and communication by hybrid navigation utilizing neural network filter

Autonomous navigation of spacecrafts is a difficult task, however, which is a must in future deep space exploration. With multiple spacecrafts flying in space, this aim can be achieved by formation flying spacecraft (FFS) utilizing inverse time difference of arrival (ITDOA) and inverse difference Doppler (IDD) methods, which can locate the position of earth-station from one-way uplink signals in the FFS coordinate, and by way of conversion of coordinates, the position of FFS is achieved in earth-centered earth-fixed (ECEF) coordinate. The ability of neural network (NN) filter in navigation to extract position of spacecrafts from random measuring noise of signal arrival time and Doppler shift is studied with different radius of FFS and surveying parameters. The NN filter used by spacecraft group is new way of unidirectional autonomous navigation and is of high precision of hybrid navigation.     

基于源项辨识的飞机座舱污染浓度动态预测

随着大型民机飞行时间的延长,座舱空气污染事故发生概率也随之增大,快速准确的污染浓度预测对保证乘客生命安全具有重要意义.座舱各污染浓度的动态预测和污染源项强度辨识是实现座舱空气质量实时预测的关键技术.污染源项散发强度辨识,如采用最小二乘算法,参数估计是静态的,一般延迟较大;如采用单模卡尔曼滤波算法,虽能实现动态辨识,但不能同时兼顾稳态和过渡过程(突发污染)的参数估计性能,导致误差较大.为解决上述难题,本文提出基于源项辨识的飞机座舱污染浓度动态预测方法,同时完成污染源散发强度动态辨识和污染浓度状态实时预测.该算法由2个滤波器组成,分别用于匹配系统的稳态和突发过渡过程特征,提高浓度方程参数估计和状态预测性能,保证飞机座舱空气质量态势预测的快速性和准确性.仿真结果证实了该算法的有效性.     

空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

基于修正罗德里格参数的小卫星SSUKF姿态确定

用无陀螺的三轴稳定偏置动量小卫星三轴磁强计和太阳敏感器获得观测矢量,提出了一种基于超球面分布采样Unscented变换滤波(SSUKF)和修正罗德里格参数(MRPs)的姿态估计方法,给出了算法模型.SSUKF在保证滤波性能的基础上减少了采样点个数,减轻了星载计算机的负载;用MRPs描述小卫星姿态大幅减少了计算量.某小卫星的仿真结果表明:算法兼顾了精度、收敛速度和鲁棒性,且提高了计算效率,适于小卫星.     

一种新的双复权雷达干扰自动对消系统研究

复杂电磁干扰环境下,雷达干扰对消系统性能发挥受到了挑战.针对对消系统面临的这一问题,分析了干扰对消的基本原理,并对影响对消性能的主要因素进行了深入探讨.在此基础上,设计了单延迟节FIR滤波器双复权对消系统,大大减小了空间波程差和通道不一致性对对消系统造成的不良影响.仿真结果验证了系统的有效性.     

一种基于多相滤波器的信道化数字检波方法

提出了一种基于多相滤波器的信道化数字检波方法,该方法可以满足雷达脉冲检波的实时性和大带宽的要求,抽取运算在滤波之前,运算量小,结构高效,易于在可编程大规模集成电路上实现.     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊 观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概 率假设密度(probability hypothesis density,PHD)粒子滤波方法。这种方法首先利用 粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就 是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理 后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多 目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能 好于去模糊情况。