弹道导弹GPS/SINS组合制导品质控制研究

给出了可提高战术弹道导弹射击精度的ＧＰＳ／ＳＩＮＳ组合制导模型。在给出多模Ｋａｌｍａｎ滤波（ＭＫＦ）数学模型的基础上和建立了可对ＧＰＳ／ＳＩＮＳ组合制导进行在线故障检测，故障了和系统重构的品质控制方案对于系统的重构，提出了鲁棒性处理方法。仿真结果表明：基于ＭＫＦ的ＧＰＳ／ＳＩＮＳ组合制地与单独捷联惯导相比，可使导弹射击精度和到明显提高，组合地的品质也得到了有效控制。     

二维递归数字滤波器新的时域设计方法

 本之将二维递归数字滤波器的时域设计转化为二维线性移不变差分模型的辨识问题。文中采用一种新的辨识方法,能确定滤波器的阶次和参数矩阵。该方法中运用了实时递推算法,使得初始信息矩阵较小,占用较少的内存空间,故比较实用。文中给出了设计实例。     

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.     

噪声协方差估计新算法在惯性导航系统中的仿真研究

研究一种在动态系统常值误差未知的情况下对线性时变随机系统误差协方差进行估计的新方法。该方法通过构造一个新的时间序列,其协方差由未知参数的线性组合组成,然后用递推最小二乘法来计算新序列的协方差,该方法不需要任何关于噪声的先验知识。从仿真结果来看达到了较好的效果。     

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。     

风场对重力波的滤波现象

对MillstoneHill台站数字测高仪DGS－256漂移探测数据进行的分析表明，背景风场对重力波扰动具有明显的滤波作用．这种滤波效应主要表现为：扰动传播方向具有顺时针旋转的日变化特征，扰动相对出现率峰值出现在扰动传播方向与背景风场方向之间的夹角为180°－225°之间．扰动时空尺度越小，其传播越趋向于逆风场方向．     

基于量测预处理技术的GPS/DR组合算法研究

基于GPS在市区不能实现连续准确定位以及车辆航位推算系统(DR)的自主性,建立了GPS/DR组合的系统以及量测方程。以此为基础,根据GPS以及DR的采样频率的不同,引入量测预处理技术并用于GPS/DR的组合算法中,进而建立了采用量测预处理技术的卡尔曼滤波方程,最后通过实际的动态试验,论证了上述算法,并得出相应的结论。     

基于“当前”统计模型的卡尔曼滤波在北斗单向授时中的应用

为了提高北斗单向授时的授时精度,提出了一种基于“当前”统计模型的卡尔曼滤波单向授时方法。将“当前”统计模型应用于接收机时钟频率漂移的建模以建立状态方程,使用经过卡尔曼滤波后的钟差和钟速对本地时钟进行修正。实验结果表明,在选取合适的机动频率和最大频率漂移的情况下,相比于未滤波修正,温补晶振时钟的峰峰值最多可以减小36.7%,标准差最多可以减小42.5%;恒温晶振时钟的峰峰值最多可以减小71.8%,标准差最多可以减小67.0%。基于“当前”统计模型的卡尔曼滤波单向授时方法,可以有效地降低观测量的误差与噪声对于接收机钟差与钟速的影响,从而提高授时精度。     

末制导雷达/惯性复合导航算法

研究了末制导雷达/惯导的复合导航算法,当导弹攻击慢速移动目标时,可以根据惯导输出和雷达信息,采用Calson滤波算法估计出目标的位置信息和惯导误差,从而修正目标运动和惯导误差。仿真表明,Calson滤波算法能较好地提高制导精度。