基于陀螺和四元数的EKF卫星姿态确定算法

为保证卫星姿态确定的高精度，利用星敏感器提供的姿态四元数，结合扩展卡尔曼滤波（EKF）对陀螺漂移和安装误差进行实时补偿。建立了滤波器数学模型，并通过数学仿真获得了算法的理论精度，同时分析了星敏感器安装误差对姿态确定的影响。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

对运动辐射源的单站无源伪线性定位跟踪算法

本文针对只测向单站无源定位中推广卡尔曼滤波（EKF）算法具有不稳定性等缺点，在只测向（BO）定位算法的基础上增加方位角速率观测信息，提出了一种对运动辐射源的单站伪线性卡尔曼滤波定位方法并进行了计算机仿真，它相对于只测向方法提高了定位误差的收敛速度。它可用于无源侦察监视或导弹制导等要求快速收敛的场合。     

卡尔曼滤波器在战术导弹导航系统中的应用

研究了一种战术导弹的导航滤波器。在中制导段以地面雷达作为测量单元，应用最优估计理论，设计了被称为导航滤波器的广义卡尔曼滤波器，以便于提供目标的运动状态信息。建立了导航滤波器的数学模型，并进行了公式推导和数字仿真分析。仿真结果表明，该方案能有效地估计大机动目标的运动状态信息。     

自适应两步滤波器及其在导弹被动制导中的应用

两步滤波器由Ｋａｌｍａｎ滤波器和Ｇａｕｓｓ－Ｎｅｗｔｏｎ迭代算法所构成，它适用于一类由线性动态模型和非线性测量模型所组成的非线性系统。本文将这种滤波器与时变测量噪声统计估值器相结合，得到一种自适应两步滤波器，在测量噪声统计特性无法验前已知的情况下，此滤波器仍然性能良好。最后，本文将自适应两步滤波器应用于导弹的被动制导问题，数字仿真结果证明了这种算法的有效性。     

基于FPGA的数字锁相环的设计

介绍数字锁相环的基本结构,详细分析基于FPGA的数字锁相环的鉴相器、环路滤波器、压控振荡器各部分的实现方法,并给出整个数字锁相环的实现原理图。仿真结果表明,分析合理,设计正确。     

用卡尔曼滤波器估计目标机动加速度

为了使基于线性二次型高斯理论的LQG最优制导规律得到工程应用，设计了一种寻的回路中的卡尔曼滤波器，利用仿真技术，用这种滤波器对目标机动加速度进行了估计，仿真结果表明，这种滤波器可以准确估计目标机动加速度。     

GPS/惯性组合方式讨论与导航精度分析

 本文讨论GPS/惯性组合两种方式的优缺点。并以GPS伪距和伪距率与惯导组合为例,按GPS测量误差的不同,以及使用差分机等情况,仿真计算了机载使用的组合导航性能,进行了详细的精度分析。结果表明,这种组合的导航精度比GPS和惯导各自的导航精度高。在采用差分GPS机与惯导组合后,位置误差将进一步减少,使组合导航具有开辟例如飞机进场着陆等新的使用领域的可能性。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

涡扇发动机变参数鲁棒H_∞滤波器设计

针对存在建模误差及测量噪声干扰条件下的涡扇发动机性能参数估计问题,标准卡尔曼滤波及其改进算法滤波估计误差收敛速度慢,滤波估计精度低,对不确定测量噪声及建模误差较为敏感,为此本文提出了一种变参数鲁棒H_∞滤波器设计方法。该方法采用仿射参数依赖Lyapunov函数设计满足H_∞性能指标要求的鲁棒滤波器,通过引入凸多胞技术,将参数依赖线性矩阵不等式(Linear Matrix Inequality,LMI)中变参数Lyapunov矩阵与系统系数矩阵之间耦合乘积导致的非凸优化问题,转化为常规LMI约束下的凸优化问题进行求解,降低了线性变参数(Linear Parameter Varying,LPV)鲁棒滤波器设计的保守性,得到了全局解。针对涡扇发动机的仿真结果表明:与扩展卡尔曼滤波器对比,采用该方法设计的滤波器具有较快的动态跟踪速度和较高的滤波精度,ΔFn的稳态估计误差不大于0.1%,ΔFn的相对估计误差不大于2.5%,同时对建模误差和测量噪声干扰具有较强的抑制能力。