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.     

一种新的星载GPS定轨滤波算法

针对传统EKF(Extended Kalman Filtering)算法应用于星载GPS(Global Positioning System)低轨卫星定轨时系统噪声方差初值不易确定的问题,提出了一种新的定轨滤波算法.该算法在非线性方程线性化过程中,在前一时刻滤波估值点进行线性化,从而得到扰动方程,并将该扰动方程引入到传统EKF进行滤波处理.该算法与传统EKF分别应用在星载GPS低轨卫星的定轨中,通过比较,结果表明改进的算法在一定程度上抑制了由于系统噪声方差阵选取偏差较大而引起的滤波发散现象,且对于系统噪声方差的初值选取有较强的鲁棒性.      

旋转弹导引头红外角跟踪回路研究

分析了导引头红外末制导角跟踪回路的稳态性能对旋转弹跟踪性能的影响,以及起伏噪声对制导精度的影响,提出了采用二阶无静差角跟踪回路的改进办法.针对改进后的角跟踪回路,计算出了失调角和目标视线角之间的关系,并采用卡尔曼滤波将目标视线角速度准确地估计出来.试验结果表明:二阶无静差系统可以提高旋转弹的跟踪性能,且能够输出满意的制导信号,具有很好的实用价值.     

基于X射线脉冲星的深空探测器自主导航方案

X射线脉冲星自主导航系统可以为深空探测器提供位置、速度、时间和姿态等丰富且自主的导航信息,以X射线脉冲星测得的信息作为量测量,结合轨道动力学方程,对航天器的轨道进行自主估计确定。论文阐述了该方案的导航原理,在借鉴现有航天器导航系统的基础上,提出了基于X射线脉冲星导航的方案,介绍了方案的硬件组成、系统结构,并针对方案中导航敏感器多冗余的特征,给出了基于多传感器组合导航技术的结构,最后用仿真资料对方案做了性能概算和精度估计。     

一种二维耦合模型机动目标跟踪算法

针对雷达跟踪固定翼飞机的单目标跟踪问题,提出了一种新的二维耦合运动模型。该方法把切向加速度和法向加速度作为状态变量,给出了切向加速度和法向加速度为常值时解析计算状态转移的方法。该模型可以较好地一步预测目标加速度的变化,而且法向和切向加速度的过程噪声可以分别设置。利用该耦合模型的滤波方法,显著地改善了滤波效果,尤其是对加速度的估计。     

用SGP4模型和卡尔曼滤波实现空间碎片轨道预报

文章将扩展卡尔曼滤波算法成功应用于求空间碎片的双行元初值及其轨道预报问题。首先推导出扩展的卡尔曼滤波求双行元的计算公式;然后针对地面观测站对空间碎片的监测进行了应用研究,编制了相应的计算程序并进行了数学仿真。结果表明该算法可以较准确地得到监测目标的双行元初值,从而可实现中长期轨道预报。     

具有约束项的自校准卡尔曼实时滤波定轨方法

针对在传统卫星定轨方法中存在的轨道根数解算复杂 ,实时定轨精度低 ,以及系统误差校不准等问题 ,提出并详细阐述了具有约束项的自校准卡尔曼实时滤波定轨方法。该方法复杂度低、实时性强、计算量小 ,仿真结果表明该方法同时具有收敛速度快、定轨精度高的优点 ,具有很好的应用前景     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

一种对车载惯导中平动加速度干扰的处理方法

文章针对车体的频繁加减速所带来的平动加速度对姿态融合的干扰问题，提出了一种对干扰加速度的门限检测和动态隔离算法。首先，搭建了基于MEMS惯性器件的实验平台，其中包括STM32处理器和三轴陀螺仪、加速度计和电磁罗盘等。然后，实现了多轴数据处理和系统状态方程的建立，并采用卡尔曼滤波融合算法，实现了对载体姿态的解算。通过分析干扰加速度对系统输出的影响，根据车体加减速过程中Z轴加速度不敏感的特性，利用输出融合结果反馈的方式，设计了相对加加速度的计算方法，从而实现对干扰的隔离。实验结果表明：该方法能够获得较高的灵敏度，而常规的加速度归一化门限处理方法要延迟1~2个周期。在12次的检测率分析中，二者的测试结果是12:7，证实了该方法的有效性和性能优势。该方法对低成本车载惯导具有一定的参考价值，可以提高系统的融合姿态输出精度。     

基于EMD的MEMS陀螺仪随机漂移分析方法

为了抑制微机械电子系统（MEMS）陀螺仪的随机漂移，基于经验模态分解（EMD）和模态集合选择标准，结合时间序列建模滤波法，提出了一种改进的MEMS陀螺仪随机漂移分析方法。首先，通过EMD将MEMS陀螺仪原始数据分解为多个本征模态函数（IMF），利用模态集合选择标准将IMF分为噪声IMF、噪声与信号混合IMF和信号IMF三类；然后，对混合IMF进行重构、时间序列建模及自适应卡尔曼滤波（AKF）；最后，将3类信号重构，实现MEMS陀螺仪信号去噪。实验表明:所提方法有更好的去噪效果和实时性，提高了MEMS陀螺仪的使用精度。