Multi-EAP:Extended EAP for multi-estimate extraction for SMC-PHD filter

The ability to extract state-estimates for each target of a multi-target posterior, referred to as multi-estimate extraction (MEE), is an essential requirement for a multi-target filter, whose key performance assessments are based on accuracy, computational efficiency and reliability. The probability hypothesis density (PHD) filter, implemented by the sequential Monte Carlo approach, affords a computationally efficient solution to general multi-target filtering for a time-varying num-ber of targets, but leaves no clue for optimal MEE. In this paper, new data association techniques are proposed to distinguish real measurements of targets from clutter, as well as to associate par-ticles with measurements. The MEE problem is then formulated as a family of parallel single-estimate extraction problems, facilitating the use of the classic expected a posteriori (EAP) estima-tor, namely the multi-EAP (MEAP) estimator. The resulting MEAP estimator is free of iterative clustering computation, computes quickly and yields accurate and reliable estimates. Typical sim-ulation scenarios are employed to demonstrate the superiority of the MEAP estimator over existing methods in terms of faster processing speed and better estimation accuracy.     

ALGORITHMS FOR TRACKING MANEUVERING TARGET WITH PHASED ARRAY RADAR

Ｓｉｎｃｅｐｈａｓｅｄａｒａｙｒａｄａｒｃａｎａｌｏｃａｔｅｔｈｅｒａｄａｒｒｅｓｏｕｒｃｅｓｆｌｅｘｉｂｌｙ，ｉｔｈａｓｔｈｅｐｏｔｅｎｔｉａｌｔｏｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｃｋｉｎｇｍａｎｅｕｖｅｒｉｎｇｔ...     

一种基于AUKF的航天器自主导航算法

 将非线性Sage-Husa噪声估计器与无迹滤波器(UKF)相结合,提出了一种新型的自适应无迹滤波器(AUKF).对基于AUKF的航天器自主导航系统进行了计算机仿真,仿真结果表明,对于存在测量偏差的自主导航系统,AUKF的导航滤波精度较传统的扩展卡尔曼滤波器(EKF)有显著的提高.进而,针对航天器自主导航系统测量偏差周期时变的特点,提出了提高偏差估计精度的改进算法.仿真结果表明,在适当增加计算量的条件下,利用偏差估计改进算法的AUKF能够进一步提高自主导航系统的导航精度.     

用最小二乘法确定卫星间相对姿态

为确定多卫星编队飞行时卫星的相对姿态，采用坐标系的空间变换，用最小二乘法计算两卫星本体坐标系间的旋转参数。给出了方法的基本原理、步骤、方法和适用条件。     

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。     

基于机载实时模型的发动机执行机构 故障状态参数估计

为了对发动机的主燃烧室供油量控制器、喷管喉部面积控制器、风扇进口可调导叶角度控制器、压气机进口可调导叶角度控制器进行故障诊断,建立了基于简化n+1残量方法的非线性机载实时模型,并结合常增益扩展卡尔曼滤波器建立执行机构控制参数估计器,利用非线性部件级模型模拟飞行包线内发动机执行机构的软故障.仿真结果表明:执行机构控制参数估计器在飞行包线内能实现较高精度估计,且具有较好的稳定性.     

导频脉冲载波频率的快速捕获与跟踪

针对短时导频脉冲载波频率的同步问题,提出一种快速捕获和跟踪方法.该方法采用相位推算法进行快速载波频率初估计,完成频率的捕获.相位推算法首先利用最小二乘法估计实采样点的相位,再应用相位解卷、一元线性回归和最小二乘法拟合求取信号频率的估值,其测频精度优于常用的Prony算法,在高信噪比情况下逼近实正弦信号的Cramer-Rao界.应用数字下变频和Kay算法实现频率的跟踪,通过建立仿真模型,验证其跟踪精度优于叉积自动频率控制环.在给出的设计实例中,对于脉宽为1ms的导频脉冲,在信噪比大于13dB的情况下,环路频率跟踪的最大误差小于3Hz.      

一种非线性状态估计器的算法实现与解耦简化

本文以机载火控系统中的目标状态估计器(TSE)为例,探讨了一类非线性状态估计器的算法及简化方法。文中给出了TSE的数学模型,分析了其特点,并作了形式上的变换;而后用最优卡尔曼滤波算法实现了状态估计。最后,利用其结构特点,作了算法解耦,故大大减少了计算量和计算机内存,获得了令人满意的估值精度。     

基于相关性分析和神经网络的直接推力控制

传统的发动机控制是将一些可测量参数作为被控制量,如转速和压比,因为可由它们推算出推力。但由于推算的过程不准确,为保证发动机安全运行,在发动机的设计过程中常常保留了较大的裕度。而直接推力控制可以降低这些裕度,充分发挥发动机的性能。针对在飞行中推力无法直接测量的情况,本文使用了相关性分析和神经网络技术设计了非线性推力估计器,使用若干测量参数作为输入,实时计算出发动机的推力值。并针对发动机使用的实际情况,使设计出的估计器不但可以估计额定发动机的推力,而且可以估计非额定发动机的推力。在仿真结果中,估计出的推力跟踪上了正常和非额定发动机的推力。