基于改进滑动时间窗口的国产民用飞机APM参数筛选研究

合适的飞行性能监测（APM）参数筛选方法可实现国产民用巡航飞机性能监控参数的高效筛选,为飞机性能分析计算提供可靠的数据基础。在无迹卡尔曼滤波（UKF）中引入 Sage-Husa 噪声估计器,构造自适应无迹卡尔曼滤波（AUKF）,利用 AUKF 对快速存取记录器（QAR）数据进行降噪;给出稳定巡航参数筛选的标准,采用改进滑动时间窗口算法对稳定巡航参数进行筛选,并通过国产 ARJ21 飞机的样本数据进行验证。结果表明：自适应无迹卡尔曼滤波算法能够提高数据的可靠性,改进滑动时间窗口算法使筛选效率提高约 50%。     

一种用于深空高动态微弱信号的频率估计算法

研究了低载噪比与高动态环境下的深空测控系统频率估计算法,在分析已有方法不足的基础上,提出了一种基于无迹卡尔曼滤波(UKF)的闭环载波跟踪方法。此方法结合了锁频环鉴别器和UKF的优点,获得了宽的估计范围,高的估计精度和低的载噪比门限。在分析UKF模型的基础上,此方法还减少了原有UKF算法的运算量。仿真过程模拟了接收机的高动态运动轨迹,结果表明此法具有较好的动态适应能力、收敛性能和跟踪精度,能够有效地完成低载噪比与高动态环境下的频率估计。此法与基于扩展卡尔曼滤波(EKF)的频率估计算法相比,具有更低的频率估计误差,因此有着良好的应用前景。     

自适应SCKF在高动态COMPASS信号参数估计中的应用

高动态环境下北斗二号导航信号具有较高的非线性特性,载波参数估计难以保证较高的精度。在分析高阶非线性载波模型的基础上,提出了一种基于平方根容积卡尔曼滤波（SCKF）的自适应滤波算法,对载波相位及其三阶导数进行估计。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,且在迭代滤波过程中,利用移动窗口法通过最新量测信息来改进过程噪声和量测噪声的协方差阵,可获得较高的估计精度。仿真结果表明,相比EKF和SCKF,本文提出的方法具有更高的估计精度和更快的收敛速度。     

INS/GPS组合导航在大失准角情况下行进对准技术的研究

针对行进中对准初始航向角为大失准角的问题,提出了把航向信息耦合到Kalman滤波器量测方程中的方法使航向角收敛。通过激光惯导跑车试验数据分析,在大失准角情况下,航向角都能快速的收敛,对捷联惯性导航系统在行进中初始对准领域的推广应用具有实际意义。     

基于IMM-UKF的航天器相对位姿确定算法

在航天器相对导航过程中,相对距离测量信息容易受到干扰,测量误差有较大的不确定性,通常基于单一模型的滤波算法无法对噪声进行辨识,很难获得精确的导航结果。针对应用Clohessy-Wiltshire(C-W)方程受到圆轨道假设的限制问题,研究了建立在惯性坐标系下的近距离相对运动方程(Lawden方程),建立了基于这两个方程的模型集。根据导航系统测量敏感器的特点,设计基于Rodrigues参数及无迹卡尔曼滤波(UKF)的交互式多模型(IMM)视觉相对位姿动态估计算法(IMM-UKF),在保证计算效率的前提下,确保相对轨道姿态确定的稳定性和精确性。数值仿真验证了算法的有效性和先进性。     

机会传感网中一种自适应链路侦测数据收集算法

提出了一种自适应链路侦测的数据收集算法,以提高机会传感网链路的预测精度与传输成功率:采用自适应链路侦测算法测量出各节点的实时网内链路质量权重因子,结合节点能量消耗模型,通过基于无味卡尔曼滤波的概率预测方法对节点间的链路质量进行量化计算,实现节点对通信链路的实时自适应预测与最优化选择,从而完成数据收集.仿真实验结果表明:新算法提高了最优化路径决策的预测精度,可以有效地增加消息的平均通信成功率,降低消息的平均传输延时.     

基于对偶数的航天器多特征融合相对导航算法

针对基于视觉的航天器相对导航问题,利用对偶数推导并给出了航天器相对耦合动力学方程,该方程一体化描述了追踪航天器相对于目标航天器的姿态运动和轨道运动,且考虑了由非质心点引起的相对姿态与相对轨道之间的耦合影响。在对偶代数的框架内,统一描述了目标航天器上的特征点和特征线,并基于特征点、线在像平面的投影建立了多特征融合的单目视觉测量模型。最后通过对系统状态方程以及测量方程的线性化,应用迭代扩展卡尔曼滤波(IEKF)算法对非质心点的相对运动状态进行了估计。仿真结果表明,本文的算法能够对航天器非质心点的相对运动状态进行较高精度的估计。     

自适应渐消EKF方法及其在卫星跟踪中的应用

针对在系统不能确切建模或模型误差随时间改变等场合下,传统扩展卡尔曼滤波方法及其改进算法估计误差较大甚至引起滤波发散等问题,将基于新息序列对状态噪声协方差矩阵实时估计的方法引入到渐消EKF中,提出了一种自适应渐消扩展卡尔曼滤波方法,推导了相关公式并详细给出了新方法的计算流程。采用单星对卫星仅测角被动定轨跟踪的例子对算法性能进行了对比分析。仿真结果表明,与传统EKF方法及其改进算法相比,该方法在估计精度、滤波收敛速度以及对初始状态误差的适应性等方面,显著提高了非线性滤波器的性能。     

基于Sigma-point卡尔曼滤波的INS/Vision相对导航方法研究

针对无人机编队常用的leader-follower(领航-跟随)飞行模式,提出了一种考虑视觉导航设备输出时间延迟问题的INS/Vision相对导航方法,给出了leader与follower之间的相对惯导方程以及相对视线矢量测量原理.由于INS/Vision相对导航系统是一个强非线性系统,采用Unscented卡尔曼滤波融合相时惯导信息和相对视线矢量信息,从而估计出leader与follower之间的相对位置、相对速度和相对姿态,受姿态四元数的归一化限制,在滤波中采用罗德里格斯参数作为姿态误差状念,对于视觉导航系统量测量存在时间延迟的问题,给出了延迟后的量测量与当前惯导信息融合的方法,最后通过仿真研究证明了方法的有效性.     

近似二阶扩展卡尔曼滤波方法研究

 在综合考虑计算量和估计精度的情况下,提出一种新的非线性滤波方法——近似二阶扩展卡尔曼滤波（AS-EKF）方法。该方法基于线性最小方差递推滤波框架,对均值的非线性变换采用二阶近似,其精度高于扩展卡尔曼滤波（EKF）采用的一阶近似。通过计算机仿真表明该滤波方法对非线性系统的滤波精度高于EKF,且计算量明显低于无迹滤波（UKF）,该方法适用于对估计精度和计算量都有所要求的非线性系统滤波器设计。