高斯粒子滤波器及其在非线性估计中的应用

为了解决非线性、非高斯系统估计问题,讨论了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。在符合高斯假设和一定的粒子数的情况下,谈算法可以获得近似最优解。与粒子滤波算法相比,其优点是不需要重采样步骤和不存在粒子退化现象。在滤波精度、运算时间等方面与扩展卡尔曼滤波、Unscented滤波、高斯厄米特滤波及一般的粒子滤波进行了比较分析,仿真结果表明该算法性能优于其他算法。     

SINS/Two-Antenna GPS组合导航系统设计及实现

对SINS／two—antenna GPS全组合导航系统进行了研究，建立了相应的误差模型和系统观测模型，特别是组合系统下的GPS载波相位双差观测模型。提出了一种扩展的卡尔曼滤波方法，并进行了系统硬件集成设计。仿真结果表明：该设计改善了系统性能，提高了导航定位的精度、可靠性和实用性。     

空空导弹动基座低成本传递对准技术研究

针对空空导弹的特点,采用低成本惯性器件实现其动基座对准,文中重点研究了主惯导为平台式的惯导系统,子惯导为捷联式的惯导系统的传递对准原理和精度计算方法;建立了传递对准数学模型,进行了仿真研究;给出了具有实际参考价值的对准方案     

一种补偿t-OPT噪声的冗余捷联惯组故障检测方法

为提高基于等价空间原理的故障检测方法在冗余捷联惯组故障检测中的适用性和鲁棒性,提出了一种补偿噪声的t检验最优奇偶向量法(t-OPT)。该方法在最优奇偶向量法(OPT)的基础上引入t检验构造了新的故障检测函数,使用卡尔曼滤波算法补偿了t-OPT方法中故障检测函数的随机噪声,使检测方法在奇偶残差统计特性未知、存在噪声干扰和故障幅值较小的情况下,仍可以实现对故障器件的准确定位。仿真结果表明：该方法可以检测到冗余捷联惯组中低故障幅值的常值漂移,有效降低了常值漂移故障检测的虚警率以及线性漂移故障的检测时延。     

基于Lawden改进型方程的编队Unscented Kalman Filter滤波估计

通过改进卫星编队的Lawden方程得到非线性相对运动方程,称为Lawden改进型方程,使其更加近似于编队运行环境.通过该非线性方程,在编队相对导航研究中,以EKF滤波方法为参考分析,采用适合非线性系统的UKF(Unscented Kalman Filter)滤波方法对编队的状态进行滤波估计.通过仿真实验,结果表明采用UKF滤波方法的编队状态估计精度明显优于采用EKF滤波方 法得到的估计精度,其中相对距离估计精度可以提高70％左右,相对速率估计精度可以提高25％左右,在工程应用中具有一定的参考利用价值.     

跨声速气动参数在线辨识方法研究

以增广扩展卡尔曼滤波作为在线辨识工具,对再入体跨声速区的气动参数在线辨识方法展开研究.系统分析了增广扩展卡尔曼滤波对状态和参数联合辨识效果,发现缓变气动参数辨识效果良好,但气动参数变化剧烈时辨识结果有较大偏差,为克服这一缺点,将强跟踪思想引入到一般的增广扩展卡尔曼滤波器中.通过仿真表明,强跟踪增广扩展卡尔曼滤波器可以有效克服一般增广扩展卡尔曼滤波在参数变化较大时估计误差较大的缺点.     

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.     

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

基于VS-IMM算法的A-SMGCS场面运动目标跟踪

为实现先进场面运动引导控制系统中场面监视雷达对运动目标的跟踪,研究了将变结构交互式多模型(Variable structure interacting multiple model,VS-IMM)算法应用到该系统中。首先,根据飞机的真实运动情况建立了飞机的匀速运动、匀加速运动和匀速转弯运动模型;然后,针对固定结构交互式多模型(Fixed structureinteractive multiple model,FS-IMM)算法在目标跟踪方面的不足,结合机场地图,将VS-IMM算法应用到机场场面运动目标跟踪中;最后,基于扩展卡尔曼滤波将VS-IMM算法与FS-IMM算法进行仿真比较。结果表明:VS-IMM算法的跟踪精度及模型选择均优于FS-IMM算法,VS-IMM算法在场面跟踪方面具有更大的应用价值。