基于多级维纳滤波器的二维测向算法及DSP实现

为了对辐射源目标进行精确定位,需要对来波信号进行二维到达角估计。将一维MUSIC算法推广到空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解,因而计算量较大。为了降低MUSIC算法特征分解的计算量,提出一种基于多级维纳滤波器的子空间分解算法,通过多级维纳滤波器的前向递推估计信号子空间和噪声子空间,获得噪声子空间后采用MUSIC算法实现波达方向的估计,该算法不需要估计协方差矩阵和特征分解。应用于空间阵列的二维DOA估计中进行计算机仿真和DSP实现,仿真结果表明该方法有效地降低了计算量、节省了计算时间,且达到了MUSIC算法的估计性能。     

基于自适应采样滤波器的临近空间飞行器姿态确定

为提高临近空间飞行器的姿态估计精度和稳定性,研究了捷联惯性导航系统与星敏感器组合定姿方法和滤波融合算法.首先给出了临近空间飞行器的高精度姿态确定方案及其模型,然后针对一般采样型滤波器自适应能力有限的缺点,推导了一种能在线自适应估计过程噪声和量测噪声协方差阵的自适应采样滤波算法,该算法融合了自适应估计和非线性滤波各自的优点,不仅能对姿态确定系统的非线性滤波问题进行高精度估计,而且估计结果具有较强的鲁棒性,最后进行了仿真实验.实验结果表明本文方法达到10角秒的定姿精度,其滤波精度和稳定性均满足临近空间飞行器的定姿要求.     

一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用

在被动方式下对目标进行跟踪 ,由于系统的可观性较弱 ,很容易引起状态误差协方差矩阵的过早跳变而导致系统发散。为此 ,本文研究了一种新的卡尔曼滤波算法 -自适应协方差矩阵旋转变换卡尔曼滤波算法 ,并将其应用于水面目标被动跟踪。由于该算法的协方差更新采用状态滤波值计算雅可比矩阵 ,因而具有更好的一致性。仿真结果表明 ,该算法可以克服观测模型线性化误差带来的不良影响 ,改善由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题 ,具有良好的鲁棒性、快速性和精确性。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。     

基于模糊自适应卡尔曼滤波算法的多传感器信息融合

联合滤波器各子系统量测噪声统计特性发生变化时,标准卡尔曼滤波算法由于无法实时检测和调整,使得估计误差增大,最终导致融合后估计误差随之增大.本文针对该问题提出使用模糊自适应滤波代替标准卡尔曼滤波,形成模糊自适应联合卡尔曼滤波信息融合算法.新算法应用模糊推理系统不断的在线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...     

基于简化联邦CKF的INS/GNSS组合导航算法

针对高精度INS/GNSS组合导航子系统模型为部分非线性的问题,提出了一种新的简化联邦CKF滤波算法。该算法将容积卡尔曼滤波(Cubature Kalman Filter,CKF)的计算过程融入到联邦滤波结构框架中,并针对子系统模型存在部分非线性问题,对算法的时间更新过程进行了简化,简化后直接用状态转移矩阵计算一步预测和预测协方差矩阵,避免了采用求容积点近似计算的复杂过程及协方差矩阵分解。最后,建立了INS/GNSS紧组合导航模型,对提出的算法进行了仿真验证,将仿真结果与联邦UKF算法、联邦CKF算法进行对比。仿真结果表明,相比于联邦UKF和CKF算法,所提算法在保证滤波精度的情况下,有效减小了计算量,改善了组合导航系统的性能。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

一种带自适应因子的IMM-UKF的GPS/BD-2导航方法

针对GPS/北斗-2(BD-2)卫星导航系统中机动载体运动模型和噪声统计特性不确定性导致滤波精度低的问题,为提高导航定位的精确性和稳定性,提出一种自适应的滤波方法。首先,提出了一种新的自适应UKF(AUKF)算法,该方法将残差序列的协方差矩阵视为过程噪声协方差矩阵的不确定量,基于此采用平滑滤波的方法设计自适应因子,并利用该自适应因子实时调整过程噪声协方差矩阵,减弱了噪声统计特性不确定性对滤波精度的影响;其次,采用交互式多模型(IMM)算法设置模型集M,并通过实时调整模型概率来实现各个模型间的软切换,解决了单一模型对载体运动状态描述不全面而导致滤波精度低的问题。仿真结果证明该算法能有效提高载体在复杂机动状态下的定位精度。     

含无序量测的多传感器目标跟踪滤波算法

由于通信链路的随机时间延迟和星上传感器测量的预处理时间的不同等因素,导致在目标飞行器的测量中产生无序量测现象。为解决该问题,提出了一种基于扩展卡尔曼滤波的前向预测多步滞后无序量测处理算法。该算法首先采用扩展卡尔曼滤波算法估算出目标飞行器的状态方程和协方差方程,然后在滤波过程中利用前向滤波更新的方法,将协方差方程更新结果去相关后,累积到当前协方差方程滤波结果中,从而有效解决了目标飞行器测量中的无序量测问题。最后,将该算法与扩展卡尔曼滤波算法、丢弃算法进行了对比仿真。仿真结果表明,采用该算法处理目标飞行器的位置和飞行速度,得到的测量误差较小,在整个观测时间内,测量误差的收敛性较好,能够实现对目标飞行器的精确测量和跟踪。     

基于INS辅助的GPS接收机完善性监测算法研究

以惯性导航系统输出的数据作为辅助信息 ,对 GPS完善性监测算法进行了研究。该法以卡尔曼滤波新息序列为依据 ,对 GPS卫星的伪距测量值是否出现故障进行的检测 ,并给出了计算机仿真算例。仿真结果表明 :该方法能够及时准确地检测出 GPS故障星     

基于相位单差精密测速的动态精密单点定位算法

利用相邻历元间的载波相位单差可求得动态载体的高精度三维速度向量,基于此提出了可精确描述载体运动变化的扩展卡尔曼滤波动态精密单点定位算法。该算法克服了高动态条件下采用简化动力学模型可能引起的系统状态描述失实问题,同时还可输出动态载体的精密速度信息。飞机动态试验结果表明,用该算法的动态单点定位结果与TRACK双差解计算互差得到的三维RMS值,平面分量精度优于3cm,高程分量精度优于6cm,速度测量精度可达mm/s级。     

中心差分Kalman滤波方法在X射线脉冲星导航中的应用

由于脉冲星脉冲到达时间的测量需要较长时间,基于传统的扩展Kalman滤波的X射线脉 冲星定轨方法精度较低。为此,提出了将中心差分Kalman滤波应用于X射线脉冲星导航中, 利用中心差分Kalman滤波替代扩展Kalman滤波,通过结合航天器轨道动力学模型和脉冲星观 测信息进行定轨。仿真结果表明,中心差分Kalman滤波方法的定轨精度高于扩展Kalman滤波 方法。     

杂波环境下的机动目标检测和跟踪算法

交互多模式(IMM)是一种有效的机动目标跟踪算法,但由于其要求具有很多的先验前提条件而不利于工程实现.研究了一种杂波环境下更适合于工程实现的机动目标(同样适用非机动目标)的跟踪算法,该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测,并通过改变Kalman滤波的相关参数,实现自适应跟踪.该算法克服了IMM算法的模式限制和复杂性,同时也避免了对非机动目标的跟踪中,在跟踪模式间相互切换时所换造成的影响.通过在空管系统(ATC)的大量模拟实验,验证了该算法的有效性和重大应用价值.     

对接靠拢段的一种相对导航算法研究

自主相对导航技术是空间交会对接靠拢段的关键技术之一。Unscented卡尔曼滤波(UKF)是基于Unscented Transform(UT)变换的一种新型滤波器,它避免了扩展卡尔曼滤波(EKF)的线性化误差,不必计算Jacobian矩阵,而且其状态估计精度要比EKF的高。本文研究了基于UKF滤波器的自主相对导航算法。该算法根据追踪航天器上交会雷达的测量值,采用UKF滤波器对追踪航天器和目标航天器之间的相对位置和速度进行了估计,仿真结果表明该算法可以满足位置和速度估计精度的要求。     

一种用于实时轨道确定的NPF-SRCKF滤波算法

针对航天器实时轨道确定中建模复杂、计算量大、估计精度低的问题,设计了一种考虑地球J 2 摄动影响的基于NPF-SRCKF的实时轨道确定算法,该算法采用非线性预测滤波(NPF)对模型误差进行补偿修正,利用平方根容积卡尔曼滤波(SRCKF)算法对修正模型误差后的系统进行状态估计。针对单测站、双测站跟踪测量设计了不同的实时轨道确定算法。实验结果显示,将非线性预测滤波和平方根容积卡尔曼滤波结合在一起,运用于简化的实时轨道确定模型,能有效降低计算复杂度,改进数值运算的稳定性,提高状态估计的精度。     

时变拓扑卫星集群分布式自主相对导航方法

针对时变拓扑卫星集群的相对导航需求,提出了基于图论的时变拓扑分布式一致性无迹卡尔曼滤波算法。首先给出了固定拓扑卫星集群的相对运动方程、测角测距测量模型和无迹卡尔曼滤波算法,然后考虑测角失效时相对导航系统不可观或弱可观的问题,结合矢量环一致性约束,构造了一致性无迹卡尔曼滤波算法,以提高系统的可观度;在此基础上,针对时变拓扑卫星集群,以滤波精度为优化指标,在图论的基础上利用Dijkstra算法对卫星集群的时变拓扑结构进行重构,并将重构后的拓扑结构应用于卫星集群相对导航。仿真结果表明所提算法能有效改善不完备测量带来的模糊轨道问题,并且能够实现实时的拓扑重构,以满足时变拓扑星群的相对导航精度要求。     

基于简化Unscented变换的FMSRUKF算法及其目标跟踪性能分析

研究Unscented变换的基本原理及Unscented Kalman Filter(UKF)算法。为了降低跟踪系统计算复杂性,在Unscented变换中引入单位矩阵,以简单的数值计算取代复杂的矩阵分解求解矩阵平方根的过程,把UKF改进为FM- SRUKF。对三维坐标系下的变加速运动目标进行跟踪仿真。结果表明FMSRUKF具有更好的精度和鲁棒性。     

基于迭代容积滤波的无源跟踪算法

对无源目标跟踪问题进行了研究,给出一种只有角度和距离测量的目标跟踪算法。为提高估计的精度和数值稳定性,采用了容积滤波算法,并用基于龙贝格-马尔塔(LM)算法改进迭代容积滤波算法,以提高估计精度,算法实现了对目标的无源跟踪。仿真结果表明:迭代容积滤波算法的跟踪效果更好。