基于奇异值分解的改进机载单站无源定位算法

针对机载单站无源定位系统中的滤波算法存在滤波稳定性差、收敛速度慢、定位精度差等问题,提出一种基于奇异值分解的平方根sigma点卡尔曼滤波算法(Square Root Sigma Point Kalman filter based on Sin-gular Value Decomposition,SVD-SRSPKF)。新算法利用奇异值分解代替Cholesky分解或更新,并使用误差协方差的平方根替代协方差进行滤波,保证滤波算法的数值稳定性。仿真结果表明:SVD-SRSPKF算法比其他同类算法具有更高的收敛速度、定位精度和数值稳定性。     

后向平滑平方根容积卡尔曼滤波算法及其应用

针对单站无源定位精度低、收敛速度慢和滤波性能不稳定甚至不能工作的问题,提出了后向平滑平方根容积卡尔曼滤波算法。该算法采用 Q-R分解的形式,使用误差协方差的平方根进行递推运算,同时其通过后向平滑与量测更新为二次前向滤波提供更为精确的初始值,改善了算法的总体性能。仿真实验表明,该算法在满足实时性要求的基础上,提高了单站无源定位的精度、收敛速度以及稳定性。     

捷联惯导初始对准的UKF改进算法

针对UKF在捷联惯导系统静基座大方位失准角的初始对准中出现的计算量大和滤波数值不稳定的问题，本文提出了改进的UKF滤波。改进的UKF滤波应用了超球面采样和平方根滤波方法，降低了算法的计算量，提高了滤波过程中的数值稳定性。仿真结果表明，改进的UKF滤波在保证初始对准滤波精度的前提下降低了计算量，提高滤波性能，验证了改进的UKF滤波方法的有效性和优越性。     

利用相位差变化率的机载无源定位跟踪算法

为解决机载无源定位中高精度角速度参数难以获取的问题,利用相位差变化率对角速度的放大作用,通过二维相位干涉仪布局建立一种新的无源定位观测模型,实现了对空中目标的定位。针对UKF滤波中误差协方差矩阵负定导致滤波不稳定的问题,引入平方根UKF进行跟踪滤波。仿真表明:在较低的参数测量精度条件下,新观测模型位置和速度跟踪误差降低,采用平方根UKF能够获得稳定的跟踪效果。     

小型无人机组合导航系统的平方根UKF技术研究

由于小型无人机组合导航系统的误差模型与观测模型均为非线性,对模型进行线性化的扩展卡尔曼滤波会引入线性化过程中忽略高次项的误差,导致滤波器性能下降。提出将平方根UKF方法(SRUKF)用于小型无人机IMU/GPS组合导航,SRUKF方法利用协方差平方根代替协方差参加递推运算,保证滤波算法的数值稳定性,提高组合定位的精度和可靠性。仿真结果表明,SRUKF方法是组合导航中一种很好的非线性滤波方法,实现了低成本、高精度的实时定位。     

自适应衰减记忆UKF算法在三维水下目标跟踪中的应用

针对传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显解决卡尔曼滤波器容易发散的问题。在扩展卡尔曼滤波和UKF算法的基础上,提出了一种自适应衰减记忆UKF算（AFMUKF）,并将其应用于三维水下目标跟踪系统中。AFMUKF算法通过引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响,通过自适应因子控制状态模型扰动对滤波解的影响。理论分析和仿真结果表明,AFMUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于UKF算法。     

基于平方根序贯处理的两阶段卡尔曼滤波算法

两阶段卡尔曼滤波可以大大减小滤波计算量,而平方根滤波具有很好的数值稳定性,为提高在线标定的收敛速度,防止两阶段卡尔曼滤波因计算误差发散,文中结合两阶段卡尔曼滤波和基于序贯处理的平方根滤波的优势,改进了两阶段卡尔曼滤波算法,并将改进算法用于车载捷联惯导在线标定,仿真结果表明改进算法不仅提高了数值稳定性,减少了计算量而且获得了比扩张卡尔曼滤波更好的标定结果。     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

平方根容积卡尔曼滤波算法及其应用

针对使用扩展卡尔曼算法（extended Kalman filter,EKF）对复杂非线性状态估计时收敛速度慢、估计精度低的问题,提出一种平方根容积滤波算法（square root cubature Kalman filter,SRCKF）。SRCKF使用基于容积原则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性。把平方根容积卡尔曼滤波算法（SRCKF）应用到未知弹道系数的再入弹道目标的状态进行估计中。Monte Carlo数值仿真表明,平方根容积滤波算法大大降低了未知弹道系数的再入弹道目标的状态估计误差,提高估计精度,且运行速度较快。     

基于迭代平方根UKF的SLAM算法

针对载体在大范围、多路标特征环境下,应用于SLAM的无迹卡尔曼滤波(unscented Kalman filter,UKF)所产生的Sigma点会逐渐偏离真实状态估计值的问题,提出了迭代测量更新的UKF-SLAM算法。当获得某一时刻观测值后,使用经过更新的状态估计值和协方差重新产生Sigma采样点,并进行UT变换,计算滤波参数。仿真结果表明,与平方根UKF-SLAM算法相比,能将载体状态估计误差在x轴和y轴分别降低约19%和21%,使载体状态估计值更接近真实值,并加快SLAM收敛速度。     

基于无迹卡尔曼滤波的火箭弹姿态估计

针对某尾翼稳定火箭弹姿态估计的问题,以姿态角、位置、速度参数作为状态变量,建立了火箭弹运动参数的捷联惯性解算模型,将GPS的位置和速度测量值作为输出变量,构成组合滤波模型,并分别采用扩展卡尔曼滤波和无迹卡尔曼滤波方法进行滤波处理。仿真结果表明,扩展卡尔曼滤波在滚转速率变化较快、模型非线性较强的情况下不能达到预期的滤波效果,而基于无迹卡尔曼滤波的组合滤波方法更为有效,相比扩展卡尔曼滤波,其俯仰、偏航角估计误差均方根降低了一半,滚转角估计误差均方根降低了三分之二,满足姿态估计的需求。     

基于平方根卡尔曼滤波的粒子滤波算法

在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。     

基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

基于无迹卡尔曼滤波的单站混合定位跟踪算法

针对移动台的单站跟踪问题,以"到达时间和与到达时间差(TSOA/TDOA)"新型混合定位技术作为基础,提出一种基于"到达时间和与到达时间差"混合被动单站定位模型的无迹卡尔曼滤波跟踪算法。该算法以观测到的有噪信息为基础,引入"到达时间和与到达时间差"观测模式,使用受随机加速影响的匀速运动状态作为跟踪算法的状态模型,将无迹卡尔曼滤波(UKF)算法应用在移动台的定位跟踪上,实现了对移动台的位移和速度的同步跟踪。仿真结果表明:无迹卡尔曼滤波算法应用移动台跟踪系统是有效的;与扩展卡尔曼滤波相比,其跟踪算法的滤波精度、稳定性更优。     

地磁辅助惯性导航匹配算法研究

对地磁辅助惯性导航技术的基本原理进行了分析，鉴于采样卡尔曼滤波算法在重力辅助导航中的成功应用，将其用于地磁图形匹配。滤波通过设计少量的σ点，并计算这些σ点的经由非线性函教的传播，从而获得滤波值基于非线性状态方程的更新，较广义卡尔曼滤波具有计算精度高、便于计算的特点。     

基于四元数粒子滤波的飞行器姿态估计算法研究

针对飞行器非线性姿态确定问题,提出了一种四元数粒子滤波算法。将状态向量分为线性部分和非线性部分分别进行处理,降低了粒子滤波的运算量。针对四元数加权求和规范化问题,通过构造拉格朗日代价函数的方法将四元数加权和问题转化为代价函数取极值时的四元数向量求解问题;并通过求取四元数误差方差矩阵对角线元素平方根的方法保证扰动四元数的规范化;利用乘性误差四元数表示四元数估计点与采样点之间的距离,求取四元数的协方差矩阵解决了旋转矢量方差计算问题。仿真实验表明,与传统的扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）算法相比,该算法估计精度更高,稳定性更好。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

一种改进的UKF非线性滤波器研究

针对无味卡尔曼滤波器(UKF)存在的缺陷,提出一种能对多通道数据进行渐消的带多重次优渐消因子的UKF滤波算法(SMFUKF)。该方法基于强跟踪滤波器的概念,通过引入多重次优渐消因子到UKF滤波器,自适应的在线调整UKF滤波器的状态预测误差协方差矩阵、量测预测协方差阵、状态和量测之间的互协方差阵及相应的增益矩阵,从而达到对快速变化的状态进行强有力的跟踪。实验结果表明多重次优渐消因子的引人使得UKF滤波器有可能更多的利用系统的先验知识,SMFUKF滤波器对快速变化的状态将具有更强的跟踪能力。     

基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计

为有效解决复杂行驶工况下非线性悬架系统运动状态无法精确获取的难题,实现模型参数不确定以及时变路面激励工况下悬架状态精确估计的目标,开展了悬架系统状态估计研究。在路面激励模型和非线性悬架系统模型的基础上,结合交互式多模型算法与基于马尔可夫链的蒙特卡洛理论,设计了考虑模型参数不确定以及时变路面激励工况下多模型交互无迹卡尔曼滤波（IMMUKF）状态估计算法,且利用随机控制稳定判据验证了所设计的非线性观测器稳定性判定。对比分析了不同路面激励工况下悬架系统对于传统无迹卡尔曼滤波观测器与IMMUKF观测器的状态估计精度,并进行了台架试验验证。试验与仿真结果表明,IMMUKF观测器可获取更高的系统状态识别精度,不同路面激励仿真工况下状态估计误差最大均方根值不超过8%.