最小二乘搜索法在GPS动态定位中的应用研究

对于GPS导航定位来说,整周模糊度的解算问题是高精度动态定位的关键问题.文中针对GPS高精度动态定位的现状和存在的问题,利用最小二乘搜索法对整周模糊度的解算进行了研究.     

动目标精确定位自适应滤波算法研究

对于动目标的精确定位,常见的是应用数据融合技术来进行处理,文章应用自适应算法来处理目标的尤其是动目标的位置定位问题,应用基于加权最小二乘估计和卡尔曼滤波理论,建立目标运动的统计数学模型,在此基础上建立一种应用于目标位置定位的卡尔曼滤波算法,并给出了仿真曲线结果。     

两站对运动目标无源定位算法研究

提出的算法是利用两个观测站测得的信息,应用三角交叉定位法,对运动目标辐射源位置的估计算法进行了研究.该算法在处理测量数据时,不是采用传统上对目标位置进行估计的方法,而是直接对目标的每一次位置的估计偏差进行估计和滤波,以达到定位跟踪的目的.具体运用加权最小二乘估计,为提高估计精度,将估计的结果送入卡尔曼滤波器进一步进行处理,经过一定次数的迭代处理,可以实现对目标快速的定位和跟踪,给出了算法结构框图及仿真结果.     

磁力计/卫星组合测量标定和滤波算法

针对磁力计/卫星定位系统组合测量载体姿态角的现实问题,根据影响测量精度不同因素的特性,研究提高测量精度的方法。采用最小二阶乘算法对磁力计进行标定消除系统误差;采用离散卡尔曼滤波算法消除测量误差带来的影响。试验结果表明：对于标定之后的磁力计,采用本文中所述的滤波算法使得测量绝对平均误差从2.366 1%减小到0.592 6%,证明该方法是有效的。     

TS/GPS/Galileo多星座组合定位系统Kalman滤波算法研究

给出了北斗改进系统（TS）的Kalman滤波模型,进一步研究了用于TS/GPS/Galileo多星座组合系统的扩展Kalman滤波算法,给出了共用系统Kalman滤波器的结构及工作原理图。对仿真结果的分析表明,该组合系统的Kalman滤波模型是可用的,它提高了北斗系统的定位性能,并且在相同的误差条件下,该算法与最小二乘法相比,其估计结果具有较高的精度和鲁棒性。     

递推最小二乘算法在新型无源探测系统中的应用

探讨了递推最小二乘算法在新型无源探测系统中的应用,这种算法是基于最小二乘算法提出的一种算法.用该算法联合自适应卡尔曼滤波算法对飞行目标定位,提高了实时性,减少了运算量.多次计算机仿真结果验证了算法的实时性和可靠性,精度较高.     

基于边沿化粒子滤波的GPS单点定位算法

针对强干扰情况下GPS定位精度低、鲁棒性差的问题,文中利用多普勒观测值改进了传统的伪距单点定位模型,并将该模型与边沿化粒子滤波技术有效的结合,通过状态模型划分,避免了模型线性化误差.理论分析与实验结果表明,该方法能够有效克服传统粒子滤波计算量大的缺点,显著提高强干扰环境下接收机的定位精度和鲁棒性.     

精确打击武器中高动态GPS跟踪算法及改进研究

针对GPS接收机应用于精确打击武器中存在的高动态问题,研究了基于高阶锁相环的GPS信号的载波接收技术.分析了三阶锁相环的高动态跟踪性能,探讨了三阶锁相环在跟踪瞬间高动态信号时存在的问题,提出了连续变带宽和环路变增益的解决方法,通过仿真分析和实际测试验证了方法的有效性.     

用于RAM目标跟踪数据滤波的模型参数自适应CMUKF算法

C-RAM系统对RAM目标跟踪数据滤波算法有精度高、收敛快的要求。弹道系数未知造成模型不准确会导致传统滤波方法难以满足要求,针对不能准确辨识弹道系数的情况,提出了一种模型参数自适应的RAM目标跟踪数据滤波方法。该方法使用量测转换无迹卡尔曼滤波算法(CMUKF)对系统状态进行估计,在无迹卡尔曼滤波(UKF)的框架下使用最小二乘递推辨识算法(RLS)在线辨识弹道系数,形成了模型参数自适应,并对辨识出的弹道系数进行二次滤波,提高了弹道系数的辨识精度。将本文算法与传统C-RAM中的跟踪数据滤波算法比较,仿真结果表明该算法提高了估计精度,且具有良好的鲁棒性和较少的执行时间。     

一种TDOA/AOA联合定位的算法

针对地面辐射源目标的定位问题,提出一种TDOA／AOA联合定位算法。将一个传感器放置在地面上的一个固定平台上,测量辐射源相对于该传感器的方位角与俯仰角;将另一个传感器放置在一个运动的平台上,根据不同的时刻测量不同的时差量测值,进而建立求解目标位置估计值的最小二乘算法。仿真结果表明：该算法可以有效提高系统的定位精度,特别是TDOA的测量值应用得越多,则定位精度越高。     

INS/GPS组合导航系统模糊卡尔曼滤波算法研究

载体在机动的情况下,系统会产生随机非高斯噪声,这些噪声的统计特性不易准确得到.若在组合导航系统中仅采用常规卡尔曼滤波算法,不能得到系统状态的最优估计值,甚至滤波器还有可能发散.文中设计了一种模糊推理系统,并将其与卡尔曼滤波算法相结合,在线修正系统量测噪声协方差阵.仿真结果表明,该模糊卡尔曼滤波算法能很好地对系统状态进行最优估计,同时能很好适应系统噪声的变化,提高了导航系统的精度.     

基于GPS的卡尔曼滤波技术研究

由于定位误差的存在。在GPS动态导航定位中．为提高定位精度．必须对动态定位数据进行滤波处理。文中在比较分析各种动态模型的基础上。提出了应用卡尔曼滤波的GPS滤波模型．并通过对实测滤波算例仿真．证实了模型的可行性和有效性。     

GPS/CAPS双模定位解算的Kalman滤波算法

利用改进的自适应Kalman滤波算法实现GPS／CAPS双模卫星导航定位解算。首先,利用描述机动载体运动的“当前”统计模型建立GPS／CAPS双模定位的Kalman滤波模型,在此基础上结合Sage—Husa自适应滤波算法建立离散的自适应扩展Kalman滤波方程。然后,对该自适应滤波算法进行改进,当经收敛性判据判断滤波呈发散趋势时．切换至强跟踪Kalman滤波算法．既保证了滤波器的可靠收敛又保证了定位的精度和效率。最后的仿真结果表明．该算法县有效可行的．     

基于SSII软件接收机的数据处理及定位算法

针对GPS定位中的伪距观测值出现奇异及跳变而无法进行准确定位的问题,研究了剔除奇异及跳变值的方法,给出了具体的公式推导和判定准则;为提高定位精度,建立了定点模型条件下的衰减记忆法滤波,并给出了具体的实现方法;仿真结果表明:该方法能有效解决跳变条件下准确定位问题,衰减记忆法滤波的定位精度优于常规卡尔曼滤波和迭代最小二乘法的定位精度。     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化,引入了机动目标的“当前”统计模型,提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性．     

基于Kalman 滤波算法对运动目标射击研究

针对传统炮兵对运动目标射击时间长、精度低的问题,提出采用卡尔曼滤波对目标运动状态进行准确估计。分析卡尔曼滤波算法的特点,采用预测—更新的递推算法,以某装甲目标为例求取系统状态估计值,并对运动目标射击中的应用进行研究。仿真结果表明：该算法能对目标运动状态进行快速准确的估计,大大提高炮兵火力反应速度和射击精度,有效地提高炮兵作战效能。     

弹箭滚转姿态地磁测角仪的卡尔曼滤波算法

为降低地磁测角仪测量地磁场矢量信息解算弹箭滚转姿态角误差,文中运用卡尔曼滤波算法对弹体滚转角进行估计.通过对火箭弹滚转角速度变化规律的分析,用二阶近似表达弹体滚转运动规律作为卡尔曼滤波算法的系统方程,以磁场强度与数字量输出之间的非线性关系作为卡尔曼滤波算法的量测模型.通过实验仿真分析结果表明,滤波所得弹体滚转角、滚转角速度精度满足弹道修正弹要求,可用于弹道修正弹药被动段的弹道控制.     

GPS/I NS组合导航缺星情况下的卡尔曼滤波改进算法

针对 GPS/INS(Global Positioning System/Inertial Navigation System)紧组合导航系统在卫星信号缺失情况下导航精度降低,容积卡尔曼滤波(Cubature Kalman Filter ,CKF)应用中存在模型误差和计算误差的问题,提出了适用于该背景下的强跟踪均方根容积卡尔曼滤波(Square-Root CKF)算法。该算法通过人为地相对突出滤波过程中新数据的作用,提高了算法在模型不确定时的鲁棒性;均方根策略保证了协方差阵的正定性和对称性。仿真实验表明,改进的算法能够提高导航精度,在卫星信号缺失情况下其效能发挥地更好,提高了组合导航适应复杂环境的能力。