共查询到17条相似文献,搜索用时 265 毫秒
1.
2.
针对一定条件下炮位侦校雷达定位精度偏低、引导射击能力偏弱的问题,考虑到随着新型炮位侦校雷达技术的发展,所测量的多普勒信息已具有较高的精度,提出将多普勒信息应用到观测模型中。结合无迹卡尔曼滤波,并将弹道系数引入状态变量,建立了基于多普勒信息的七维状态向量无迹卡尔曼滤波算法(七态DB-UKF算法)。理论分析与实验表明,该方法有效利用了雷达的多普勒测量信息,能够有效抑制估计误差,提高参数估计精度,进而提高了外推弹丸的落点精度。 相似文献
3.
为解决靶场理论弹道和外测飞行目标实时信息预测落点预测时间长,不能清晰及时预测飞行轨迹等问题,
提出一种改进的弹道落点预测方法。从弹道模型出发建立基准模型坐标系,将外测设备参数配置于基准模型坐标系,
实时采集的外测设备数据采用无迹卡尔曼滤波(unscented kalman filtering,UKF)算法滤波处理后获得融合轨迹,并
通过Runge-Kutta 算法进行外推计算以进行落点预报。经Matlab 仿真分析和实际效果验证,该方法的结果更加精确
且适用性更强。 相似文献
4.
飞行器采用红外探测手段对拦截弹进行探测能够增强平台的生存能力及突防的隐蔽性。但红外探测仅有测角信息,对拦截弹定位属于不完备观测,这为制导律系数辨识、运动状态估计带来了较大困难。同时,传统的制导律辨识方法基于多模型滤波算法,辨识准确性受限于模型集中模型的数量。针对上述问题,根据矩阵理论对制导律系数辨识的可观性进行了证明分析,建立了拦截弹制导段运动模型和弹载平台红外探测模型。在此基础上,将制导律系数增广为滤波状态分量,并对过程噪声方差进行设计,采用无迹卡尔曼滤波对制导律系数与运动状态进行估计。同时,构建了拦截弹弹道预报方程,将滤波稳定收敛时刻状态作为弹道预报初值,基于无迹变换进行了弹道预报与误差传播分析。仿真结果表明,提出的算法能够对制导律系数与运动状态进行准确估计,与传统方法相比具有更好的通用性,弹道预报结果能够为飞行器规避拦截、机动突防提供理论支撑。 相似文献
5.
为解决载体在高动态下大幅度运动出现的滤波发散问题,提出强跟踪无迹卡尔曼滤波(strong tracking
uncented Kalman filter,STUKF)算法。分析组合导航模型和研究经典的无迹卡尔曼滤波(uncented Kalman filter,UKF)
算法,将强跟踪UKF 算法应用于SINS/GNSS 组合导航系统,并与经典UKF 算法和衰减记忆UKF 算法进行比较。
分析结果表明:该强跟踪UKF 算法性能较好,能明显缩短滤波时间,减小速度误差和位置误差,从而提高组合导航
的准确性和稳定性。 相似文献
6.
多水下无人航行器(multi-UUV)协同定位技术是解决海洋中间层水下导航定位问题的重要途径,针对以往multi-UUV仅靠距离量测的协同导航定位精度低的问题,给出了一种基于无迹卡尔曼滤波(UKF)方法的UUV协同定位方法。利用从UUV的运动学方程和基于距离的量测方程建立了从UUV的导航模型,针对该非线性导航模型,采用UKF设计了导航滤波算法,避免了对非线性方程的线性化处理,实现了递推导航滤波算法,并与传统的航位推算方法进行了仿真对比。仿真结果表明,从UUV能够利用该导航滤波算法进行实时定位,比传统的航位推算方法具有更高的定位精度。 相似文献
7.
8.
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。 相似文献
9.
针对无迹卡尔曼滤波算法在滤波迭代过程中可能存在状态协方差矩阵非正定情况,导致跟踪误差较大甚至滤波易发散等问题,对无迹卡尔曼滤波算法进行了改进设计。在滤波迭代过程中对状态协方差矩阵进行QR分解和Cholesky分解,通过分解后的协方差平方根矩阵来进行滤波迭代,从而保证状态协方差矩阵的正定性,并利用加权最小二乘法进行量测数据同步融合。为验证改进算法的有效性,设计了雷达红外联合跟踪系统数据融合仿真测试实验,并与传统无迹卡尔曼滤波算法进行了比较。仿真实验结果表明:改进算法能够有效抑制跟踪误差、提升目标跟踪系统的鲁棒性,可应用于防空武器系统多传感器航迹信息融合系统设计。 相似文献
10.
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 总被引:3,自引:2,他引:1
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。 相似文献
11.
在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波(UKF)算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。 相似文献
12.
13.
14.
15.
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。 相似文献
16.