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。     

两阶段卡尔曼滤波自适应交互式多模型算法

对于机动目标跟踪问题,由于目标机动能力的增强,需建立大量模型来逼近真实模式,使建立的目标模型与目标的实际运动适配,但这使计算量增大,而且性能不一定能提高.针对这个问题,将两阶段卡尔曼滤波器与一般的交互式多模型算法相结合,设计了一种自适应交互式多模型算法.该算法采用两阶段卡尔曼估计器估计目标的加速度,然后将其反馈到由多个不同参数构成子滤波器的交互式多模型滤波算法中进行交互式多模型滤波.与自适应半交互式多模型算法进行对比的仿真验证了该算法有效地减少了子滤波器的数量,同时在一定程度上也提高了跟踪的精度.     

基于交互式多模型的水下机动目标跟踪

为了解决水下机动目标跟踪的实时性和可靠性问题,在交互式多模型(IMM)的框架下对水下机动目标跟踪进行了分析,建立了目标运动方程和观测方程。交互式多模型滤波算法的选择直接影响到跟踪的精度,在跟踪滤波方面,针对交互式多模型滤波过程中观测方程非线性对滤波性能的影响,分别将扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)2种滤波算法与交互式多模型算法相结合。仿真结果表明,交互式多模型算法与UKF算法结合的滤波精度更高,能够更有效、可靠地达到跟踪机动目标的目的。     

自适应交互式多模型目标跟踪算法

以防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法。该算法采用后验信息修正模型的噪声方差和马尔可夫转移矩阵,使IMM具有自适应能力。将该算法应用于由CA、CV两模型组成的交互式多模型算法中取得良好的效果。仿真结果表明,该算法跟踪精度比标准IMM有较大改善。     

基于自适应无迹卡尔曼滤波算法的多股螺旋弹簧动态响应模型参数辨识和分析

针对传统方法在辨识多股螺旋弹簧（以下简称多股簧）非线性响应模型参数时效率较低、精度较差的问题,提出带噪声统计估计器的自适应无迹卡尔曼滤波(AUKF)算法。该算法通过对多股簧试验数据中的量测(过程)噪声进行递推和估计,能够确保非线性模型参数辨识的收敛性;结合多股簧动态试验对该算法进行检验。研究结果表明：即使在量测噪声级别较高的情况下,AUKF算法也可以准确地求出多股簧的动力学模型参数;在预测多股簧动态响应过程中,若预测振幅和参数辨识所用振幅相差太大则会导致较大的预测误差;当加载速度变化时,多股簧动力学模型中的迟滞部分参数基本不变,但0阶非线性刚度系数和非线性放大因子变化较大。     

基于交互式多模型粒子滤波的状态估计方法

为了提高目标跟踪中状态估计环节的性能,基于交互式多模型粒子滤波的状态估计方法,采用交互式多模型(IMM)描述目标的运动过程,利用粒子滤波算法进行目标状态估计。方法避免了单一运动模型所带来的估计误差,同时克服了卡尔曼跟踪滤波算法的局限性,有效的提升了状态估计精确度。仿真实验证明了该方法在缺乏关于先验知识的情况下,对于不同的运动形式,均取得了较好的自适应性与鲁棒性。     

基于卡尔曼滤波的弹箭飞行状态估计方法

为了快速、准确地获取弹箭飞行状态参数,讨论了采用不同卡尔曼滤波的弹道估计过程.采用质点弹道模型,考虑了动力平衡角的影响,以随机横风为过程噪声,建立了弹箭飞行状态方程;基于实测的弹箭位置、速度参数,建立了量测方程;分别采用扩展卡尔曼滤波(EKF)和线性化卡尔曼滤波(LKF)对测量数据进行最优估计,提出一个弹道滤波混杂算法.以某低旋尾冀弹为例,在坐标雷达探测体制下进行了仿真计算.结果表明,混杂算法减少了系统的在线计算量,提高了弹箭飞行状态的估计精度.     

舰船发电系统多状态可靠性马尔可夫报酬模型

针对舰船发电系统的多状态特征,考虑舰船计划维修间隔期对系统可靠性参数的影响,利用马尔可夫报酬模型构建冷储备结构的发电系统状态转移矩阵、报酬矩阵、报酬函数和系统需求满足函数,通过对报酬矩阵元素的合理赋值,获得系统区间可用度、平均可工作时间、平均停机时间、平均故障次数、计划维修间隔期内系统可靠度等参数,并通过算例验证模型正确性和适用性,分析系统计划维修间隔时间、单机组平均修复时间等指标对系统可靠性参数的影响,为研究舰船发电系统可靠性设计提供建模工具,为合理安排舰船装备维修结构提供技术支持。研究结果验证了马尔可夫报酬模型在复杂多状态系统可靠性建模和计算方面的便捷性和灵活性。     

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。     

基于无味卡尔曼滤波的多平台多传感器配准算法

提出了一种有效的多传感器偏差估计算法。在该算法中．首先给出了多传感器的数据空间配准几何坐标转换算法,然后将目标的运动模型和传感器的偏差组合在同一个状态方程中．目标的状态和传感器的偏差由选定的采样点来近似．在每个更新过程中,采样点随着状态方程的传播并随着非线性方程变化．得到目标的运动状态和传感器偏差的均值．避免了对非线性方程的线性化．具有较高的计算精度。仿真结果表明：该方法能同时有效地估计目标的运动状态和传感器的偏差。     

基于卡尔曼滤波的交互式多模型GPS定位方法研究

针对GPS定位中,由于模型单一而不能适应环境影响或机动过程变化的问题,提出将交互式多模型算法引入到定位方法中。文中详细阐述了基于卡尔曼(Kalman)滤波的交互式多模型(IMMKF)算法原理及其在GPS定位中的应用。根据静态单点定位实测数据的试验分析,验证了变噪声模型的IMMKF能很好地适应环境噪声的变化;进一步通过动...     

平方根UKF算法在汽车轮胎力估计方法中的应用

针对车辆行驶过程中各车轮轮胎力等状态参数,在现有测量水平及成本下难以找到较适用的传感器直接测量的问题,提出利用七自由度车辆动力学模型结合平方根UKF算法的汽车轮胎力估计方法.利用该算法具有的无需计算雅可比矩阵和较高的非线性近似精度等优点,在无需建立轮胎力学模型的前提下,确保了迭代UKF的数值稳定,实现对汽车轮胎力估计.应用CarSim软件进行仿真对比试验,仿真结果表明,基于平方根UKF的汽车轮胎力估算方法对各轮胎的纵向力和侧向力估计比较准确,验证了该方法的有效性.     

基于自适应多通道交互式多模型的高超声速滑翔飞行器跟踪方法

针对临近空间高超声速滑翔飞行器机动性强、单跟踪模型稳定匹配困难等问题,在分析目标受力情况与机动特性基础上,充分考虑运动学建模适应性强和动力学建模匹配程度高的特点,提出一种运动学模型与动力学模型相结合的自适应多通道交互式多模型跟踪算法.该算法以运动学模型和动力学模型为模型集,利用似然函数值对转移概率矩阵进行实时调整,增强...     

运动声阵列自适应交互多模型无迹粒子滤波

为了提高三维运动声阵列在有色噪声环境中对二维机动目标的跟踪精度,提出了一种基于测量残差的自适应交互多模型无迹粒子滤波算法。该算法建立了三维运动声阵列跟踪系统动态模型,通过无迹变换(unscented transformation,UT)构造初始粒子概率分布函数,利用测量残差及自适应因子实时修正测量协方差和状态协方差;通过不同算法仿真对比,验证了文中算法在跟踪精度、稳定性及实时性上的有效性。     

基于UKF的曲线模型自适应跟踪算法

针对传统曲线跟踪模型中的切向加速度不能自适应调节这一缺点,在标准曲线模型的基础上,提出了一种新的自适应跟踪算法。将转弯角速率和切向加速度都看作是目标的状态变量,用不敏卡尔曼滤波算法对扩维后的状态变量进行估计。这种处理方式不仅较好地解决了原来算法中存在的强非线性问题,同时也增强了算法的鲁棒性。理论分析和仿真实验都表明,该算法适应性较强,跟踪精度较高,可以直接应用于工程实践。     

基于UKF-IMM的方位-到达时间空-海机动目标的跟踪

探讨了机动目标无源跟踪(PMTT)中基本的非线性估计问题,介绍了无味卡尔曼滤波(UKF)算法的设计思想与具体实现,用UKF代替原交互多模(IMM)中的扩展卡尔曼滤波(EKF)得到UKF-IMM估计算法,特别针对空-海单站只测方位-到达时间PMTT问题分别应用UKF-IMM和EKF-IMM进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了Monte Carlo仿真结果;表明UKF-IMM滤波算法具有更高的估计精度和收敛特性,滤波的一致性较好,更加适合解决非线性较为严重的PMTT问题.     

基于无迹卡尔曼滤波的超空泡航行体最优控制研究

针对超空泡航行体运动过程中环境噪声和测量噪声带来的不利影响,提出一种基于无迹卡尔曼滤波器（UKF）的最优控制算法。通过超空泡航行体动力学建模,建立含有环境噪声和测量噪声的状态方程,分别在无滤波器和含有UKF情况下的最优控制器进行了仿真分析。研究结果表明：在环境噪声和测量噪声干扰下,超空泡航行体跟踪误差较大,运动极其不稳定,处于失稳状态;在UKF作用下,超空泡航行体跟踪误差明显减小,在较短时间内达到全包裹状态,有较好的信号处理效果。