利用地磁场测量的小卫星自主导航设计

地磁场矢量是卫星所在位置的函数 ,通过对地磁场的测量 ,即可实现对近地小卫星的自主导航。本文采用卡尔曼滤波技术设计了小卫星基于地磁场测量的导航方法 ,在采用地磁场模型时选取磁偶极子模型 ,以此使设计算法的计算量大大减少。最后利用数字仿真验证了系统性能。     

微小卫星磁测自主导航方法

本文提出了使用磁测方法实现近地微小卫星自主导航的方法，利用实时地磁场测量数据与根据ＩＧＲＦ计算出的地磁声数据之差作为新息量，使用推广Ｋａｌｍａｎ滤波算法确定卫星的位置和速度。给出了三种导航滤波算法。并使用模拟数据和ＭＡＧＳＴＡ卫星实测数据进行了仿真研究，证明了方法的有效性和实用性。     

红外探测阵列对固体导弹尾焰跟踪定位的研究

通过分析研究建立了前视红外探测阵列ＦＬＩＲ（Ｆｏｒｗａｒｄ Ｌｏｏｋｉｎｇ Ｉｎｆｒａ－Ｒｅｄ）对导弹进行精确跟踪、定位的数学模型，其中包括导弹的运动模型、大气干扰模型和探测阵列的观测模型。利用探测阵列ＦＬＩＲ的原始观测数据，扩展卡尔曼滤波器（ＥＫＦ）精确跟踪导弹目标。由于导弹与探测器的距离较远，故为视为点目标。导弹在探测阵列上投影的位置由两部分组成：导弹真实运动位置和由于大气干扰造成的偏移。滤波     

基于GPS及其与磁强计组合的姿态确定算法研究

提出了一种组合敏感器定姿算法，针对卫星上同时装备有磁强计与全球卫星定位系统（GPS）的情况，利用两者的测量信息，在卡尔曼滤波算法的基础上，对两者信息融合定姿算法进行了设计和仿真，旨在提高卫星自主定姿精度和可靠性，结果表明，组合定姿算法使姿态确定的精度得到提高。     

三维CT图象自动分割法

计算机断层扫描图象（ＣＴ）和核磁共振图象（ＭＲＩ）是诊断疾病和制定治疗方案与手术方案的主要依据之一，而分割ＣＴ和ＭＲＩ图象是定量分析其平面与三维信息的关键之一。本文先采用三维自适应滤波，在保留图象细节的前提下滤除高斯分布噪声和脉冲噪声，然后根据ＣＴ或ＭＲＩ各断层多阈值二值化图象采用区域自动增长算法实现了三维ＣＴ图象和ＭＲＩ图象的自动分割。最后给出了腹部ＣＴ图象的分割结果，该方法分割精度高，速度快，具有广泛的临床应用价值     

非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

重现性地磁活动的数值预报

重现性地磁扰动作为地磁活动的重要部分，其特性在磁情预报中起着不可缺少的重要作用．本文利用地磁扰动在一定条件下具有２７天重现的特性和现代时序分析法中的自适应滤波方法，对北京地磁台Ｋ指数的预报方法进行了研究，并分别在太阳黑子活动低年和高年的两个时间段，进行了预报实验：低年时段预报结果精度为０．６６；在高年时段，预报精度为０．７９．进一步分析还表明，理论计算方法应当与多方面的物理分析相结合，这样才能为磁扰的定量分析和预报提供更充分与合理的计算条件和物理根据．     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。