基于部分扩维的无迹卡尔曼滤波算法研究

UKF扩维算法往往因为比较复杂而导致计算量较大,为此EW等学者提出了当过程噪声和量测噪声都是白噪声时UKF的简化算法。证明了这种简化算法在线性条件下不能达到最优估计;即线性条件下与Kalman滤波不等效;同时证明了UKF部分扩维的算法即只将过程噪声进行扩维后仍能达到最优估计;且又在一定程度上减少了计算量。最后在GPS/INS组合导航中进行了仿真验证,仿真结果进一步证明了理论分析的正确性。     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。     

基于IMM-UKF方法的主动段目标分级与关机识别

主动段目标的分级与关机识别对于系统把握目标模型切换并部署后续跟踪具有重要意义。建立了主动段目标的分级和关机所涉及的两级主动段模型和中段模型；引入了交互式多模型框架以应对不确定模式下的跟踪问题，引入了无迹卡尔曼滤波以解决非线性估计问题。在天基观测条件下进行了仿真实验，结果表明，利用模型概率和总体估计误差的异常变化,可有效识别主动段目标的分级和关机。     

Pulsar/CNS integrated navigation based on federated UKF

In order to improve the autonomous navigation capability of satellite, a pulsar/CNS (celestial navigation system) integrated navigation method based on federated unscented Kalman filter (UKF) is proposed. The celestial navigation is a mature and stable navigation method. However, its position determination performance is not satisfied due to the low accuracy of horizon sensor. Single pulsar navigation is a new navigation method, which can provide highly accurate range measurements. The major drawback of single pulsar navigation is that the system is completely unobservable. As two methods are complementary to each other, the federated UKF is used here for fusing the navigation data from single pulsar navigation and CNS. Compared to the traditional celestial navigation method and single pulsar navigation, the integrated navigation method can provide better navigation performance. The simulation results demonstrate the feasibility and effectiveness of the navigation method.     

基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点，针对这一问题，提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示，并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略；然后，用误差下降率方法作为模糊规则修剪的策略，删除作用不大的规则。通过典型的函数逼近和系统辨识实例，表明所提算法得到的模糊神经网络的结构更为紧凑，泛化性能更佳。     

基于矢量频率锁定环的高动态GPS信号跟踪

研究了高动态环境下矢量跟踪算法在GPS接收机中的应用,提出了一种适合高动态环境的矢量频率跟踪算法。当接收机存在高动态时,与由其引起的多普勒频率的变化率相比,由卫星运动引起的多普勒频率的变化率非常小,多普勒频率的变化主要由接收机的动态引起。对各个通道来说接收机的速度与加速度等状态信息是共同的,因此利用矢量跟踪的方法从各个通道的量测数据中直接估计接收机的速度、加速度等状态,可以有比通常的标量跟踪更低的跟踪门限,而在相同的载噪比下,可以有比通常的标量跟踪更好的估计精度。给出了一种适合高动态环境的矢量频率锁定环(VFLL)的结构,详细分析了导航滤波器的系统转移方程与量测方程,讨论了导航滤波器的实现。利用非线性估计的方法代替鉴频器提取频率误差,提高矢量跟踪的性能。由于矢量跟踪的性能是与想定相关的,在典型的高动态情景下,根据具体的想定,利用仿真的方法分析了矢量频率锁定环的跟踪性能。仿真结果表明矢量跟踪在高动态环境下可以有比标量跟踪更好的优势,能很好地跟踪GPS接收机的高动态信号。     

捷联惯导系统简化非线性对准研究

对任意大失准角条件下的捷联惯导系统非线性对准进行了建模和简化,并给出了差分GPS辅助条件下的大失准角行进间对准简化模型。针对四组不同量级的初始姿态失准角,分别采用线性模型和非线性模型进行卡尔曼滤波（KF）和Unscented卡尔曼滤波（UKF）静态对准仿真,结果表明文中大失准角非线性模型可适用于任意角度的初始对准,小失准角和大方位失准角情况下UKF对准可达角分级精度,但在水平和方位皆为大失准角情况下UKF收敛至一定程度后仍需与KF配合使用。

Abstract：

Modeling for Strapdown Inertial Navigation System （SINS） initial alignment with arbitrarily misalignment angles was created and simplified,and the nonlinear alignment modeling for SINS initial alignment on-move with the help of Differential GPS （DGPS） was proposed.Simulations of static-base initial alignments through linear Kalman Filtering （KF） and nonlinear Unscented Kalman Filtering （UKF） were carried out with four different weights of initial misalignment angles.Results show that the simplified nonlinear model can implement initial alignment with arbitrarily misalignment angles.The nonlinear UKF can reach minute magnitude precision as all of misalignment angles are small or only azimuth misalignment angle is large.However,if both initial horizontal and azimuth misalignment angles are large,KF is still recommended to use after UKF convergence to small scales.     

一种舰载垂直发射导弹的分段传递对准方法

采用四元数的传递对准是舰载垂直发射导弹一种有效的对准方法,提出了一种UKF滤波与卡尔曼滤波相结合的分段传递对准方法,推导了这种方法的数学模型,并对此方法进行了计算机仿真,结果表明,此方法不仅能高精度的估计出导弹的初始位置,还能有效估计出陀螺漂移.     

基于混合迭代UKF的捷联惯导对准算法设计

捷联惯导系统陀螺噪声过大时,自对准无法使方位失准角估计收敛到真值,设计了一种磁强计辅助对准方法,满足对准精度要求并可同步估计磁场强度和磁倾角。非线性滤波方法UKF相比EKF估计精度高但收敛速度慢,迭代UKF算法可提高收敛速度但计算量也显著增大。将超球面分布采样点变换（SSUT）应用于UKF迭代过程,设计了一种混合迭代UKF算法。仿真表明该混合迭代UKF算法加快了收敛速度,保证了滤波精度,同时又减少了计算量。

Abstract：

The azimuth misalignment-angle estimation of SINS could not converge to the true value without assistance duo to the over too strong noise of gyros.An alignment method assisted by magnetometers was designed to estimate the misalignment angles as well as the magnetic field intensity and the magnetic obliquity.Nonlinear filtering method UKF was more precise than EKF but converged slowly.Iterated UKF could promote the convergence rate but increased the calculation amount greatly.A combined iterated UKF algorithm was proposed by applying spherical simplex unscented transform to the iterated process.Simulation indicates that the algorithm promotes the convergence rate,guarantees the precision,and reduces the calculation amount.     

基于平方根UKF的多传感器融合跟踪

为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法.