传递对准滤波中机翼变形噪声的在线补偿算法

针对机翼变形噪声对传递对准滤波的显著影响,通过特性分析将其处理为时变多阶有色观测噪声,提出了一种在线补偿算法。该算法以标准卡尔曼滤波方程为基础,推导了不扩维情况下补偿多阶有色观测噪声的滤波方程。算法依据滤波过程的序列量测数据,结合模型估计残差的F检验法,在线递推估计机翼变形噪声的自回归阶数、系数及白噪声,构建补偿方程的量测量、量测矩阵和量测噪声进行补偿滤波。通过将该算法应用于速度+姿态对准匹配方案,并与将机翼变形噪声等效为注入量测白噪声和扩充为系统状态的方法比较。仿真结果表明,该算法对时变机翼变形噪声影响下的新息适应性强,收敛稳定,估计精度高,适用于复杂空中环境下机载导弹快速精确传递对准。     

CCD星敏感器辅助光纤陀螺在线标定技术

首先建立陀螺在线标定模型,然后以电荷耦合器件星敏感器输出的姿态四元数和陀螺输出的载体相对于惯性空间的姿态四元数构造量测量,采用模型预测滤波与扩展卡尔曼滤波相结合的方法,将部分陀螺误差项作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,最后对该算法进行了数学仿真。仿真结果表明,该方法能有效地完成陀螺在线标定,标定精度和速度明显优于传统方法。这种在线标定的处理方法在实际使用和维护中具有极大便利。     

组合导航自适应交互多模型算法研究

针对交互多模型(IMM)方法模型集覆盖能力与计算量相矛盾的问题,提出了将简化的Sage-Husa自适应滤波与IMM相结合,构成一种自适应交互多模型的方法.简化的Sage-Husa自适应滤波首先给出噪声统计特性的粗略值,IMM方法以该粗略值为中心,对称地得到模型集,再进行IMM估计.车栽组合导航仿真表明,该算法能够以较少的模型实现对实际模态的覆盖,而且精度比IMM方法也进一步提高.     

改进的Sage-Husa自适应滤波及其应用

为防止滤波发散和提高系统的实时性,提出了一种基于协方差匹配技术的自适应滤波方法。该方法将协方差匹配技术和一种简化的Sage-Husa自适应滤波算法相结合,通过滤波的状态确定量测噪声协方差阵的值,在线估计噪声的统计特性实现自适应滤波。将该算法应用到惯导/双星（INS/DS）组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明,在滤波精度相当的情况下,新算法简化了运算,提高了实时性。     

SR-CH∞KF用于弹丸飞行姿态测量研究

为提高弹丸姿态测量精度,提出一种基于H∞滤波的平方根容积卡尔曼滤波.该方法通过三轴地磁传感器和陀螺仪组合测量模型,采用欧拉角算法模型减少状态维数并使状态方程呈现线性化,可以减少计算量.该方法可以适用于量测噪声不确定的情况,引入新息序列不断修正误差限定参数来更新量测噪声估计值,可以提高滤波的精度和鲁棒性.奇异值分解能够保...     

基于非线性预测滤波的卫星姿态确定

为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。     

基于自适应卡尔曼滤波的汽车前后轴干扰力估计

针对汽车自动车道保持控制中汽车侧向干扰信息难以直接获取,提出把汽车动力学模型和自适应卡尔曼滤波理论相结合进行汽车前后轴干扰力估计.在线性二自由度汽车动力学模型中考虑前后轴的侧向力干扰,以辅助变量横摆角速度、侧向加速度和方向盘转角为量测信息,通过改进的自适应卡尔曼滤波算法建立了前后轴干扰力的最小方差估计,并对量测信号进行了滤波降噪.基于ADAMS/Car的虚拟试验验证了该算法具有较高的估计精度,可以为汽车侧向控制系统中估计器的设计提供理论指导.     

镍氢动力电池电荷状态估计算法仿真研究

基于所建立的镍氢电池等效电路模型,将模型的各物理量和状态量之间的关系表达成离散化的状态方程.然后利用电子负载实时测得电流、电压等数据,基于自适应滤波算法对镍氢动力电池的电荷状态(SOC)估计进行仿真计算.仿真计算结果表明,在系统模型噪声统计不准确,或者模型不精确的情况下,基于等效电路模型的自适应滤波算法依然可以进行系统的状态动态估计,具有很强的鲁棒性.最后,根据试验测试结果对滤波算法仿真得到的电池SOC进行了验证,达到了较高的精度.     

抗差自适应UKF算法在地基光学跟踪空间目标中的应用

滤波过程中若噪声的统计特性发生时变,则会引起传统无迹卡尔曼滤波(unscented Kalman filter,UKF)的滤波精度快速降低、滤波收敛性不定甚至发散,针对这个问题提出了具有鲁棒性的UKF算法。首先根据极大后验估计(maximum a posterior estimate,MAPE)原理,推导出无偏的近似最优MAPE常值噪声统计特性的滤波估计公式,并给出了时变噪声统计估计器相关参数的一整套递推公式。考虑到观测数据粗差的存在,将可以在线估计时变噪声特性的方法和具有鲁棒特性的滤波因子相结合,以有效抑制观测数据的粗差值对滤波稳定性和收敛性的影响。最后,以地面站对空间非合作目标的光学测角跟踪为应用背景的仿真实例表明,该算法在噪声统计特性未知或不准确且过程噪声矩阵时变、观测数据存在个别粗差情况下,滤波依然收敛,其滤波精度及稳定性提高较为明显。     

DS/SS通信系统多个窄带干扰消除算法研究

首先提出了一种基于WPT Kalman的干扰分离、增强和消除算法。该算估采用小波包变换 (WPT)准确地跟踪单个干扰的频率和带宽并将其从接收信号中分离出来 ,然后对其使用Kalman滤波进行增强。利用干扰分离所使用的小波包基对消除干扰以后的信号进行再次WPT ,得到单个干扰的量测噪声 ,并采用一种独特的参数估计方法实现量测噪声参数的在线实时估计 ,从而改善了Kalman滤波对干扰信号波形的估计性能。该方法综合利用了WPT自适应构建信号特性所对应的“最佳”滤波器组的能力和Kalman滤波对未知信号的线性的、无偏的、最小方差估计的特点以及量测噪声参数在线实时估计策略的优点 ,可以很好地恢复多个独立的、时变的窄带干扰以便消除。仿真结果表明 ,该算法可以提高DS/SS通信系统抗窄带干扰的能力