基于模型误差补偿的星敏感器/陀螺卫星定姿方法及其仿真

针对经典扩展卡尔曼滤波(EKF)依赖于未知参数动态模型的准确程度这一问题,提出了一种基于当前星敏感器观测信息的模型误差补偿算法.该算法利用状态估计信息及当前矢量观测值,以预报误差最小为准则,对陀螺输出模型中的陀螺漂移进行补偿,进而利用修正后的陀螺测量模型预报卫星姿态,从而显著地提高了系统的定姿性能.仿真实验表明,在无陀螺漂移先验信息的情况下,该算法能够有效地补偿陀螺漂移引起的模型误差,定姿效果优于EKF.     

基于星敏感器/陀螺组合定姿建模及精度仿真

首先讨论了卫星姿态确定原理的建模问题,针对星敏感器/陀螺组合配置的定姿系统,详细分析了动态滤波算法原理,推导了星敏感器观测矩阵及误差四元数状态方程,进而建立了使用Kalman滤波方法进行姿态确定的整个过程;并基于该滤波算法,讨论了姿态确定系统的最终定姿精度的分析与综合评估问题,从理论分析和仿真验证两方面确定了影响姿态确定精度的主成分误差因素,定量描述了误差因素的影响范围,并针对实际工程指标完成了主成分因素的边界条件,为姿态测量方案的设计提供了理论支撑.     

基于视线角序列的视线角速率样条滤波

依据拦截器与目标间的相对位置、速度关系,提出了基于视线角序列的视线角速率自适应样条滤波算法。该算法利用样条函数表示相对距离矢量,提出并结合“导引头球面”模型,建立了系统状态方程;在只给出视线角序列信息的情况下,对状态估计误差和观测误差进行了补偿,实现了自适应样条滤波算法,获得了有效的视线角速率信息。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

基于鲁棒H∞滤波的多站角度测量机动目标被动跟踪

建立了机动目标的多站被动红外搜索与跟踪（infrared search and tracking, IRST）系统的当前统计模型,基于该模型提出了机动目标跟踪的鲁棒H∞融合滤波算法。该算法将H∞滤波算法和集中融合跟踪算法相结合,对多站IRST测得的目标角度信息进行融合,可解决被动式跟踪系统的可观测性及非线性问题,以实现对目标较高精度的定位和跟踪。以三个观测站进行跟踪为例,对一个高机动目标进行了仿真研究,仿真结果表明,该滤波算法比扩展卡尔曼滤波（extended Kalman filter, EKF）算法有更高的跟踪性能,是IRST系统中一种有效的跟踪算法。     

多源信息融合的组合导航自适应联邦滤波算法

全球卫星导航系统、捷联惯导、里程计、零速更新等多源信息的融合为地面移动测量系统提供了精确的位置和姿态参考信息。针对进行多源信息融合时,由于数学模型偏差和观测值粗差的影响,传统的联邦滤波不能有效隔离故障子系统的影响的问题,提出了利用验前新息计算联邦滤波的信息分配系数,基于联邦滤波和自适应滤波的等效性和抗差滤波原理,实现实时调整信息分配系数的自适应联邦滤波算法。通过一组车载数据的分析表明,自适应联邦滤波算法相对于传统联邦滤波算法,能有效地抵御观测值粗差和数学模型偏差的影响,显著提高了组合导航系统的精度和可靠性。     

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。     

星敏感器姿态测量算法研究

针对传统矢量定姿方法精度较低的问题，研究了主流的星敏感器多矢量天文定姿算法，从理论上对奇异值分解(singular value decomposition, SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square, LS)算法、四元数估计(quaternion estimator, QUEST)算法和线性估计算法进行了详细推导。其中，线性估计算法先将各矢量对的坐标变换等式分散表示，推导出对应的四元数形式，再联立所有矢量的坐标变换等式，基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化，再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作，具有良好的创新性与实用性。以最小化Wahba损失函数为目标，对定姿算法的性能进行对比分析。仿真和实验结果表明，线性估计算法较之于其余4种算法，具有更快的解算速度、更高的定姿精度。     

一种基于粒子滤波的被动多传感器多目标跟踪算法

针对被动观测系统中非线性运动多目标跟踪问题,提出了一种基于交叉定位的模糊-概率双加权粒子滤波跟踪算法.算法利用多个被动传感器的角度观测信息进行交叉定位,得到目标的位置观测信息,通过模糊-概率双加权完成目标与定位点的关联匹配,最后利用粒子滤波对非线性运动的目标进行跟踪;其中关联算法和滤波算法的有效结合是该算法的创新点.仿真结果表明,所提出的算法可以准确地排除虚假定位点,可有效跟踪多个非线性运动目标.     

基于INS辅助CLAMBDA与AFM的GPS/INS组合导航测姿方法

为了提高全球定位系统(global positioning system,GPS)定姿的性能及成功率,将带约束的最小二乘降相关平差法(constrained least squares ambiguity decorrelation adjustment,CLAMBDA)与模糊度函数法(ambiguity function method,AFM)两种算法相结合,同时利用惯性导航系统(inertial navigation system,INS)姿态信息进行辅助,提出了一种GPS/INS组合定姿方法。在CLAMBDA解算过程中,将INS姿态信息与GPS载波相位和码伪距联合解算浮点解,然后再进行固定解搜索,如果姿态解算错误,则用AFM算法得到的姿态角进行替换。其间,用INS姿态信息缩小AFM的搜索范围。之后,GPS/INS进行组合滤波。通过实际系统跑车实验表明,相比于原算法,该算法能有效提高GPS定姿的成功率。     

引入测速信息的雷达导引头无偏转换跟踪方法

为了满足先进地空导弹对精确弹目交会信息的需求,基于自适应卡尔曼滤波算法,提出了一种引入测速信息的雷达导引头无偏转换跟踪方法。在当前统计模型的基础上,利用递推遗忘最小二乘法估计当前加速度,得到了状态方程。在雷达测量模型的基础上,分析了极坐标系下与笛卡尔坐标系下位置、速度信息的无偏转换关系,推导了无偏转换量测误差协方差矩阵真实值和利用量测信息估计真实值的表达式,得到了量测方程。通过滤波得到的状态和误差估计信息,改进了真实无偏转换量测协方差矩阵的估计算法。仿真结果验证了所提跟踪方法在滤波精度和跟踪速度上的良好性能。     

考虑SAR量测特性的弹载SINS/SAR组合导航滤波算法

在弹载捷联惯性导航系统(strapdown inertial navigation system, SINS)/合成孔径雷达(synthetic aperture radar, SAR)组合导航系统中, 针对量测输出时间间隔不同及SAR量测滞后的问题, 提出一种利用曲线拟合法解决量测滞后的非等间隔无迹卡尔曼滤波(unscented Kalman filter, UKF)算法。首先，在UKF的基础上, 利用系统状态转移矩阵的特性, 根据SAR有无量测输出选择是否进行量测更新, 解决了量测不同步的问题。然后，利用曲线拟合补偿法拟合SAR输出信息, 获得SAR量测信息滞后的补偿算法。最后，以弹载SINS/SAR组合导航系统为研究对象, 验证所提算法的有效性。仿真结果证明，该算法得到的东向位置误差的绝对值为5.12 m, 航向角误差绝对值为6.63″, 北向速度误差绝对值为0.08 m/s, 相比于传统UKF算法有效提升了组合导航系统滤波精度。     

SAR/INS/TAN组合导航系统中的滤波算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段。在分析惯性导航系统(INS)、合成孔径雷达(SAR)和地形辅助导航系统(TAN)各自特点的基础上,提出了SAR/INS/TAN组合导航系统的组合滤波方案并建立了相应的组合导航系统数学模型。同时,针对图像匹配和TAN所固有的非等间隔量测输出滞后的特点,研究了一种多传感器信息融合的卡尔曼滤波算法,以有效解决此类非等间隔量测滞后的问题。仿真分析可见,该组合滤波算法能大大提高导航精度,是一种行之有效的方法。     

基于预测信息的量测转换序贯滤波目标跟踪

针对多普勒雷达目标跟踪问题,提出了基于预测值量测转换的序贯滤波目标跟踪算法。该算法采用基于预测信息的量测转换方式解决量测与目标运动状态的非线性,其中位置量测转换采用乘性去偏、伪量测转换采用加性去偏,量测转换误差的统计特性基于预测值进行推导,并采用序贯滤波方式处理伪量测以实现目标跟踪。同时将该算法扩展到机动目标跟踪情况,综合利用了位置量测与伪量测滤波部分输出的概率组合作为该模型的更新概率,利用模型更新概率对各滤波器的状态估计结果进行加权求和获得最终估计。仿真结果表明该算法与传统的序贯滤波跟踪算法相比,具有更高的跟踪精度,其扩展方法可实现有效的机动目标跟踪。     

杂波环境下可移动主被动传感器长时调度方法

针对杂波环境下的多目标跟踪问题, 基于可移动主被动传感器系统, 提出了一种辐射控制的长时调度方法。首先, 建立调度模型, 对多目标运动状态和量测结果、传感器调度动作等进行数学描述; 同时, 基于雷达工作原理和截获概率的思想, 提出改进的辐射风险量化方法。随后, 利用高斯混合概率假设密度滤波算法预测长时跟踪精度, 利用所提改进的量化方法预测长时辐射代价, 并利用改进的灰狼优化算法求解传感器调度方案。最后, 执行调度方案获得多目标量测信息, 采用联合广义标签多伯努利滤波算法计算目标估计状态。仿真实验表明, 所提调度方法在保证跟踪精度的基础上, 能够实现对辐射代价的有效控制, 与其他方法相比具有明显的优势。     

基于MCMC无味粒子滤波的目标跟踪算法

针对传统粒子滤波目标跟踪算法存在粒子退化的问题,提出了基于马尔可夫链-蒙特卡罗(Markovchain Monte Carlo,MCMC)无味粒子滤波的目标跟踪算法.该算法采用无味卡尔曼滤波(unscented Kalmanfilter,UKF)生成粒子滤波的提议分布,来代替传统粒子滤波算法采用状态转移先验概率作为粒子滤波的提议分布,以改善滤波效果,然后在无味粒子滤波的基础上融合了典型的MCMC抽样算法(Metropolis Hastings,MH),从而可以减少传统粒子滤波未考虑当前量测对状态的估计作用所带来的影响.融合后的算法将当前量测信息融入到滤波过程中,并使采样粒子更加多样化.实验结果表明,该算法较传统方法在跟踪精度方面有显著的提高.     

增强型SMC-PHD多目标跟踪算法

概率假设密度(probability hypothesis density,PHD)滤波的序贯蒙特卡罗实现算法性能高度依赖于先验目标生成强度函数和粒子重要性采样(importance sampling, IS)函数。针对上述问题,提出一种改进算法。首先,引入量测驱动机制,提出一种量测分类方法获取潜在的新生目标量测集合,并以此为基础进行新生目标粒子采样,提高了算法的有效性。其次,为了提高存活目标粒子分布的准确性,结合门技术和无迹信息滤波将当前量测信息融入到IS函数设计中。计算机仿真实验表明,所提算法具有更稳健的多目标跟踪能力和杂波适应性。     

基于“当前”统计模型的高动态GPS信号跟踪算法

提出了一种新的高动态GPS信号跟踪算法,基于＂当前＂统计模型对载波瞬时相位过程、瞬时频率及瞬时频率变化率过程进行建模;在此基础上,结合系统状态方程为线性而量测方程为非线性的特性,采用简化UKF算法对信号参数进行估计,同时采用EKF和标准UKF滤波算法在同等条件下对信号参数进行估计比对。仿真结果表明对信号参数所建模型能真实反映信号的过程,验证了所建模型的正确性的;简化UKF参数估计结果不仅精度与标准UKF相当且具有较高的运算效率,能更好满足高动态下的实时性需求。

Abstract：

A new high dynamic GPS signal tracking algorithm was proposed.Based on current statistical model,a new model for the GPS signal transitional process was established.Since the system involved a linear state equation and a nonlinear measurement equation,a simple Unscented Kalman Filter （UKF） algorithm was applied to estimation the signal parameters.For comparison purpose,an Extended Kalman Filter （EKF） algorithm and a standard UKF algorithm were also applied to the system to illustrate the effectiveness of the proposed filtering algorithm.Simulation results show that the new model can precisely represent the real signal process,and the simple UKF algorithm achieves high precision comparable to standard UKF with higher operation efficiency.Therefore,the new model and the proposed algorithm can satisfy real time requirement in high dynamic environment.     

多平台信息下机动目标拦截中末制导交班研究

针对多平台信息支持下,空基探测平台等外部平台相对地基平台信息精度降低,以及数据率降低带来目标机动误差影响增大,导致防空导弹武器导引头中末制导交班概率降低的问题,建立了空基平台探测信息误差传递模型,运用“当前”统计模型和转换坐标卡尔曼滤波,对目标机动进行预测。基于目标位置预测,推导采用导引头搜索交班算法,进行了交班性能仿真。仿真结果表明,采用目标机动预测和导引头搜索算法,在信息精度和数据率降低的情况下,能够提升防空导弹武器系统中末制导交班能力。     

一种新的倒GPS基站间的时钟同步方法

时钟同步技术是基于倒GPS(IGPS)基站网络来进行目标定位的重要研究内容。提出了一种与IGPS基站时钟结合的自适应离散卡尔曼滤波方法,该方法利用测量新息和状态修正序列在估计窗内分段静止的特性,克服了传统卡尔曼滤波过程过分依赖于数学模型和统计模型正确性的问题。通过这种方法可以在线实时修正和转换IGPS基站间的时钟相位偏差和时钟偏移,找出最佳时钟适应曲线,并估计过程噪声和测量噪声的协方差矩阵。仿真结果表明,该方法能够提高IGPS基站间的时钟同步精度,使同步精度达到微秒量级。