基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.     

基于LMI的不确定性系统的鲁棒滤波方法

研究了基于线性矩阵不等式 (LMI)的鲁棒滤波方法 ,提出了如何将不确定性系统的滤波器设计问题转化为求解LMI问题。并以飞行试验数据滤波处理为例 ,研究了LMI滤波技术的应用 ,设计出了基于LMI的鲁棒滤波器。仿真结果表明 ,所提出的方法是可行而有效的。     

稳定平台有限记忆模型H∞目标预测滤波算法

针对陀螺稳定平台跟踪系统中脱靶量信号存在延迟和不确定扰动的问题,提出了有限记忆模型H∞预测滤波算法.根据实际目标运动的机动特征,采用有限记忆模型对目标进行运动建模,避免了对目标输入输出特性的依赖,同时采用递推最小二乘法对模型参数进行实时辨识,简化了运算,提高了模型精度.在此基础上,将鲁棒H∞方法应用到目标信号滤波和预测中去,有效的补偿了信号时延和扰动.仿真和实际平台测试表明了该方法的有效性和可行性.与常用的卡尔曼预测滤波方法相比较,说明了该方法对目标机动和随机噪声扰动具有更好的鲁棒性,有效提高了目标信号的预测精度.     

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。     

一类MIMO网络控制系统的时滞相关鲁棒控制器设计

针对一类多输入多输出(MIMO)网络控制系统,提出一种时滞相关鲁棒控制器的设计方法.首先经过等价推导,将系统转化成具有多输入时滞的连续系统,利用李雅普诺夫函数,通过求解若干线性矩阵不等式,获得系统时滞相关鲁棒控制器.算法递推简单,避免了进行系统变换和处理交叉项,减少了计算负荷.仿真结果表明:在网络具有一定传输时延的情况下,该方法可以获得满足系统稳定性的控制器.     

基于扩展LMI的鲁棒H2和H∞滤波

研究凸多面体不确定连续系统的鲁棒H2和H∞滤波问题。借助于线性矩阵不等式(LMI)技术,提出了扩展的连续系统H2和H∞性能准则。基于该性能准则,推导出新的鲁棒H2和H∞滤波器存在的充分条件,并将滤波器设计问题转化为一个具有LMI约束的拟凸优化问题。仿真结果表明,与现有方法相比,所提方法具有较低的保守性。     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.     

参数不确定的非线性随机时滞系统的H∞滤波

研究了一类带有参数不确定性的非线性随机时滞系统的鲁棒H∞滤波问题.假设参数不确定性是范数有界的并且系统的动态方程是由伊藤微分方程所描述的.对所有容许的参数不确定性以及外界干扰,构造一个线性、无时滞、不确定性及独立的状态滤波器,使滤波误差动态系统是指数均值稳定并且独立于时滞的.针对单时滞系统和多时滞系统两种情况,基于线性矩阵不等式(LMI)方法给出了保证鲁棒H∞滤波存在的充分性条件.最后,数值仿真结果很好地说明了该方法的有效性.     

基于粒子滤波的机动目标跟踪改进算法

粒子滤波是指利用Monte Carlo仿真方法处理递推估计问题的非线性滤波算法,这种方法不受模型线性和Gauss假设的约束,是一种处理非线性非高斯动态系统状态估计的有效算法。在粒子滤波的基础上融合扩展卡尔曼滤波(EKF)算法,融合后的新算法在计算提议概率密度分布时,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。仿真结果表明,该算法对机动目标有更好的跟踪效果。     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

基于修正的自适应平方根容积卡尔曼滤波算法

目标建模不确定性会造成滤波算法性能下降, 通过构建强跟踪滤波器(strong tracking filter, STF)可以提升滤波算法的自适应性, 但是构建STF时存在理论推导复杂、求解计算量大等局限和不足, 针对上述问题, 在平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)的基础上, 提出一种基于修正的自适应SRCKF算法。该算法通过设置判定门限和修正准则, 直接对状态预测值或滤波增益进行修正以平衡先验的预测值和后验反馈的量测值在滤波中所占的比重, 进而减小状态估计误差。仿真结果表明, 所提算法具有在目标状态突变和量测非线性时的良好滤波性能和数值稳定性, 同时相比较需要计算渐消因子的STF算法, 该算法在计算量和收敛速度上具有优势。     

基于稳健MM估计的REKF RAIM算法

基于鲁棒扩展卡尔曼滤波(robust extended Kalman filter, REKF)的接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)对双星故障模式的检测及识别效果相对较差,尤其当故障矢量具有较高的空间一致性时, M估计的稳健性会受到极大破坏。针对这一问题,提出基于稳健MM估计的REKF RAIM算法, MM估计是兼具高崩溃污染率和高估计效率的两步抗差估计方法,首先采用具有高崩溃污染率的最小截断二乘(least trimmed squares, LTS)估计获得稳健性高的迭代初值和尺度参数,然后采用IGG III方案得到最终的参数估计值,并设计一种基于特征斜率的快速选星方法降低LTS估计的计算量。仿真结果表明,相比于基于M估计的REKF, MMREKF在双星故障模式下具备更高的稳健性,对双星故障模式有更好的检测与识别能力。     

UPF算法及其在目标跟踪问题中的应用

针对传统粒子滤波(PF)算法的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以UKF方法生成替代分布并从中采样,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题。对UPF算法进行了深入的分析研究,并给出了一个纯方位目标跟踪问题的仿真算例。理论分析与仿真结果均表明,改进算法提高了滤波的稳定性和精确性,具有较高的实用价值和广泛的应用前景。     

桥式起重机消摆控制仿真研究

桥式起重机包含挠性机械环节，小车和桥的速度变化必然引起载荷摆动，起升运动加剧了摆动的复杂性。提出一种能有效消除载荷摆动控制算法，将最小最大优化方法引入控制器设计中，在系统参数变化范围内最小化最大残留振荡能量，得到最小最大时滞滤波器。该滤波器对起升运动引起的系统参数变化不敏感，有很强的鲁棒性，能很好消除载荷摆动。控制过程中不需要反馈信号，易于工程实现。     

Quadrature Kalman particle fitler

In order to resolve the state estimation problem of nonlinear/non-Gaussian systems,a new kind of quadrature Kalman particle filter (QKPF) is proposed.In this new algorithm,quadrature Kalman filter (QKF) is used for generating the importance density function.It linearizes the nonlinear functions using statistical linear regression method through a set of GaussianHermite quadrature points.It need not compute the Jacobian matrix and is easy to be implemented.Moreover,the importantce density function integrates the latest measurements into system state transition density,so the approximation to the system posterior density is improved.The theoretical analysis and experimental results show that,compared with the unscented partcle filter (UPF),the estimation accuracy of the new particle filter is improved almost by 18%,and its calculation cost is decreased a little.So,QKPF is an effective nonlinear filtering algorithm.     

SINS/CNS/GPS integrated navigation algorithm based on UKF

A new nonlinear algorithm is proposed for strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation systems. The algorithm employs a nonlinear system error model which can be modified by unscented Kalman filter (UKF) to give predictions of local filters. And these predictions can be fused by the federated Kalman filter. In the system error model, the rotation vector is introduced to denote vehicle’s attitude and has less variables tha...     

基于UKF的双平台无源融合跟踪方法

针对存在配准偏差的双平台无源融合跟踪系统,提出了基于扩维Unscented卡尔曼滤波的配准跟踪一体化方法,在跟踪算法中,采用模糊调度方法调节＂当前＂统计模型参数,引入渐消因子,能够在状态发生突变时,迅速调整系统参数,提高了系统的抗机动目标自适应能力。仿真结果表明,这种跟踪算法能够较好地解决双平台无源融合跟踪系统中的配准偏差问题。     

基于强跟踪器的机动航天器相对动态定位算法

针对机动航天器之间精确动态相对定位问题,提出一种基于强跟踪器(strong tracking filter, STF)的动态相对定位算法。该算法针对相对机动过程中3个方向的机动特性,设置三向渐消因子进行三向滤波,克服了单向渐消因子与实际机动不匹配而造成的跟踪精度下降问题, 针对三向滤波在直角坐标系下的跟踪问题,设置去偏转换测量算法,克服了球坐标系与直角坐标系的转换偏差问题。仿真实验表明,该算法在初值敏感性和相对机动恢复性上均强于其他算法,适用于脉冲推力、有限推力等多种情况下机动航天器间精确动态相对定位。