基于新息协方差的自适应渐消卡尔曼滤波器

自适应渐消卡尔曼滤波采用渐消因子抑制滤波器的记忆长度,当系统模型和噪声模型建立不准确时,能够有效地抑制滤波器的发散。但是现有计算渐消因子的方法公式表达复杂,计算过程繁琐,不利于组合导航等一些实时的应用。针对这种情况,提出了一种利用新息协方差计算渐消因子的方法,通过渐消因子自适应地调整误差协方差,补偿不完整信息的影响。该方法计算量小,提高了滤波算法的可靠性。最后,仿真结果证明了该方法的有效性。     

基于自适应多重渐消因子卡尔曼滤波的

针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预测误差协方差阵进行调整,使得各滤波通道具有不同的调节能力,克服了单渐消因子对多变量跟踪能力差的局限性,从而提高滤波算法的精度和鲁棒性。仿真和试验结果表明,新算法能有效抑制滤波器发散,其滤波精度和鲁棒性优于常规卡尔曼滤波与单渐消因子卡尔曼滤波,能够更好地满足工程应用的要求。     

基于多重渐消因子的自适应卡尔曼滤波器

现有计算渐消因子的自适应卡尔曼滤波器得到的通常是标量渐消因子,从而导致各滤波通道具有相同的调节能力,不利于提高滤波精度。针对〖JP3〗该问题,提出了一种利用估计均方误差和新息协方差估计值来计算多重渐消因子的方法,通过一组并行工作的基于限定记忆指数加权的新息协方差估值器来计算渐消因子,并根据估计均方误差把渐消因子分配给各滤波通道,从而提高自适应卡尔曼滤波器整体性能,仿真结果证明了所提方法的有效性。     

小型尾坐式飞行器航姿测量系统设计与验证

针对小型尾坐式飞行器航姿测量问题,设计了航姿测量系统。采用四元数法更新航姿参数再转换成欧拉角输出。由于小型尾坐式飞行器姿态变化范围大,针对传统四元数到欧拉角的转换算法在扰动下航向和姿态角易发生振荡的问题,提出了一种改进的全姿态四元数转换到欧拉角的转换算法,通过分析姿态矩阵中元素的符号,由四元数得到两组欧拉角,以姿态控制利益为牵引,选择正确的一组。针对无迹卡尔曼滤波(unscented Kalman filter, UKF)算法在外界噪声干扰下测量精度降低的问题,引入自适应算法,使量测噪声统计特性随噪声的变化而自适应的调整,提高系统的抗干扰能力。针对小型尾坐式飞行器姿态易突变的问题,设计了强跟踪滤波器,利用多个渐消因子减小历史数据在测姿中的作用,提高当前信息的比重,提高系统对突变姿态的跟踪精度。最后,通过实验验证了全姿态解算算法、自适应UKF滤波算法和强跟踪算法的可行性,实验结果表明了设计的航姿测量系统对小型尾坐式飞行器的适用性。     

改进的强跟踪飞机舵面快速故障诊断方法

针对多模型自适应估计(multiple model adaptive estimation, MMAE)方法适应突变故障能力差、多重渐消因子强跟踪算法滤波发散、故障条件概率计算量大等问题,提出一种改进的多重渐消因子强跟踪多模型自适应估计(strong tracking multiple model adaptive estimation, STMMAE)快速故障诊断方法。通过多重渐消因子提高了故障突变时滤波器的跟踪性能;通过改进一步预测协方差阵更新方程,保证了滤波器稳定性,提高了估计精度;采用基于欧几里得范数的飞机舵面故障概率快速计算方法,降低了故障概率计算量。对比仿真表明,该算法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性。     

基于UD分解的改进型强跟踪滤波器

带多重次优渐消因子的强跟踪滤波器在计算舍入误差的影响下,估计状态的均方误差矩阵会失去非负定性,从而导致滤波发散的现象.在UD分解算法的基础上,提出了一种改进型带多重次优渐消因子的强跟踪滤波器.通过对引入渐消矩阵的一步预测均方误差矩阵进行UD分解,并将分解矩阵应用于滤波器量测信息的更新过程中,增强了算法的数值稳定性.此外,根据UD分解的结果给出了渐消矩阵的最小二乘解算方法,在提高渐消因子计算效率的同时摆脱了对先验知识的依赖性.仿真结果表明了算法的有效性.     

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。     

基于当前统计模型的机动目标自适应跟踪算法

当前统计模型及其自适应卡尔曼滤波算法对强机动目标具有很好的跟踪效果,但当机动目标为弱机动和非机动时算法跟踪性能较差。针对这一问题,提出了采用铃形函数作为模糊隶属函数对模型中加速度极值进行修正的自适应滤波算法,调整加速度稳定时的系统过程噪声方差,提高算法的跟踪精度。同时,借鉴强跟踪滤波算法的渐消自适应滤波因子思想,针对加速度突变的情况引入渐消因子对修正的加速度极值进行调节,提高算法在加速度突变情况下的跟踪速度。仿真实验结果表明,算法对弱机动目标和非机动目标的跟踪具有良好的效果。     

快速强跟踪UKF算法及其在机动目标跟踪中的应用

当系统模型不能正确描述真实系统时,强跟踪无迹卡尔曼滤波(unscented Kalman filter, UKF)能很好地弥补传统UKF鲁棒性差的不足,保证滤波精度,但需要额外使用无迹变换,极大地增加计算量。针对这一问题,利用Taylor展开分析渐消因子在UKF中的机理,建立渐消因子近似引入方法,提出快速强跟踪UKF。基于统计浮点运算次数的方法定性分析计算量,表明快速强跟踪UKF计算量与传统UKF相近。根据滤波收敛性判据,讨论了强跟踪UKF的收敛性。仿真实例证明,快速强跟踪UKF滤波精度与强跟踪UKF相差无几,计算量大幅降低。     

基于多重次渐消因子的强跟踪UKF姿态估计

针对应用于飞行器姿态确定中的乘性扩展卡尔曼滤波（multiplicative extended Kalman filter, MEKF）存在精度低、鲁棒性差的缺点,提出了一种基于多重次渐消因子的强跟踪无迹卡尔曼滤波（multiple fading factors strong tracking unscented Kalman filter, MSTUKF）算法。该滤波算法克服了单渐消因子对多变量跟踪能力差的局限性,通过引入两个多重次渐消因子对预测误差协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,保证预测误差协方差阵的对称性,从而实现滤波算法强跟踪性。仿真结果表明,MSTUKF的滤波精度和鲁棒性均明显优于MEKF,能够更好地满足工程应用对精度和鲁棒性的要求。     

基于视觉的近距离编队对偶四元数相对位姿估计算法

针对近距离编队飞行中位姿估计问题,提出了一种新的点到区域匹配航天器间视觉相对位姿估计算法。给定主星表面上的点集及与之匹配的从星摄像机像平面图像凸区域,结合对偶四元数及凸优化数学工具,充分利用对偶四元数描述坐标系变换的简洁性,建立了对偶四元数凸优化位姿估计模型,估计出主星与从星之间的相对位姿参数。该算法不仅利用对偶四元数较传统四元数描述坐标系变换的优势,而且采用凸优化方法可大大降低传统位姿估计方法中需要精确的点到点匹配的要求。仿真结果证明,该算法能满足近距离编队相对位姿估计精度要求,具有较好的鲁棒性,对目前航天任务中航天器间视觉相对位姿估计具有重要参考价值。     

SAR图像目标方位角估计与分析

SAR成像对目标方位角特别敏感,方位角估计的准确性会直接影响目标的分类和识别.目标方位角估计方法主要有包络盒准则法、轮廓线变换法和主轴原则法.每种方法都有其局限性,且估计范围是[0, 180],可是目标方位角实际范围是[0, 360].为了能获得任意角度且相对精确目标方位角,提出了一种综合SAR图像目标方位角估计方法.该方法融合了的单一估计法的优点,并利用目标的相关信息,突破了以往仅从图像的角度估计方位角的缺点.实验表明这种方法是有效的、可行的.     

空间参考模型软件性能分析

空间参考模型是虚拟环境数据表示与交换的关键技术之一,也是精确描述和快速处理空间信息的基础。空间参考模型的数学基础是抽象坐标系的张成函数、参考基准和影射、坐标变换算法。数学分析表明,坐标变换的误差主要来源于算法中对张成函数的近似或者逼近处理。通过引入误差球的概念,可以定量分析各种坐标变换的最大误差。测试数据表明,在6000公里的高度范围内,坐标变换的最大计算误差不超过1.2毫米,平均计算时间不超过6微秒。对于大多数的仿真应用,空间参考模型软件的计算精度可以保证足够的空间一致性。     

基于小波变换的双站纯角度机动目标融合跟踪

纯角度跟踪通常面临非线性滤波和高速率量测数据处理问题。在小波变换的基础上提出一种新的双站纯角度机动目标跟踪算法。该算法使用无源定位的方法确定目标位置，并运用基于多速率运动模型的交互式多模型算法进行滤波。算法避免了角度量测下的非线性滤波，并减少了计算量。Monte Carlo仿真结果表明了算法的有效性。     

三轴加速度计GFSINS安装误差标定与补偿方法

针对由四个三轴加速度计构成的无陀螺捷联惯导系统加速度计的安装误差,根据空间矢量与坐标系关系,提出一种基于矢量模值不变性的位置误差标定方法和一种坐标系旋转变换矩阵的敏感方位误差标定方法,采用同一组转台试验数据先标定出位置误差再在位置误差标定基础上标定方位误差。同时,提出在误差补偿过程中,先补偿敏感方位误差再补偿位置误差的补偿方法,且给出了具体补偿算法。最后,通过仿真验证了标定和补偿方法的可行性。     

分布式SAR空间状态与测高基线的关联建模及误差分析

给出了测量坐标系下获得的基线矢量到分布式合成孔径雷达（SAR）测高所需基线矢量的转换公式,然后利用误差分析理论,建立了它们之间的误差传播模型,最后通过仿真,对影响分布式SAR测高基线确定精度的主要误差因素进行了详细分析。     

卫星与浮空器协同侦察任务规划方法

针对卫星和浮空器协同对地侦察任务规划问题,提出了一种分阶段任务规划方法,将卫星与浮空器协同任务规划分为任务聚类、任务组分配和任务排程3个相继的阶段。使用层次聚类算法进行任务聚类,通过聚类形成多个任务组;给出了任务组分配的规划模型,将任务组与平台资源进行匹配;建立了任务排程的混合整数规划模型,并使用粒子群算法进行求解,将任务最终分配到相应的平台上。仿真结果表明,所提出的方法可行且有效。     

并行双倒立摆系统的鲁棒同步控制

基于非线性系统反馈线性化方法,得到了倒立摆系统的局部反馈线性化模型,并构造非奇异坐标变换使系统满足特定的形式,采用Backstepping方法设计了倒立摆系统的鲁棒稳定控制器。进而根据所定义的系统同步误差设计了并行双倒立摆系统的鲁棒同步控制器。采用该同步控制器,在实际的实验装置上进行了实时控制实验。实验结果表明,所设计的同步控制器实现了倒立摆装置的稳定平衡以及小车的定点控制和正弦指令信号的精确跟踪,并且令两个装置间达到了同步运动。     

利用轮廓特征的多视点几何数据配准

以三维激光扫描仪为获取数据平台,针对扫描过程中存在的数据配准问题,提出了利用轮廓特征的大规模三维场景多视点几何数据自动配准算法。首先采用自适应曲线拟合技术提取三维轮廓特征,在此基础上建立八叉树数据检索结构。引入马氏距离,以八叉树叶结点为匹配单元计算初始转换矩阵,并经ICRP算法逐步优化直至获得两视点的最佳配准。最后,采用就近原则,给出大规模三维场景多视点全局配准策略。并通过对室内、室外和古建等场景的三维配准实验,证明算法的鲁棒性。     

基于自适应滤波的高超声速滑翔目标三维跟踪算法

针对临近空间高超声速滑翔飞行器机动模式复杂,单一运动学模型难以完成三维跟踪的问题,提出一种三维跟踪方法.将飞行器机动弹道分为纵向和横向弹道,根据飞行器机动特性,在纵向上将加速度建模为零均值的二阶时间自相关随机过程,在横向上采用Singer模型和匀加速模型进行交互多模型(interactive multiple mode...