综合火/飞中的空-空导弹火力控制研究

本文研究了空－空导弹攻击在综合火力／飞行控制（ＩＦＦＣ）中的火力控制算法问题。提出利用导弹发射包线（ＭＬＥ）数据来计算瞄准偏差和通过反向插值方法求解允许发射误差（ＡＳＥ）的新方法。该算法实现了导弹攻击在飞行过程中的动态优化，并解决了正向计算ＡＳＥ的困难。最后，将以上火力控制算法联入整个ＩＦＦＣ系统中进行了数字仿真。仿真结果表明，该火力控制算法可满足ＩＦＦＣ系统的需要。     

基于机翼非水平转弯投弹攻击的综合飞行／火力控制系统的建模？…

在文献「２,３,４」基础上建立了机翼非水平转弯投弹火力控制模型和综合飞行／火力耦合控制器模型,在五自由度飞机方程和控制增稳模型条件下仿真综合飞行／火力控制系统,结果表明,该模型可以实现机翼非水平转弯投弹改击方式,并满足ＩＦＦＣ系统性能要求。     

基于机翼非水平转弯投弹攻击的综合飞行/火力控制系统的建模及仿真研究

在文献［２,３ ,４］ 基础上建立了机翼非水平转弯投弹火力控制模型和综合飞行／火力耦合控制器模型。在五自由度飞机方程和控制增稳模型条件下仿真综合飞行／ 火力控制（ＩＦＦＣ）系统,结果表明该模型可以实现机翼非水平转弯投弹攻击方式,并满足ＩＦＦＣ系统性能要求     

基于SAR的组合导航系统仿真研究

针对地形辅助导航中SAR图像匹配高度通道不可观，及传统Kalman滤波器自适应性差的缺陷，提出引入GPS高度信息及自适应联邦Kalman滤波算法，设计基于自适应联邦滤波的SINS／GPS／TAN／SAR四组合导航系统。该方案能有效地提高系统的自适应性、导航精度和自主性。并且由于方位误差角是直接观测量，使得载体不需机动即可获得良好的惯导空中对准能力。同时，该方案还可以提供SAR系统所需的运动补偿信息，由此构成导舷设备与任务设备互补的双向信息融合系统。     

单机多目标火力/电子战攻击综合决策

针对单机多目标攻击时的火力/电子战综合决策,提出了一种考虑电子干扰效果的火力打击目标排序算法。该算法根据目标雷达辐射源对载机的威胁程度,建立了机载有源压制干扰的能量分配方法,利用有源压制干扰对目标雷达的压制距离引入距离削弱因子,可获得有源干扰效果对目标威胁级别的影响程度,改进只考虑敌我双方火力威胁程度时的目标打击排序结果。给出了该算法的具体步骤,通过仿真实验证明了该算法的有效性。仿真结果表明,考虑有源干扰效果后的火力攻击目标排序,可以使飞行员首先攻击毁伤概率最大的目标,提高整体的作战效能。     

飞行模拟器洗出算法多重滤波信号补偿优化研究

针对经典洗出算法在应用于飞行模拟器时存在的信号丢失以及适应性不强的缺陷，提出一种多重滤波信号补偿的洗出算法优化方案。分析经典洗出算法中信号丢失的环节，截取丢失信号并采取深度滤波策略进行深度滤波，依据人体感知误差与运动平台的动作余量，将多重滤波后的信号以自适应的比例分别补偿到洗出算法3个通道中，实现最大程度上减小信号损失，从而减少人体感知误差。对经典洗出算法和改进洗出算法进行对比仿真和试验，结果表明改进洗出算法有效降低了人体感知误差，减少了信号丢失，改善了相位延迟，同时充分利用了运动平台的工作空间，增加了动感逼真度。     

单站纯方位目标多模型卡尔曼滤波跟踪算法的研究

EKF滤波算法是进行目标被动定位与跟踪的重要方法之一，为了克服EKF初始化困难和减小线性化误差，对传感器的最大探测距离与最小距离所构成的距离区间实施分区划分，划分成若干个目标可能存在的小区段。钟对每一个小区段，使用扩展卡尔曼滤波，完成滤波协方羔的旋转变换，实现单站纯方位目标状态的估计和跟踪。经过大量仿真计算表明，该算法对滤波初值的设置有较大的选择范围，具有很好的稳定性，精度较高，实施水下目标被动跟踪具有重要意义。     

通道裁剪下的多特征组合目标跟踪算法

针对深层特征存在冗余通道影响跟踪速度和精度以及单一特征难以适应复杂场景的问题,提出了一种通道裁剪下的多特征组合目标跟踪算法。首先,在相关滤波算法的框架上结合传统手工特征和深层特征进行跟踪。其次,通过对比深层特征通道上目标区域和搜索区域的特征均值设计通道裁剪策略,筛选出合适的特征通道。最后,通过隔帧更新的方式更新深度特征,通过平均峰值相关能量更新传统特征滤波模板,最终实现准确跟踪。与10种算法在OTB2013和OTB2015数据集上进行对比实验的结果表明,本文算法在跟踪准确度和成功率方面都取得了更为理想的结果。     

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。     

Airborne Target State Estimator

ＡｉｒｂｏｒｎｅＴａｒｇｅｔＳｔａｔｅＥｓｔｉｍａｔｏｒ￥ＨａｏＪｉａｎｋａｎｇ；ＺｈａｎｇＭｉｎｇｌｉａｎ＆ＷｅｎＣｈｕａｎｙｕａｎ（Ｆａｃｕｌｔｙ３０５ｏｆＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ＆ＡｓｔｒｏｎａｕｔｉｃｓＢｅ...     

基于新型的递归BLUE滤波器的IMM算法

雷达跟踪机动目标时，目标运动常被建模在直角坐标系内，同时目标量测可在传感器坐标系下获得。量测转换技术已被广泛使用在这类问题中，它使得卡尔曼滤波器得以应用于跟踪任务中。但上述技术忽视了卡尔曼滤波器的前提假设条件。提出一种基于新型递归BLUE滤波器的交互作用多模型算法，能近乎最优地估计出直角坐标系下的目标运动状态，同时保持传感器坐标系内所固有的量测误差。通过仿真，将它与基于传统的量测转换方法的交互作用多模型算法进行比较，表明了该算法的有效性和优越性。     

一种改进的推广卡尔曼滤波收敛特性研究

提出了一种改进的推广卡尔曼滤波算法,这一算法不仅具有良好的数值稳定性,而且计算量较小,并进一步分析研究了这一算法的收敛特性,给出了指数收敛速度,分析结果表明改进的算法得到的滤波器增益和状态估计能很好地跟踪原算法得到的滤波器增益和状态估计。     

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。     

Optimization-based particle filter for state and parameter estimation

In recent years, the theory of particle filter has been developed and widely used for state and parameter estimation in nonlinear/non-Gaussian systems. Choosing good importance density is a critical issue in particle filter design. In order to improve the approximation of posterior distribution, this paper provides an optimization-based algorithm (the steepest descent method) to generate the proposal distribution and then sample particles from the distribution. This algorithm is applied in 1-D case, and the simulation results show that the proposed particle filter performs better than the extended Kalman filter (EKF), the standard particle filter (PF), the extended Kalman particle filter (PF-EKF) and the unscented particle filter (UPF) both in efficiency and in estimation precision.     

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。     

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。     

RBUKF算法在GPS实时定位解算中的应用

迭代最小二乘法（iterative least square, ILS）是GPS实时定位解算中使用最为广泛的方法,而近年来扩展卡尔曼滤波（extended Kalman filter, EKF）和无轨迹卡尔曼滤波（unscented Kalman filter, UKF）也在定位解算中逐步得到应用。主要研究了UKF算法的改进型RBUKF算法在GPS实时定位解算中的应用。首先建立了滤波模型,并通过分析和调试得到了滤波器参数,最后使用真实卫星数据对算法进行了验证。实验结果表明：RBUKF算法的定位精度优于EKF和ILS,与UKF基本相同,而其计算量小于UKF和EKF。     

基于多卡尔曼滤波器的自适应传感器融合

准确估车前目标的位置和状态是车辆安全系统的一个重要组成部分,利用多传感器可以提高对目标测量的可靠性。给出了一种用于汽车防碰撞系统中估计车前目标位置的多传感器融合算法,根据车辆与目标之间的一步预测距离,从多个预置的卡尔曼滤波器中选择一个合适的滤波器来实时处理传感器的量测数据。该算法不仅可以有效地处理具有不同测量范围的传感器数据,同时还可以通过滤波器切换的方式,处理具不同数据速率的传感器数据。Monte Carlo数字仿真证明了该算法的有效性。     

基于改进容积卡尔曼滤波的纯方位目标跟踪

为处理纯方位跟踪的非线性问题,提出了距离参数化均方根容积卡尔曼滤波,在消除距离信息不可测对跟踪影响的同时弱化了计算机有限字长截断效应所引入的误差。在假设目标的初始距离信息用多个参数化模型表示的基础上,对每个模型独立进行均方根容积卡尔曼滤波,并依据贝叶斯准则计算各滤波结果对应的概率,将概率和对应结果的加权融合作为最终滤波结果。实验仿真表明,该滤波虽略微提升了计算复杂度,但获得了更好的滤波精度和鲁棒性。