基于鲁棒滤波的组合导航系统动基座对准

基于采用旋转组件的SINS/GPS组合导航系统,讨论了系统中的旋转组件转速误差和GPS信号延迟带来的时间不同步问题,针对这些扰动造成的系统模型误差,提出将基于极小极大准则的H∞滤波用于组合导航系统的动基座对准。通过对载体在不同运动方式下的动基座对准仿真,对Kalman滤波和H∞滤波的性能进行比较,证明H∞滤波算法具有对准时间快,精度高,抗干扰能力强的特点。     

一种带加速度补偿的H∞次优滤波目标跟踪算法

提出一种带加速度补偿的H∞次优滤波跟踪算法。该跟踪算法通过不断调整H∞滤波器的参数γ来逼近H∞最优滤波器。同时,引入一个加速度估计器和一个机动检测器,加速度估计器通过目标最近三点的位置来估计目标当前加速度值,机动检测器用来检测目标是否机动,当检测到目标机动时,则启动加速度估计器计算加速度,并利用该值对目标状态估计值进行补偿。从而使得该跟踪算法不仅对目标机动具有鲁棒性,而且所得到得估计误差方法最小。仿真结果表明,所提出的目标跟踪算法对高机动目标有良好的跟踪效果。     

基于Jerk模型的单站无源定位跟踪算法研究

针对非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法Jerk-UKF。该方法用Jerk模型对做复杂机动的运动目标建模,采用UKF滤波的思想对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标跟踪,提高了目标跟踪收敛精度和稳定性。仿真试验表明了该方法的可行性和有效性,并具有较高的应用价值。最后,对Jerk-UKF算法的研究方向进行了讨论。     

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...     

基于波形捷变的多传感器机动目标跟踪

针对现代战场中目标往往采用机动方式运动的情况,为了提高目标跟踪的准确性和精确性,结合多传感器数据融合的优点,提出了一种基于波形捷变的多传感器机动目标跟踪方法。该算法通过波形捷变来改变量测的精度。首先在现有文献的基础上,将波形捷变方式推广到二维空间,把雷达量测的克拉美罗下限（Cramer-Rao lower bound,CRLB）近似为量测误差协方差,由于该CRLB是关于发射波形参量的,从而把雷达跟踪的信号处理与数据处理结合在一起,通过波形参量的动态选择得到量测误差协方差的最小值。从而在整个雷达跟踪过程中提高信噪比（signal to noise ratio,SNR）,降低量测误差。其次,在数据处理上,采用多传感器数据融合及粒子滤波进一步提高机动目标跟踪的精度。最后,将该算法与传统的Kalman滤波、粒子滤波及只对一维空间的量测采用波形捷变的算法和交互多模型方法（interacting multiple model,IMM）进行仿真比较,仿真结果显示该算法对机动目标的跟踪精度显著提高。     

一种姿态角辅助的IMMPF算法

交互式多模型粒子滤波(IMMPF)算法把粒子滤波(PF,Particle Filter)引入交互式多模型估计(IMM)算法,从而能够有效地解决非线性、非高斯机动目标跟踪问题.首次把姿态角信息引入到针对空中机动目标跟踪的IMMPF算法中,通过姿态角测量与当前运动模式的模糊关联来辨识目标的机动模式,然后把辨识结果与IMMPF算法的后验粒子权值相融合,以提高算法本身的模型分辨能力;对机动目标跟踪的仿真实验表明,该方法能够有效地改善原跟踪算法的跟踪精度和稳定性.     

随机有限集推理动目标轨迹的相干累积检测法

长时间相干累积技术在提高雷达对动目标探测能力方面发挥着重要的作用。但是，由目标机动导致的距离和/或多普勒频率徙动将会大大降低相干累积的性能。为解决上述问题，提出一种随机有限集推理动目标运动轨迹的相干累积检测法。首先，通过频率轴反转变换，提取出描述目标运动特性的信号。然后，利用该信号时频变换后的结果构成测量随机有限集，并以状态空间模型描述各目标的运动，在贝叶斯滤波的框架下实现目标运动轨迹的推理。最后，基于推理的轨迹设计出二维匹配滤波器，来补偿未知的距离和/或多普勒频率徙动。理论分析和数值仿真实验结果均表明，该方法可有效处理具有复杂甚至未知运动形式的机动目标。     

液压Stewart平台的鲁棒抑振控制

针对液压Stewart平台伺服系统干扰和参数时变的问题,提出了负载力前馈和摩擦力反馈补偿的H∞鲁棒抑振控制方法。在建立液压对称阀控非对称缸标称模型的基础上,设计出Lugre摩擦力观测器,将得到的摩擦力和由Stewart平台动力学反解计算的理想负载力同时进行动态力补偿,并根据混合灵敏度理论设计了液压非对称缸系统的H∞鲁棒控制器。仿真结果表明：该方法有效抑制了参数摄动以及换向运动过程中非线性摩擦引起的系统振动,提高了系统的运动精度。     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。     

基于UKF的交互多模型算法

为了提高交互多模型算法的滤波精度,提出了基于无迹卡尔曼滤(UKF)的交互多模型算法(IMM-UKF).该算法融合了交互多模型算法对不同目标机动模式的自适应能力和UKF滤波精度高的优点.通过对机动目标跟踪的应用仿真,将该算法和基于扩展卡尔曼滤波(EKF)的交互多模型算法(IMM-EKF)进行了比较,仿真结果表明了IMM-UKF具有较好的跟踪性能,减小了机动目标跟踪的均方根误差.     

适用于模型失配时的改进IMM算法

机动目标难以跟踪的主要原因是无法找到一个准确的模型来描述目标的运动,即此时目标运动模型是失配的。现今交互式多模型（interacting multiple-model, IMM）算法是一种常用的用于机动目标的跟踪算法。推导分析了现有的典型IMM滤波算法在跟踪机动目标时存在的不足,提出了一种更适用于运动模型失配情况下机动目标跟踪的改进IMM算法。该算法对在跟踪机动目标时滤波器的新息序列的均值特性进行推导分析,改进了IMM算法中模型概率的计算方法,提高了模型概率计算的准确性,从而提高对机动目标的跟踪精度。建立了典型的机动目标跟踪场景,将改进后的IMM算法和原有的典型IMM算法的跟踪性能进行了对比研究,并对模型转换概率的准确性进行了分析,仿真结果验证该改进算法的有效性。     

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。     

宽带一维像雷达单脉冲跟踪建模仿真

宽带成像雷达通常采用窄带跟踪和宽带成像分时交替进行,这样势必造成雷达资源浪费.为了有效利用雷达资源,一旦窄带跟踪到目标后,雷达可以转入宽带一维成像与单脉冲跟踪.研究宽带一维像单脉冲跟踪模型,给出了高速运动目标宽带线性调频信号回波模型,根据该信号是同调频率的多分量信号的特点,将Radon模糊图变换法应用于调频率估计和一维像运动补偿,并给出了宽带一维像的测速、测距和测角模型.一维像的目标连续定位跟踪可以增加目标跟踪数据率,提高宽带雷达对机动目标跟踪能力.仿真结果验证了宽带一维像目标单脉冲跟踪技术的可行性和跟踪精度.     

基于GM(1,1)模型的机动目标跟踪方法研究

传统卡尔曼滤波器依赖目标运动状态的数学模型,当目标运动数学模型不精确或不能够用线性状态空间模型描述时,跟踪滤波会发散。针对这一问题,提出了一种基于GM(1,1)(Grey model)模型的跟踪卡尔曼滤波方法。在卡尔曼滤波过程中,迭代所需的预测值不再依赖所建立的目标运动状态方程,而是用前几个时刻的估计值建立灰色微分方程来预测下一时刻的值,其预测精度高,滤波性能提高,特别在目标机动的时间内跟踪滤波效果要好于传统方法。仿真结果表明,是一种可行的机动目标跟踪方法。     

基于模糊推理的机动目标跟踪

针对"当前"统计模型算法对目标强机动时跟踪精度下降的问题,提出一种改进算法。该算法在"当前"统计模型的基础上,采用双滤波器并行结构,提取目标的状态信息,使用模糊推理的方法求解调节因子,通过调节因子实时调整滤波器的预测协方差,在保证对目标弱机动跟踪精度的同时,提高了目标发生强机动时的跟踪精度。仿真结果表明目标强机动时,该算法的跟踪精度明显高于"当前"统计模型算法。     

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。     

非线性预测滤波器在机动目标跟踪中的应用

提出了一种直接根据新息的机动目标跟踪非线性预测跟踪滤波算法。该算法不需要假定目标的机动加速度模型 ,而是将目标的机动加速度作为滤波结果的一部分直接估计出来。对不同机动目标的仿真结果表明 ,所提出的预测滤波算法具有优良的估计性能     

基于自适应预测滤波的视线转率估计方法

针对空间目标拦截过程中,视线转率估计模型强非线性噪声非高斯的问题,提出了预测滤波与扩展卡尔曼滤波相结合的转率估计方法.该方法在线实时估计并修正系统模型,滤波同时引入自适应方法,在线调整模型的噪声方差.仿真结果表明,与无迹滤波相比,该方法计算量小、收敛速度快、对模型误差的鲁棒性强,可以有效提高视线转率的估计精度,进而提高制导精度降低脱靶量.     

基于IMM的UK-GMPHDF算法在多机动目标跟踪中的应用

为解决非线性系统滤波的非线性和多机动目标跟踪问题,提出了一种基于交互多模型(IMM)的无迹卡尔曼实现的高斯混合概率假设密度滤波(UK-GMPHDF)算法.该算法结合了IMM算法对不同目标机动模型的自适应能力和UK-GMPHD滤波精度高、计算量小的优点.此外,滤波器利用UK-GMPHD滤波,不仅避免了难以解决的数据关联问题,而且可以联合估计目标数和目标状态.在非线性系统和杂波环境下,通过对多机动目标跟踪的应用仿真,将该算法和基于单模型的UK-GMPHDF算法进行了比较,仿真结果表明了基于IMM的UK-GMPHDF算法具有较好的跟踪性能,大大提高了多机动目标跟踪精度,减少了跟踪的多目标误差.     

基于LMI的多传感器H∞融合滤波器设计

在实际多传感器数据融合系统中,往往过程噪声及测量噪声统计特性未知,但能量有限.此时一些在已知精确系统模型与噪声统计特性情况下保持优良融合性能的方法,不仅无法保持良好性能,甚至会出现崩溃情况.H∞融合滤波方法可以有效地解决此类多传感器融合系统的滤波问题,但存在求解困难问题.基于LMI给出并证明了H∞融合滤波器的解,给出了数值仿真实例.结果表明提出的方法可以解决过程噪声及测量噪声统计特性未知,但能量有限情况下的多传感器数据融合问题.