具有随机偏差的最优多段卡尔曼估值器

提出了具有随机偏差的最优多段卡尔曼估值器。针对状态模型与观测模型同时具有偏差且偏差模型噪声与状态模型噪声相关的情况 ,给出了具有随机偏差的状态方程的增广状态 ,并通过U V变换对卡尔曼估值器的协方差矩阵解耦得到了最优多段卡尔曼估值器。结果表明 ,多段卡尔曼估值器不仅是最优的 ,而且降低了计算的复杂度     

基于航速修正处理的单舰被动定位算法

提出一种基于航速修正处理的单舰被动定位算法，在修正增益推广卡尔曼滤波器的基础上，该算法把运动目标舰艇的航道约束当作输出为0的增加的观测数据加入到测量方程，约束的强度由约束条件的噪声方差确定。提出一种规避因子，用来约束目标状态方程中的航速，基本思想是根据当前估计的目标位置和航速，估计了一个针航行到陆地岛礁或即将航行到陆地岛礁时，用规避因子矩阵来修正航速的方向和大小，避免了出现目标航行到陆地岛礁的情况。计算机模拟结果表明，航速修正处理后不会出现穿越陆地岛礁的运动舰艇航透，同时还能提高对海上运动舰艇辐射源的被动定位精度。     

捷联寻的制导弹药的新型卡尔曼滤波器设计

针对捷联制导系统的自身特点,设计出用于估计导弹和目标在弹体坐标系中相对运动状态的卡尔曼滤波器,使滤波与制导在同一个坐标系即弹体坐标系内进行,避免了信息在弹体坐标系和惯性坐标系之间的多次转换,从而减少了信息损失.仿真结果表明,该方法能够满足捷联制导系统的要求.     

预测滤波技术在电视跟踪系统的应用

为了解决电视跟踪系统中电视脱靶量的滞后以及跳变对控制系统的稳定性和跟踪精度的影响。根据跟踪系统实时性和精度要求，设计了卡尔曼滤波器，对跟踪目标运动参数(位置和速度)进行滤波预测，提出了极坐标下Kalman滤波算法。仿真结果表明，该滤波器能够根据传感器测量值对目标位置、速度进行估值，超调量减至18％，调整时间为0．6s。     

船用平台式INS光学标校初始对准方法研究

为了解决航海型平台式惯性导航系统（INS）非自主式初始对准问题，建立了不同观测量条件下统一的INS初始对准方程。通过系统可观测性分析，得出增加外部姿态角的观测信息将有效提高INS平台失准角和惯性元件误差的估计能力的结论。设计出一种独特的可测量低动态载体两维姿态的高精度光学测量系统（OCS）用以提高航海型平台式INS初始对准精度。建立OCS／GPS／计程仪（LOG）／INS初始对准卡尔曼滤波器，并进行了基于部分试验数据的数字仿真，与传统的基于位置和速度的GPS／LOG／INS初始对准方法相比，基于OCS的系统不仅缩短了对准时间，还有效改善了系统惯性元件的误差估计精度。     

连续型野值判别的新方法

针对连续型野值严重影响卡尔曼滤波器可靠性这一情况,提出一种新的野值判别方法,即正交模型参数变化判别法.当新息序列满足以下3个条件即信号是有穷均值,观测噪声是均值为零的独立分布过程,信号与噪声互不相关时,卡尔曼新息序列估计值具有正交性质.正交模型参数变化判别法的实质是通过判断卡尔曼滤波新息序列估计值的正交性质是否丧失而判别出观测值中是否存在野值.通过仿真结果表明,新的方法对于连续型野值的判别方便易行,快捷有效.     

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

基于"新息"修正的舰船导航信息预处理研究

为了克服舰船导航中Kalman滤波器因野值引起的发散，从“新息”入手，利用“新息’’判断野值，通过指数加权的方法找到野值点的新“新息”代替原来的“新息”，达到剔除野值的目的，在舰船组合导航仿真中证明了这种方法是有效的。     

基于无迹卡尔曼滤波的导航星座并行式自主定轨

针对卫星轨道动力学模型的高度非线性及星座自主定轨的高精度需求,基于星间双向测距观测信息,提出了采用无迹卡尔曼滤波（Unscented Kalman Filter, UKF）作为星载算法的导航星座并行式自主定轨方案,并且给出了UKF算法中可见星先验信息引入的额外方差矩阵,以保证滤波的稳定性.仿真结果表明,该方案可以实现星座的长期自主定轨并维持一定精度.
     

基于Verilog HDL的卡尔曼滤波器的仿真研究

文章对卡尔曼滤波器的算法的5个递推方程进行了详细的介绍,并采用Verilog HDL硬件描述语言对卡尔曼滤波器的算法进行了仿真研究.通过仿真分析,结果表明卡尔曼滤波器的系统过程噪声、测量噪声、系统阶数(递归次数)等因素对滤波结果有影响。