自适应两步滤波算法在机载IRSTS被动定位中的应用

在机载红外搜索跟踪系统被动定位研究中,针对扩展卡尔曼滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用两步滤波算法并结合Sage-Husa噪声估计器构建了适用于机载IRSTS被动定位特点的自适应两步滤波算法模型,算法不仅实时在线地估计了观测噪声的统计特性,而且避免了观测模型线性化误差。仿真结果表明,在完全相同的初始条件下,自适应两步滤波算法对目标运动参数的估计结果明显优于扩展卡尔曼滤波,从而提高了机载IRSTS被动定位的精度。

用于拦截高超速随机机动目标的自适应两步算法

针对高超速随机机动目标拦截的末制导问题,将改进的自适应两步时变噪声统计估值器和经典的不敏卡尔曼滤波器融入静态多模型滤波器,提出一种自适应两步-快速多模型算法。和传统成型滤波器/扩展卡尔曼滤波器算法相比,该算法估计精确度高,收敛速度快,并对测量噪声波动具有一定的鲁棒性。对传统部分信息微分对策导引律加以改进,提出一种基于逻辑判断的微分对策导引律。将滤波算法融入该导引律,实现了滤波/制导一体化的设计方法。所提出的设计方法较比例导引律和传统微分对策导引律具有更好的寻的性能。蒙特卡洛仿真研究验证了结论的正确性。

只测视线角速度的大机动目标状态估计器设计

在直角坐标系中采用适于大机动目标的"当前"统计模型对目标机动建模。针对目标状态模型是线性的,测量模型是非线性的情况,使用两步滤波器。对目标加速度方差和测量噪声方差进行在线估计,实现了自适应滤波。所设计的估计器与EKF估计器进行仿真比较,结果前者误差能较快收敛并且精度较高。因此所设计的估计器适于红外成像导弹拦截大机动目标。