基于离差差分滤波算法的再入目标状态估计

再入弹道目标的状态估计是个复杂的非线性滤波问题,使用扩展卡尔曼滤波算法(Extended Kalman Filter,EKF),会引入较大的误差,甚至发散.为了提高估计精度,提出使用离差差分滤波算法(Divided Difference Filter,DDF)对再入弹道目标的状态进行估计.DDF算法使用二阶多维Stirling内插多项式近似非线性状态和测量方程获得状态和方差的估计.该算法只需要计算函数值,避免了求导运算,降低了计算复杂度.Monte Carlo数值仿真表明,离差差分滤波方法降低了再入目标的状态估计误差,提高了估计精度,且运行速度比无迹卡尔曼滤波方法(Unscendted Kalman Filter,UKF)要快的多.

一种迭代离差差分滤波算法及其应用研究

针对扩展卡尔曼滤波(EKF)和迭代EKF量测更新过程采用线性化误差传递,导致状态估计精度偏低的问题,将迭代方法、统计线性化误差传递和离差差分滤波器相结合,建立了一种新型迭代离差差分滤波方法.将该方法应用于再入弹道目标状态估计,仿真实验结果显示,此方法降低了测量方程的非线性对滤波的影响,有效提高了目标的状态估计精度.