序贯处理的多传感器航迹融合算法研究

基于分布式的多传感器航迹融合系统,采用序贯处理的方法并结合矩阵加权的融合算法,在估计误差协方差阵迹最小的准则下,提出了估计误差相关条件下的航迹融合算法,从理论上对算法的航迹融合性能进行了分析,并进行了仿真。仿真结果表明了基于序贯处理的融合算法的可行性和有效性。

卫星导航系统中基于序贯处理的Kalman滤波

为了有效降低基于Kalman滤波方法的导航定位求解运算量,保证实时性,提出了一种以单个卫星为基本滤波单元的基于序贯处理的扩展Kalman滤波(EKF,extended Kalman filtering)方法——单星序贯扩展Kalman滤波(S3EKF,single-satellite sequential extended Kalman filtering)法。仿真结果表明,S3EKF法相对常规EKF法而言,当可见卫星数超过7颗时,能有效改善运算量,且改善量随可见卫星数的增加而增加,当可见卫星数在15颗及以上时,运算量的改善超过50%;同时,S3EKF法能在可见卫星发生变化时保证求解的一致性和稳定性。

序贯处理与成批处理在定轨应用中的一些问题

本文对成批处理和序贯处理中的一些问题进行了探讨。比较了成批处理与序贯处理的关系，以及用于卫星定轨工作中的使用效果。针对目前现有的序贯处理和推广序贯处理中的具体问题，提出了改进的推广序贯处理算法，利用实际的观测资料进行了相应的计算，检验了改进效果。

一种基于序贯处理的BDS/INS紧组合滤波方法

为了应对高动态卫星信号短时受遮挡的恶劣环境,研究了基于序贯处理的BDS/INS紧组合滤波方法。首先介绍了BDS/INS紧组合滤波方程,然后详细推导了基于序贯处理的BDS/INS紧组合滤波算法,并进行了相应的理论分析。最后利用惯性/卫星组合导航信号软件模拟器对基于序贯处理的BDS/INS紧组合导航系统的滤波性能进行了仿真分析。结果表明:提出的基于序贯处理的BDS/INS紧组合滤波算法在不损失滤波精度的情况下,有效地减小了系统的运算量,提高了计算效率,增强了惯性/卫星组合导航系统在高动态卫星信号短时受遮挡场景下的适用能力。

单生产线序贯多目的批处理过程短期调度的MILP建模

基于连续时间描述,在考虑订单的最早生产时间和到期时间的基础上,建立了单生产线序贯多目的批处理过程的短期调度数学模型,模型表达为一个混合整数规划(MILP)问题。该模型不但能优化订单,减少了模型的整数变量。求解使用了分支定界法(BAB),实例计算表明了该模型的适用的生产时间,而且还能最小化订单生产的提前完成时间和拖延时间。本文将预先排引序入到模型中性和有效性。

标量及对角阵加权的序贯估计融合算法研究

针对多传感器分布式估计融合系统,在最小化估计误差的协方差矩阵迹的准则下,采用标量加权及对角阵加权融合方法,提出了估计误差相关条件下的序贯处理式最优估计融合Kalman滤波器。该融合滤波器以两传感器估计融合算法为基础,对传感器采集信息依次进行融合计算,得到多传感器融合结果。比较两种算法与局部滤波器的估计精度,并进行了仿真。仿真结果表明了基于加权估计融合的序贯处理算法的可行性和有效性。

自适应序贯UKF的INS/BDS紧组合导航算法

针对标准无迹卡尔曼滤波(UKF)算法因自适应能力较弱导致滤波算法精度低的问题,提出一种自适应序贯UKF滤波算法。相比于传统的UKF算法,改进的UKF算法在对sigma样本点的获取上进行改进,加入比例系数替代原有的固定值采样,虽对计算速度略有影响但有效提高了滤波精度。同时通过序贯处理的方法进行量测更新,降低了计算难度和复杂性,提高更新速度,在两种方法相互配合的前提下,改进的UKF滤波算法在可接受的滤波时间内提高滤波精度,有效的得到精确的导航信息。通过INS/BDS紧组合导航系统进行仿真验证,将实验结果与标准UKF算法在组合导航中的位置、速度特性进行比较,结果表明,改进的UKF滤波算法的滤波性能对比与标准UKF算法有着显著的优势,最终有效的提高组合导航的性能。

基于电视的多基地雷达系统的信号与数据处理(英文)

提出基于电视的多基地雷达系统 .商业电台作为多基地雷达系统的辐射源 ,天线阵列接收空中目标对这些商业电台信号的非后向散射回波 .针对其较差的信号处理性能 ,提出了一种数据处理方案 .方案主要改进观测空间的构造 ,这样可以减小非线性误差 .这种方法比传统方法更稳定 .

带反馈信息的多传感器航迹融合算法

基于分布式多传感器航迹融合系统,采用序贯处理的方法,研究了相关条件下带反馈信息的多传感器航迹融合问题。以估计误差方差阵迹最小准则导出了相应的融合算法,并进行了仿真分析。仿真结果表明带反馈信息的多传感器航迹融合算法的可行性和有效性,同时也表明带反馈的融合算法比不带反馈的融合算法具有更高的跟踪精度。

多普勒雷达测量数据的Kalman滤波器设计

研究把多普勒雷达测量数据引入Kalman滤波的新方法.根据测量噪声协方差矩阵的分解导出一种理想的线性测量方程的等价形式,在方向余弦估计和误差补偿的基础上,给出可实现的测量方程及其对应的序贯处理的滤波方程.这种序贯处理结构有助于方向余弦继承位置测量更新带来的性能改善,从而减小其估计误差.蒙特卡罗仿真表明,这种序贯滤波算法,不但可以提高状态估计精度,而且其性能优于传统的推广Kalman滤波.

极坐标系中带多普勒量测的雷达目标跟踪

将仅仅考虑位置量测的二维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距误差和多普勒误差相关的雷达目标跟踪问题。首先用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据伪量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波,其中为了进一步减小二阶EKF的近似误差,利用Cholesky分解实现了位置量测和伪量测的序贯处理。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。

一种惯性辅助卫星完好性监测多解分离法的优化方法

针对惯性辅助卫星完好性监测多解分离法计算量大的问题,给出了一种基于参数序贯复用的优化方法。在对多解分离法及其计算量分析基础上,采用序贯处理技术,推导了低阶顺序处理多解分离法。同时根据系统结构特点以及滤波器间量测信息高度相关性,提出滤波器参数复用方法,避免参数重复计算。通过仿真实验,从故障引入时间和可见星数目变化两个方面对优化前后多解分离法的计算量进行了对比。仿真结果表明该优化方法可以有效降低多解分离法的计算量,便于工程应用。

径向速度测量推广Kalman滤波的改进

研究了一种把径向速度测量引入推广Kalman滤波 (EKF)的新方法。在对测量方程进行分解和对测量噪声的统计特性进行分析的基础上提出了一种序贯处理结构的推广Kalman滤波算法 ,这种算法相当于对非线性的径向速度函数围绕状态矢量的滤波值而不是预测值线性化 ,因而可以大大减小线性化处理带来的误差。两个不同的MonteCarlo仿真结果说明该算法的估计性能优于传统的推广Kalman滤波。

带非线性等式约束无迹卡尔曼滤波方法

针对带非线性等式约束的非线性系统的状态估计问题,给出了一种新形式的基于无迹卡尔曼滤波及伪观测手段的处理约束的状态估计方法(SPUKF)。在该方法中原动态系统被虚拟地分离成两个并行的子系统,各时刻的状态估计由基于这两个子系统构建的两套滤波链交替得到。相对于伪观测法中的序贯形式估计器,SPUKF无需事先确定观测及约束的处理次序且能获得更好的估计结果,故可以用来解决序贯方法中观测与约束的处理次序问题。由钟摆运动的实例仿真结果看到,SPUKF不仅有好于序贯形式无迹卡尔曼滤波的估计效果,误差改善比达到22%左右,而且算法运行时间与序贯形式估计器相近。此外,其估计效果还与批处理无迹卡尔曼滤波相当。

无线电高度表辐射时机的协同控制

针对无线电高度表的辐射时机控制问题,研究基于多测高传感器的协同控制方法。该方法基于信息融合思想,利用序贯卡尔曼滤波对多源高度观测进行信息融合,然后通过间歇控制或状态估计协方差控制来确定高度表的辐射时机。结合实验数据,利用MATLAB对该方法进行仿真,结果表明,协同控制可显著降低无线电高度表的辐射时间,同时使系统保持较高的测高精度。

基于多维特征及BP网络的高分辨雷达目标识别

高分辨雷达目标的识别性能取决于目标特征的提取以及分类器的设计。为解决雷达高分辨距离像(HRRP)的方位、平移和幅度敏感性问题,采用了序贯预处理方法,有效提高了HRRP的信噪比。通过提取能较好反映雷达目标散射点回波特性的多维特征向量,设计BP神经网络作为分类器,提出了一种基于目标多维特征向量以及BP神经网络的高分辨雷达目标识别方法。利用在微波暗室测量获得的三种国产飞机模型回波数据进行目标识别处理,实验结果表明,提出的方法能有效地完成三种目标识别任务,在虚警率低于3%的情况下正确识别率优于95%。

分布式多传感器融合数据关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法.为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合.序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量.仿真实验结果说明了本文方法的有效性.