扩展卡尔曼滤波器的目标机动信息估计研究

针对目标机动信息估计时的状态方程非线性及目标机动频率未知的特点,对三维线性卡尔曼滤波器的状态量进行了扩维。利用扩展卡尔曼滤波器(EKF)完成了目标机动信息估计算法设计,并通过仿真验证了不同条件下滤波器对目标机动频率、机动加速度及加加速度的估计特性。同时,对滤波器估值误差的收敛性进行了仿真评估,验证了算法的有效性。

一种模糊推理强机动目标跟踪新算法

针对机动目标状态估计算法对强机动目标跟踪性能下降,甚至发散的问题,在机动目标状态估计算法基础上引入模糊推理多重修正因子,提出一种新的强机动目标自适应跟踪算法.采用残差统计距离和目标机动加速度的2-范数作为模糊输入量,自适应地计算出多重修正因子来实时调节预测协方差.该算法保留了对一般匀速或弱机动目标的高精度跟踪性能,同时增强了滤波器对强机动目标的自适应跟踪能力.仿真结果表明,新算法提高了对强机动目标的估计精度,加快了跟踪的收敛速度.

基于气动性能分析的高超声速滑翔飞行器轨迹估计

由于高超声速滑翔飞行器(HGVs)具有高速、高机动的特点,对此类目标的状态估计一直是一个研究热点。鉴于采用传统的运动学和动力学模型进行轨迹估计时加速度估计精度不高,提出一种基于气动性能分析的非线性气动参数目标估计模型。首先,在研究了高超声速滑翔飞行器跳跃再入段运动特性的基础上,以类HTV-2飞行器为研究目标,采用气动力估算方法对高超声速滑翔目标再入段的气动力进行计算分析。其次,建立与马赫数线性相关的气动参数“基准模型”和以一阶马尔可夫过程描述的气动参数“偏差模型”,对目标气动参数进行非线性估计。数学仿真结果表明,该方法可以一定程度上提高卡尔曼滤波方法对该类目标的加速度估计精度。