三角交叉无源定位位置偏差估计滤波算法研究

提出了一种基于两观测站的三角交叉法对机动目标无源定位的算法 ,不是采用传统的对机动目标位置进行估计 ,而是直接对机动目标的位置偏差进行估计滤波 ,使定位的模糊区域迅速缩小 ,以达到快速定位跟踪的目的。列出了对位置偏差估计的状态方程和测量方程 ,用加权的最小二乘估计和卡尔曼滤波算法 ,实现了定位和跟踪。进行了计算机仿真 ,得到了良好的效果。

一种估计模拟分解滤波器组系数偏差的算法

模拟器件工艺偏差是制约混合滤波器组模拟数字转换器系统信号重构精度的主要原因,准确地得到模拟分解滤波器组传递函数是完成信号重构的首要条件。为解决上述问题,本文提出一种估计传递函数系数偏差的算法。该算法根据输入信号的信息以及信号通过模拟滤波器组后的采样数据,便可以准确地估计出偏差范围在±20%的模拟滤波器传递函数系数的偏差值。实验中分别采用2阶和3阶模拟滤波器传递函数模型,其谐振频率的估计值与理想偏差值的标准偏差分别为1.10%和0.56%。将估计值应用于单通路滤波混合滤波器组系统进行仿真,输出信号可以达到14位精度,完成了系统重构功能,仿真验证了该算法的可行性。

基于扩散卡尔曼滤波算法的目标跟踪估计

针对节点网络上的目标跟踪,提出一种基于扩散Kalman滤波算法的分布式跟踪估计。假设该节点网络系统按照线性状态空间模型演进,网络中的每个节点获取与未观察到的状态线性相关的测量值;对于每个测量值和每个节点,采用来自邻近区域的数据计算出一个局部状态估计值;采用一个基于扩散矩阵和连接矩阵的扩散步骤,将前面计算得到的邻域估计值在整个网络上扩散,从而使得每个节点获得关于系统状态的最佳跟踪估计。仿真实验结果表明,该算法不仅在平均均方偏差性能方面可与集中式Kalman滤波跟踪算法相比拟,而且在平均能耗方面优于对比算法。

噪声相关带偏差线性系统的滤波融合算法

传统线性两阶段Kalman滤波算法无法应对噪声相关情形,导致较低的实际应用性能。针对该问题,以线性系统中状态与测量噪声相关的多传感器偏差估计系统为对象,以基于模型等效变换技术的噪声相关两阶段Kalman滤波器为基本滤波器,分别在序贯分布式和并行式框架下建立两种两阶段Kalman滤波融合算法。其中,序贯分布式融合算法将多个局部两阶段Kalman滤波器的估计结果以序贯加权的形式进行融合;并行式融合算法分别对偏差滤波估计和无偏差滤波估计进行融合,再利用线性方程将融合后的结果进行组合,得到状态估计值。仿真结果表明:相比于两阶段Kalman滤波器和序贯分布式两阶段Kalman滤波融合估计器,并行式两阶段Kalman滤波融合估计器在滤波估计精度上具有更高的性能。

线性系统参数故障检测与诊断的一种两级Kalman滤波算法

本文研究了线性系统的参数故障检测与诊断问题,提出了一种适于系统内部及控制器故障的两级Kalman滤波算法。该算法中,初级滤波器建立在系统无故障的假设上,对其新息序列作简单的假设检验即可实现故障的检测。当系统发生故障时,次级滤波器即从初级滤波器的新息序列中估计出参数故障的大小。仿真结果表明,这一算法是可行且有效的。

导弹末制导中的目标机动估计

在空空导弹末制导段为了能更好地估计目标的逃逸机动,以满足制导要求,基于"当前"模型描述目标加速度,提出了一种利用相对速度估值差来调整目标加速度方差的算法。并在导弹—目标相对运动的三维空间内,由导弹对目标的速度测量值偏差调整状态噪声,并通过自适应扩展卡尔曼滤波实现对目标机动的估计。仿真结果表明,该算法在末制导中目标的机动估计精度要优于传统方法。

一种基于NGA-QPF的航天器姿态估计方法

针对航天器姿态确定中的非线性非高斯的滤波问题,提出一种基于遗传算法的粒子滤波的航天器姿态估计方法。该方法将姿态四元数作为采样粒子进行粒子滤波,并将小生境遗传算法(NGA)引入粒子滤波算法中,以改善粒子滤波的性能;用遗传算法单独进行陀螺偏差估计,以减少粒子滤波的状态维数。该姿态估计方法保持了四元数的归一化性质,通过引入小生境遗传算法解决了重采样阶段的粒子退化问题,并且由于单独估计陀螺偏差避免了粒子滤波状态的扩展。该方法能够在较少粒子的情况下实现高效率高精度的定姿,仿真结果说明了方法的有效性。