基于Sigma粒子Kalman滤波的地形辅助导航方法

地形辅助导航技术依据机载设备实时测量地形高度与机载数字高程地图的对比,给出飞行器定位结果,能够有效地修正主惯性导航系统的误差。传统地形辅助导航中应用较为广泛的是扩展Kalman滤波方法,但因为地形高度测量的非线性,扩展Kalman滤波不一定能够得到系统最优估计。Sigma粒子Kalman滤波作为一种新面世的非线性滤波器,能够有效地解决非线性估计问题。基于Sigma粒子Kalman滤波,提出一种新的地形辅助导航方法。在真实数字高程地图上得到的仿真结果表明,该地形辅助导航方法性能总体优于扩展Kalman滤波方法,尤其在飞越平坦地形时表现更佳。

基于迭代sigma点粒子滤波的再入目标跟踪

标准粒子滤波提议分布选择时,由于没有计入最近的观测值信息,重要性权的方差随时间递增,导致权值蜕化。针对这一问题提出了一种新的滤波算法,迭代sigma点粒子滤波算法。该算法在预测时采用sigma点粒子滤波产生拟合概率密度函数的加权粒子,并通过观测值对加权粒子进行更新;修正过程采用迭代卡尔曼滤波优化预测阶段得到的描述状态分布的均值和方差。将其运用于再入大气层目标的跟踪模型,仿真结果表明:与标准粒子滤波相比,该算法能保证滤波收敛,具有更高的估计精度和更好的鲁棒性。