水下目标跟踪的改进非线性滤波快速算法*

为了提升水下目标的跟踪精度,该文研究了测距误差有偏条件下的水下目标跟踪算法,基于水下目标跟踪中常用的无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)算法,改进提出了将偏差系数作为状态变量之一进行联合估计的跟踪算法。结合水下目标跟踪场景的实际特点,进一步推导了这两种算法在线性状态方程条件下的简化形式,分别称为IS-UKF和IS-CKF算法。仿真实验和湖试实验结果表明,与常规无迹卡尔曼滤波和容积卡尔曼滤波算法相比,提出的两种改进算法(IS-UKF和IS-CKF算法)不仅具有同等运算量,而且提高了目标轨迹跟踪精度。     

基于改进CKF的光电跟踪伺服系统二阶滑模控制

传统的光电跟踪伺服系统滑模控制中,对目标位移信号微分以求取速度、加速度等运动状态的方法会影响控制的精度和稳定性。针对这一缺点,提出了基于改进容积卡尔曼滤波(CKF)的二阶滑模控制算法。基于系统原理,建立了系统模型;应用限定下界法改进了CKF算法以提高目标状态估计的准确度;应用超螺旋算法设计了二阶滑模控制器,并将滤波预测的目标状态作为系统输入进行仿真实验。结果表明,相对于传统的二阶滑模控制,所设计的控制方法提高了控制精度,减小了抖振,且具有更好的稳定性。     

光电跟踪系统计算机辅助控制实现

建立了基于数值微分的目标运动状态滤波预测模型,用s-函数实现了卡尔曼滤波预测算法。利用目标位置拟合方法给出角位置信息,并以此为观测信息通过卡尔曼滤波预测出当前角位置和角速度信息,将其引入跟踪控制系统中以克服脱靶量滞后问题,同时也实现了系统的等效复合控制。仿真结果表明,基于数值微分的模型适用于角度跟踪,滤波预测具有较好的鲁棒性。通过对两个不同等效正弦输入的验证,可知角位置合成精度对共轴跟踪影响较大,在脱靶量和跟踪架角位置采样匹配对应时,跟踪仿真精度较高,而对等效复合控制跟踪误差影响较小,输入信号角频率增大时误差增大。     

不完全量测下长基线系统的水下目标跟踪算法

针对不完全量测情况下长基线系统对水下目标跟踪精度会下降的问题,提出了最小二乘-容积卡尔曼滤波(Least Squares-Cubature Kalman Filter,LS-CKF)算法。选取容积卡尔曼滤波(Cubature Kalman Filter,CKF)为基本跟踪算法并将其改进为两步滤波模式.增加的第1步滤波使用最小二乘估计优化时间更新阶段的容积点,提高了第2步滤波中量测更新的精度。进一步推导了量测信息为距离时新算法的简化形式,降低了运算复杂度,使其能更好地应用于水下跟踪系统.仿真实验和湖试数据的处理结果表明,在丢失量测数据较多且初始状态误差很大的恶劣情况下,LS-CKF收敛速度比标准CKF算法提升了1倍,且跟踪误差降低10%以上。      

卡尔曼滤波在激光跟踪测量系统中的应用

激光跟踪测量系统对于测量运动目标空间位置是行之有效的,但在测量过程中,各种干扰噪声的影响会降低测量精度。采用卡尔曼滤波来减小噪声的影响以提高测量精度。介绍了激光跟踪测量系统,建立了状态方程和测量方程,给出了卡尔曼滤波算法,仿真结果表明,运用卡尔曼滤波大大提高了测量系统的精度。     

灰色预测优化模型及其在光电跟踪中的应用

针对光电多目标切换跟踪中的预测跟踪问题,提出了一种基于灰色理论的目标位置预测方法。以传统的灰色模型为基础,充分考虑光电跟踪的特点,分别从原始数据预处理、背景值和时间响应函数三个方面对GM(1,1)模型和GM(1,1)幂模型进行优化,并修正了GM(1,1)幂模型中幂指数的确定方法,最终建立新陈代谢模型,将两者均运用到对光电跟踪目标的位置预测过程中,实验结果表明,优化后的模型预测精度更高,可应用于光电预测跟踪。     

三轴光电跟踪系统对地平式天顶盲区出入点的判定方法

三轴光电跟踪系统可以全方位跟踪空间目标,在地平式光电跟踪系统天顶盲区内通过转动X轴实现快速高精度跟踪。用多种三轴光电跟踪系统对地平式天顶盲区进行判定,包括目标距离信息判定方式、Z轴转动速度判定方法、预置盲区判定方法等。判定方法的选择直接影响三轴光电跟踪系统的跟踪精度。理论分析和仿真表明：以Z轴的最大保精角速度来判定地平式盲区的出入点使三轴系统在天顶附近有更高的跟踪精度,且可实现跟踪方式的平稳过渡。     

高精度光电跟踪系统中伺服稳定控制算法研究

针对光电跟踪稳定平台系统中载机振动、系统参数摄动、摩擦力矩及外部扰动等因素直接影响光电跟踪系统稳定精度的问题,从伺服控制器控制角度出发抑制跟踪系统中的偏差,提高稳定精度,保证其在复杂环境下仍具有强鲁棒性。通过建立光电跟踪稳定平台系统的数学模型,分析干扰力矩、陀螺噪声及系统参数的变化对光电稳定平台的影响,设计了基于新型非线性扩张观测器（novel nonlinear extended state observer,NNESO）和滑模变结构控制（sliding mode varianle structure control,SMVSC）的复合控制策略。理论推导和仿真实验结果表明:此种复合控制策略具备对干扰力矩、外界扰动和系统结构参数摄动的完全适应性和强鲁棒性,对比无新型非线性扩张观测器的控制系统,证明其拥有更高的稳定精度和更快的动态响应,在补偿非线性方面具有良好的效果,可增强光电跟踪稳定平台的抗扰动能力。     

空间光通信ATP系统的研究

自由空间光通信是以激光为载波,以大气为传输媒质的新型通信技术。捕获、跟踪、瞄准(ATP)子系统是自由空间光通信系统的关键技术之一。给出了空间光通信系统中ATP子系统的原理,对由共轴双检测法组成的ATP系统进行了研究,建立了共轴双检测ATP试验系统。结果表明采用共轴双检测ATP系统能够提高系统精度和稳定性,跟踪精度比复合控制ATP系统有了明显提高。     

一种线性速度估计器在光电跟踪系统伺服控制中的应用

高性能的伺服控制除了需要高质量的控制器,还需要高质量的反馈信息。对于光电跟踪系统,通过位置和电流传感器可以提供位置和电流信息,而速度信息则需要通过处理测量信息得到。传统的差分方法会放大位置信息中的量化噪声,从而降低光电跟踪系统的精度。介绍了全维状态观测器及其基本原理,结合伺服控制系统电机模型架构,设计了一种线性速度估计器,并讨论了其参数选择问题。采用抗积分饱和PI控制器和积分分离PI控制器作为三环控制回路的控制器,在某型号光电跟踪系统对该算法进行了实验。实验结果证明,采用该算法的伺服控制系统基本无超调,上升时间0．43s,稳定时间0．65s,跟踪精度为1．78″,完全满足实际工程要求。     

基于时频差的正交容积卡尔曼滤波跟踪算法

针对基于时频差测量的无源跟踪中面临的非线性估计问题, 提出一种正交容积卡尔曼滤波跟踪算法. 该算法在容积卡尔曼滤波算法的基础上, 通过引入特定正交矩阵改进容积采样方法, 在高维状态估计下减小因采样产生的误差, 在没有增加计算量的前提下, 有效提高收敛速度及跟踪精度. 仿真结果表明, 在基于到达时差和到达频差的联合无源跟踪问题中, 与扩展卡尔曼滤波及容积卡尔曼滤波算法相比, 本文所提算法在跟踪性能上有明显提升.     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.     

基于广义M估计的鲁棒容积卡尔曼滤波目标跟踪算法

为减小测量异常误差对非线性目标跟踪系统的影响, 提出了一种基于广义M估计的鲁棒容积卡尔曼滤波算法. 首先将非线性测量方程等价变换, 利用约束总体最小二乘准则构建广义M估计极值函数, 在不进行线性化近似的前提下将其引入到容积卡尔曼滤波求解框架中. 然后根据Mahalanobis距离构建异常误差判别量, 利用卡方分布的置信水平确定判决门限, 并建立改进的三段Huber权函数, 使其能够降低小异常误差权值, 剔除大异常误差. 理论分析表明, 该方法具有无需求导、跟踪精度高、实时性好等优点, 且无需已知异常误差的统计特性; 实验结果表明, 所提算法能够有效减小异常误差的影响, 在实际非线性物理系统中具有广阔的应用空间.     

逼近积分点数下限的五阶容积卡尔曼滤波定轨算法

为了在保持滤波定轨精度不变的条件下提高定轨计算的实时性,提出一种新的逼近积分点个数下限的五阶容积卡尔曼滤波定轨算法.首先,采用一种数值容积准则对非线性函数的高斯加权积分进行近似,该准则所需的积分点个数仅比五阶代数精度容积准则积分点个数的理论下限多一个积分点,并在贝叶斯滤波算法框架下推导出本文算法的更新步骤.然后,给出实时定轨所需的状态方程和量测方程,在状态方程中考虑了J2项引力摄动和大气阻力摄动,在量测方程中利用坐标系转换推导了轨道状态与测量元素之间的非线性关系.仿真实验结果表明,本文所提算法在定轨精度方面与已有的五阶滤波算法相当,但所需的积分点个数最少,计算实时性最高,从而验证了本文算法的有效性.     

Unscented Kalman filter and its nonlinear application for tracking a moving target

The extended Kalman filter (EKF) is probably the most widely used estimation algorithm for nonlinear systems. However, more than 40 years of experience in the estimation community has shown that is difficult to implement, difficult to tune, and only reliable for systems that are almost linear on the time scale of the updates. To overcome these limitations, this paper proposes the unscented Kalman filter (UKF). And the algorithms of the FEKF, SEKF and UKF are given. Furthermore, the state models and measurement models of a target are set up. For comparison purpose, the three algorithms is simulated for the target tracking, and the algorithm performance is analyzed and compared by the simulation results of FEKF, SEKF and UKF. Numerical results demonstrate that FEKF and UKF give almost identical results while the estimates of SEKF are clearly worse. The UKF is easier to implement, avoiding Jacobian and Hessian matrices computation.     

精确跟瞄控制技术研究

针对目标跟瞄多功能的需求,将最小方差估计和跟踪控制的思想结合,设计了一种跟瞄控制器,实现了目标位置预测与伺服控制的融合,优化了系统结构。采用基于当前统计模型的改进卡尔曼滤波算法,预测出目标运动状态参数;采用自适应滑模的解算控制方法,实现伺服系统的位置控制。通过仿真实验,系统状态稳定,抗干扰能力加强,通过对数据分析,跟瞄精度明显提高。     

MS-KF融合算法用于锥套跟踪

针对无人机自主空中加油过程中锥套跟踪,提出一种均值漂移-卡尔曼滤波(mean shift-Kalman filter, MS-KF) 融合算法。分析了基于均值漂移算法的锥套目标模型、相似性度量、锥套目标定位的锥套定位原理;引入卡尔曼滤波器对锥套运动状态进行预测,将锥套运动信息融合到均值漂移算法中,以保证锥套跟踪算法的稳定性和鲁棒性;给出了MS-KF融合算法用于锥套识别跟踪的流程;搭建了锥套跟踪半物理实验验证系统,分别进行MS-KF融合算法用于锥套跟踪的半物理实验验证及数值仿真分析。实验结果表明:MS-KF融合算法可以对锥套精确定位跟踪,无人机3个轴向的跟踪误差保持在0.3 m的范围内,保证了无人机自主空中加油的顺利进行。