静基座捷联罗经初始对准方法

本文从分析平台罗经初始对准的原理出发,提出了静基座捷联罗经初始对准的原理并推导了便于软件编程的具体算法,通过对大方位误差角 SINS 非线性误差方程的简化,推导了粗略方位自对准的算法公式。     

自适应卡尔曼滤波在SINS静基座初始对准中的应用

由于捷联惯导系统模型参数往往与实际的物理过程具有一定的偏差,并且系统的噪声与量测噪声的统计特性不是精确已知的,因此采用常规的卡尔曼滤波算法不能获得理想的滤波效果。为避免滤波发散,采用Sage-Husa自适应滤波算法应用于捷联惯导初始对准,仿真结果表明该方法相对于卡尔曼滤波方法在收敛精度和速度上都有很大的改进。     

插值粒子滤波在静基座捷联惯导系统初始对准中的应用研究

推导了大方位失准角条件下,捷联惯导系统(SINS)静基座初始对准非线性误差模型,提出一种基于插值粒子滤波(DDPF)的 SINS 静基座初始对准方法。分析了插值非线性滤波原理,结合插值滤波和粒子滤波的特点,利用二阶插值滤波算法得到粒子滤波的重要性密度函数。 在静基座状态下分别基于 DDF 和 DDPF 滤波算法进行初始对准仿真实验。仿真结果表明,大方位失准角的情况下,DDPF 非线性滤波具有更快的收敛速度和更高的对准精度。     

基于MEKF的捷联惯导初始对准算法研究

在某些对精度要求不是很高的领域微机电系统(MEMS)等低精度捷联惯导系统因其造价低等特点而得到广泛应用。由于传统的初始对准方法不能估计除姿态以外的任何量,故不适用于MEMS等低精度捷联惯导系统。该文研究了一种基于姿态估计的初始对准方法,并使用乘性扩展卡尔曼滤波进行对准,在姿态对准的同时实现对惯性器件误差的建模估计。在实现初始对准的基础上显著降低了计算量。     

捷联惯导系统动基座传递对准研究

针对动基座传递对准,为了提高对准精度和缩短对准时间,本文采用"速度匹配"方案,通过载机不同的机动方式,由卡尔曼滤波算法估出计失准角。结果表明设计在满足飞行操作简单的条件下,对准精度高和时间短,为工程使用提供参考。     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

小波中值滤波在晃动基座初始对准中的应用

针对捷联惯性导航系统(SINS)在晃动基座下进行初始对准时,陀螺和加速度计受外界干扰噪声较大,而单独采用低通滤波或小波滤波法不能有效实时地实现噪声抑制问题,采用小波阈值消噪和中值滤波相结合的混合滤波方法来实现信号的消噪。将输出信号首先经中值滤波消除信号中的突变噪声,再利用小波阈值消噪滤除振动噪声和白噪声,从而有效地消除基座晃动带来的噪声。测试实验表明,提出的混合滤波法对车载惯导系统输出信号噪声滤波效果明显,在发动机启动的情况下,可基本达到静态信号采集的效果。对准仿真实验表明,提出的滤波法能辅助捷联惯导系统实现在晃动基座下的精对准。     

基于可观测度分析的捷联惯导初始对准方法

输出校正和反馈校正是捷联式惯导系统初始对准的两种传统方法,可观测度是衡量卡尔曼滤波状态估计效果的量度。为提高捷联惯导初始对准的精度,分析了状态的可观测度与反馈校正对初始对准精度的影响,得出状态的估计效果与使用的校正方法有关,正确的反馈量可提高估计精度。因此,该文提出了一种基于可观测度分析的自适应反馈校正方法,并分别使用3种校正方法进行地面静基座初始对准仿真实验,实验结果表明此方法可有效提高对准精度。     

多普勒计程仪辅助捷联惯导初始对准技术研究

针对捷联惯导系统初始对准精度问题,提出了一种采用多普勒计程仪辅助捷联惯导系统进行初始对准的方法。分析了多普勒计程仪测速误差的形式,建立了多普勒计程仪与捷联惯导系统的误差模型,通过输出校正的方法修正多普勒计程仪的速度信息,为惯导系统提供准确的载体速度信息,采用卡尔曼滤波进行捷联惯导系统的精对准。并对舰船匀速直航状态时,多普勒计程仪辅助捷联惯导系统的初始对准进行了仿真分析。理论分析与仿真结果表明:该方案能有效地解决舰船的初始对准问题,收敛速度较快,而且具有较高的精度。     

神经网络在地-地导弹惯导系统初始对准中的应用

以地-地导弹的惯导系统为研究对象,分析了传统方法在惯导系统初始对准方面的缺陷.针对惯导系统的非线性及实时性等方面的要求,考虑到神经网络所具有的函数逼近性能,扩展Kalman滤波(EKF)所具有的最优估计性能的特点,提出了基于扩展Kalman滤波的神经网络应用技术.应用扩展Kalman滤波对多层神经网络的非线性离散时间系统进行算法训练,在获得的所有观测数据中找到状态(权值)的最小方差估计.在假定的地理坐标系下,对地-地导弹的惯导系统地面自对准的非线性状态方程,应用Matlab对基于EKF的神经网络方法和传统的Kalman滤波方法进行了仿真,对仿真的结果进行了对比分析.     

基于MPF的惯性导航系统快速对准技术

针对目前应用于惯性导航系统初始对准中的扩展卡尔曼滤波存在对准精度低、时间长的缺点,提出一种基于模型预测滤波的快速对准技术。该方法将惯性器件测量误差视为模型误差使用MPF进行实时预测,并以此来修正惯性导航系统的平台误差角。这样,MPF不仅有效提高了平台误差角的估计精度,而且降低了系统状态变量的维数,大大缩短了初始对准时间。仿真结果表明,MPF在平台对准精度和快速性方面均明显优于EKF,初时对准时间仅是EKF的10%,而对准精度却高于EKF。     

惯性导航系统传递对准技术综述

传递对准是现代惯性制导武器的关键技术。介绍了传递对准的基本原理,较全面地总结了与传递对准技术相关的理论与方法,包括惯导系统误差模型、匹配方法、可观测性分析、滤波算法、误差补偿技术、仿真和试验方法等,给出了一种可用的传递对准数学模型。围绕传递对准的精确度、速度以及对准算法的鲁棒性,分析和归纳了传递对准技术近年来的进展情况,指出了研究中所遇到的困难,探讨了传递对准技术的发展方向。     

非线性滤波算法分析及其性能比较

针对目标跟踪实际应用中量测方程非线性对滤波精度和稳定性的影响,重点分析了模型线性化的滤波算法、无迹卡尔曼滤波（UKF）和粒子滤波算法（PF）的基本原理和特点以及适应的条件。仿真试验比较了扩展卡尔曼、无迹卡尔曼和粒子滤波的跟踪效果,结果表明非线性条件下粒子滤波算法优于其它两种滤波算法。     

EKF、UKF、PF目标跟踪性能的比较

雷达系统的非线性目标跟踪已被人们广泛重视。扩展卡尔曼滤波器（EKF）是将卡尔曼滤波器（KF）局部线性化，其算法简单、计算量小，适用于弱非线性、高斯环境下。不敏卡尔曼滤波器（UKF）是用一系列确定样本来逼近状态的后验概率密度，在高斯环境中，对任何非线性系统都有较好的跟踪性能。粒子滤波器（PF）是用随机样本来近似状态后验概率密度函数，适用于任何非线性非高斯系统。文中通过仿真实验，对三者的性能进行了仿真比较，结果证明在复杂的非高斯非线性环境中，粒子滤波器的性能明显优于另外两种滤波器，但计算复杂，耗时长。     

基于光纤惯性传感的变形测量方法研究

为了对地表变形进行实时有效的监测,及时发现其不规则沉陷的规律和趋势,从而确定整个地表移动区域的下沉情况。本文选取MIMU惯性测量单元,布设光纤光栅传感器,设计分布监测网路对地表变形数据进行测量。构造新的指数型阈值小波算法并结合时间序列分析对采集的数据进行去噪处理,显著提高去噪效果,最后利用卡尔曼滤波进行变形体的变形趋势预测。与仿真实验结果对比分析发现,采用这种方法得到的数据准确有效,该方法可应用到地形变形预测的工程实际中。     

基于当前统计模型的目标跟踪改进算法仿真分析

针对当前统计模型跟踪机动目标算法存在误差较大问题,采用加速度方差与机动频率自适应技术,能够实现对任意机动情况下的目标精确跟踪。经计算机仿真,比较了加速度方差与机动频率自适应方法的跟踪性能,表明改进算法具有更好的适应性。