扩展卡尔曼滤波和不敏卡尔曼滤波在实时雷达回波反演大气波导中的应用

为了改善雷达回波反演大气波导(RFC)方面存在的单时次、单方位角反演的问题,提出利用扩展卡尔曼滤波和不敏卡尔曼滤波的反演算法对大气波导结构的多方位角实时跟踪反演. 在卡尔曼滤波方法中分别给出大气波导结构的参数化方程、观测方程、滤波算法的状态转移方程,最后导出滤波反演算法的迭代求解流程. 在大气波导结构不随时间变化和随时间变化的两种条件下,对扩展卡尔曼滤波和不敏卡尔曼滤波算法进行数值实验. 实验结果表明,不敏卡尔曼滤波更适用于RFC这高度非线性反演问题,它可能今后为大气波导结构多方位角实时跟踪反演的业务化运行提供理论基础与技术保证. 关键词： 大气波导 雷达回波 扩展卡尔曼滤波 不敏卡尔曼滤波     

一种车载组合导航系统的联邦滤波新算法

针对车载GPS/DR组合导航系统的特点,提出了一种新的联邦滤波算法.子滤波器由两个滤波器构成:一个是卡尔曼滤波器,另一个是Unscented卡尔曼滤波器(UKF),它们分别处理GPS子系统和DR子系统的信息.UKF是一种较新的非线性滤波方法,相对传统的非线性滤波器EKF具有更高的滤波精度和更高的计算效率.联邦滤波器的信息分配因子采用一种基于观测误差的最小均方误差形式,最佳地融合了传感器的输出信息.这种结构降低了联邦滤波器的计算难度和计算量,提高了组合导航系统的可靠性和容错性.仿真结果表明,提出算法的定位精度很高,与UKF算法的效果相当.     

UKF方法在陆地车辆组合导航中的应用

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法。仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求。     

基于自适应UKF算法的MEMS陀螺空中在线标定技术

为保证微型卫星定位应用中系统精度与稳定性,需要对姿态传感器进行实时在线标定.在无外界姿态参考时,提出一种用三轴磁强计测量值来实时估计MEMs陀螺的零漂误差的方法,采用UKF滤波算法,将陀螺漂移作为滤波状态向量,通过建立三轴磁强计测量微分方程,作为系统量测方程实现陀螺漂移的最优估计.针对磁强计测量信息易受干扰导致滤波量测模型不准确的问题,将自适应因子引入到UKF中,通过在线监控和调整测量误差,减少陀螺标定的估计误差,增强系统性能.实验结果表明,经过标定,MEMS陀螺精度提高约30%,并且在磁强计有外界干扰时,陀螺的标定结果收敛.将标定后的MEMS陀螺进行姿态解算,其动态误差小于2°.     

基于对偶四元数的双星编队相对位姿测量

为了描述编队卫星中主从星的相对位置和姿态信息,提出了基于对偶四元数的编队卫星相对位姿测量算法。以双星编队飞行的位姿运动为主线,运用对偶四元数工具,充分发挥其能以最简洁的形式表示一般性刚体运动的优点,对卫星轨道和姿态进行分析并建立了对偶四元数位姿模型。同时设计类GPS测量技术来测量编队卫星的相对位置和姿态,该技术载波相位波长和伪码码元比GPS的更短,可获得更高精度的相对测量信号。由于状态方程和观测方程的非线性特征,使用UKF滤波来消除随机噪声对量测过程的干扰。实验结果表明,所设计的算法能够有效估计系统误差,卫星的位置误差和四元数误差收敛于零,验证了该算法的有效性。     

基于改进无迹卡尔曼滤波器算法的滞回模型参数识别研究

地震产生的周期荷载作用下,钢混桥墩结构表现出滞回行为。为描述滞回行为,研究者提出各类滞回模型,其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化和捏拢效应等典型特征。此外,无迹卡尔曼滤波器UKF(unscented Kalman filter)算法是识别BWBN模型参数的高效方法,但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时,UKF算法识别过程受到局限。本文改进生成样本点规则,提出改进UKF算法。数值模拟结果表明,在无噪声条件下,改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%,最大误差为4%;在2%均方根RMS(root mean square)高斯白噪声条件下,误差平均为5.43%,最大误差为18%;在5%RMS高斯白噪声条件下,误差平均为8.9%,最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。     

基于Unscented Kalman滤波的飞行器天文/地磁自主导航算法研究(英文)

针对地磁场模型精度低而引起的导航精度不高及基于轨道动力学方程的天文导航算法的局限性问题,提出了一种利用天文/地磁信息为观测量的飞行器自主导航方法,并建立了动力学方程,同时推导了观测方程。算法采用星光矢量与地磁矢量的夹角为观测量,采用UKF滤波器估计飞行器的速度和位置,并进行了仿真研究。仿真结果表明,该算法的精度要远高于单纯的地磁导航,滤波的收敛性和稳定性较好,导航误差不随时间累积,有工程应用价值。     

基于MEMS传感器的姿态测量系统设计

为解决单目三维扫描装置摄像机标定完成后姿态不能改变的问题,针对单目三维扫描装置使用过程中的运动方式与特点,设计了一款基于 MEMS 传感器的姿态测量系统。采用四元数对姿态进行解算,通过三轴姿态确定(TRAID)算法构建量测模型,以无迹卡尔曼滤波(UKF)算法进行数据融合,能有效抑制姿态解算过程中陀螺仪的漂移问题。实验结果表明,利用该系统进行姿态测量时静态误差低于±0.2°,动态误差低于±1°,系统实时性好、适用于动态三维扫描系统。     

四轴飞行器视觉组合导航系统设计与实现

为实现四轴飞行器的自主飞行,设计了该视觉导航系统;采用基于ARM处理器的飞行控制器和导航控制器的双CPU结构,提高了系统的运行速度;飞行控制部分采用四元数解算姿态,运用经典的PID控制设计了X、Y、Z三个轴的PID控制器进行整个系统的飞行控制;导航部分采用不敏卡尔曼滤波(UKF)融合惯导位置和视觉位置,从而给出载体最优位置,提高导航精度;实验结果表明,基于图像和惯性导航的视觉组合导航方式可使导航精度保持在0.5 m内,同时整个系统具有较好的快速性和稳定性。     

改进的CS-UKF加速度方差自适应跟踪算法

针对基于当前统计模型的状态噪声协方差阵中的加速度方差调整方法对一般机动目标、非机动目标跟踪精度差的问题,研究其改进方法;在建立机动目标当前统计模型离散状态方程和雷达导引头离散观测方程的基础上;利用雷达导引头测量信息和位置预测值之间的扰动对加速度方差进行调整,提出了改进的加速度方差自适应调整无迹卡尔曼滤波跟踪算法;数字仿真验证了该算法对非机动目标、一般机动目标以及高机动目标均具有良好的跟踪效果。