摘要：传统的误差配准算法假设系统偏差恒定或缓慢变化,当系统误差发生突变或快速变化时,这一假设不再成立。针对这一问题,研究了时变条件下的误差配准算法,引入渐消因子,对常规的基于地心地固坐标系的广义最小二乘算法(generalized least squares algorithm based on the earth-centered earth-fixed coordinate system,ECEF-GLS)进行了修正,弱化历史量测对配准的影响,并对渐消因子的选取问题进行了研究,给出了合理的设计方法。算法验证表明,基于渐消因子的ECEF-GLS估计算法能够对时变的系统偏差进行有效估计,精度满足配准要求。

摘要：为提高GNSS接收机跟踪环路在复杂环境下的跟踪性能,提出一种基于自适应强跟踪Kalman滤波(ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波,滤波结果用于计算导航滤波器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波的跟踪环路和基于强跟踪Kalman滤波(STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。

摘要：光电经纬仪对目标跟踪时,目标突发机动时的跟踪效果较差。为此设计了一种带渐消因子的自适应"当前"统计模型。引入渐消因子增强其对突发机动的自适应跟踪能力和其鲁棒性,改进的"当前"模型改善了普通"当前"模型对一般机动目标的跟踪性能。仿真结果表明,和一般"当前"统计模型算法相比,本文提出的算法明显提高了对目标突发机动的跟踪性能。

摘要：针对来袭RAM类目标机动能力强、数目多变且受到密集杂波干扰从而导致传统算法跟踪精度下降的问题,提出一种基于势概率假设密度框架下的强跟踪容积卡尔曼滤波算法(STCKF-CPHD)。首先,建立RAM类目标动力学模型,通过一阶马尔可夫过程对目标外弹道质阻比参数进行建模,得到扩维后滤波器的状态空间模型。然后,引入强跟踪技术,设计带时变渐消因子的STCKF滤波器,解决目标机动导致的模型失配问题。最后,在CPHD的框架下,对目标的质阻比、状态、数量进行联合估计。仿真结果表明,所提算法可以对来袭多RAM类目标进行有效跟踪,目标最优子模型分配(OSPA)距离的跟踪精度相较于STCKF-PHD算法提高了15%。

摘要：针对常规容积卡尔曼滤波在GNSS/INS组合导航系统理论模型与实际模型不匹配情况下滤波精度下降甚至发散的问题,该文将强跟踪滤波理论与容积卡尔曼滤波相结合形成STCKF算法,并引入时变噪声估计器。在滤波过程中,该算法利用次优渐消因子调整预测状态误差协方差,实时调整增益矩阵进而保证滤波器对实际系统状态的跟踪,并通过时变噪声估计器对量测噪声进行修正。实验结果表明,所提算法提高了常规非线性滤波器对不确定系统模型的鲁棒性及跟踪系统状态突变的能力,有效抑制异常观测信息对导航解的影响,提升了导航系统的精度和稳定性。

摘要：捷联惯性导航系统(SINS)与多普勒计程仪(DVL)组合导航时需考虑量测数据异常问题。针对该问题,设计一种基于渐消因子动态调整的改进Sage-Husa自适应滤波。此滤波旨在解决自适应滤波估计量测噪声参数性能对渐消因子依赖性强的问题,提升DVL量测信息异常情况下的导航精度。实验结果表明,基于渐消因子动态调整的改进Sage-Husa自适应滤波,在DVL数据异常的复杂环境中仍可具有较好的信息处理能力,导航性能提高显著,实现高精度的组合导航,具有一定的研究与参考价值。

摘要：为解决传统锁相环(PLL)在高动态环境下对全球定位系统(GPS)信号的跟踪精度问题,将自适应渐消滤波和二级卡尔曼滤波相结合研究了一种新的自适应二级卡尔曼滤波算法,并且提出了一种利用新息协方差计算渐消因子的方法,通过自适应渐消因子在线调节误差协方差矩阵补偿不完整信息的影响,使滤波器在系统模型不完整或者噪声统计特性不准确时仍接近最优。基于自适应二级卡尔曼滤波算法提出了一种高动态GPS载波跟踪环的设计方案。仿真结果表明,提出的方案较传统PLL的跟踪精度有显著提高,频率跟踪精度提高到9.28Hz。

摘要：惯性导航系统正常工作前需进行初始对准,容积卡尔曼滤波(CKF)是常用的非线性初始对准算法。针对在滤波模型失准和非高斯观测噪声干扰情况下常规CKF出现精度下降甚至发散的问题,提出了鲁棒渐消CKF算法。引入多重渐消因子对观测噪声协方差阵或状态预测协方差阵进行调整。设计了基于滤波残差序列统计特性的滤波状态卡方检验方法,检测滤波器状态并自主确定渐消因子的引入方式,使渐消因子的引入更加合理。试验结果表明,算法在系统建模失准及异常量测噪声的干扰下能够保持较强的鲁棒性和自适应性,其姿态失准角误差约为0.01°,航向失准角误差小于0.1°。

摘要：在空间目标跟踪问题中,目标机动导致的模型不匹配问题会导致滤波算法出现滞后现象。为了对空间机动目标进行快速跟踪,在平方根容积卡尔曼滤波(Square-root Cubature Kalman Filter,SCKF)的基础上,引入强跟踪滤波(StrongTracking Filter,STF)的思想,推导得到了次优渐消因子在SCKF中的等价描述。并通过建立以矩匹配方法为基础的自适应机制,设计了兼顾滤波精确性和鲁棒性的自适应强跟踪平方根容积卡尔曼滤波(Adaptive Strong Tracking Square-root Cubature Kalman Filter,AST-SCKF)算法。仿真结果表明,在目标机动前,AST-SCKF算法和SCKF算法的位置收敛精度相差不足1%;在目标机动后,AST-SCKF算法的位置和速度的收敛精度相对SCKF算法分别提高了95.19%和30.50%,同时,其收敛速度相对SCKF算法分别提高了57.20%和24.68%。

摘要：针对编队卫星自主相对导航过程中存在模型不确定性及噪声统计特性时变导致EKF滤波算法估计精度降低、鲁棒性较差的问题,以STF为理论框架,设计了简化强跟踪UKF(SSTUKF,simplified strong tracking unscented kalman filter)滤波算法。该算法基于STF的等价表示来计算次优渐消因子,避免了计算Jacobi矩阵,通过在线实时调整滤波增益矩阵,确保系统理论模型偏离实际模型时输出残差序列相互正交,增强算法的鲁棒性,并且对时变的噪声统计特性不敏感。结合CW系统模型线性特点,用标准卡尔曼滤波中的时间更新代替相应的UT变换过程,在提高估计精度的同时有效地降低了运算量,增强算法的实时性。仿真结果验证了该算法的有效性。