针对基于视觉传感器的移动机器人在快速运动或发生旋转时出现图像模糊和特征丢失, 以至无法进行特征匹配, 从而导致系统定位和建图的准确度及精确度下降问题,该文提出了一种以深度相机(RGB_D)融合惯性测量单元(IMU)的方案。采用ORB SLAM2算法进行位姿估计, 同时将IMU信息作为约束弥补相机数据的缺失。两种传感器的测量数据采用基于扩展卡尔曼滤波的松耦合方式进行非线性优化, 通过数据采集实验表明, 该方法能有效提高机器人的定位精度和系统建图效果。

针对炮位侦察雷达现有的弹道外推算法中远点外推导致的炮位估计误差问题, 提出了一种基于反向扩展卡尔曼滤波的弹道外推算法。该算法在传统弹道外推算法的基础上, 建立包含弹道系数在内的七维状态向量滤波模型, 将正向滤波的终点作为反向滤波的起点, 实现反向扩展卡尔曼滤波, 并从反向滤波的终点开始, 利用四阶龙格-库塔方程向弹道起点进行外推。仿真实验结果表明, 所提基于反向扩展卡尔曼滤波的弹道外推算法的外推精度相比原算法提高约50%。

针对低成本MEMS惯性传感器航向角的累积漂移误差和传统磁场校准方法使用不便等问题, 提出一种基于动态磁场校准的九轴惯性融合方法。首先, 通过旋转矩阵建立陀螺仪与磁力计的关系, 利用扩展卡尔曼滤波对陀螺仪数据和磁力计数据进行融合, 实现对磁力计的动态实时校准; 然后利用互补滤波思想, 着重考虑了自由加速度和磁场环境突变的情况, 定义了各自的信赖函数, 对PI控制器做出了改进; 最终获得高稳定性的惯性传感器的姿态角。在传感器采样率为100 Hz, 运行时长约为11 min, 旋转圈数为117圈时, 航向角的漂移为0.42°, 与商用的惯导模块算法相比减小了149°, 实现了数量级的改进。实验结果表明, 通过陀螺仪动态校准磁场能有效改善传统椭球拟合算法对校准数据要求高的缺点, 提出方法基本可以做到实时, 用户无需做特定的绕“8”字动作, 即可完成磁场校准; 对互补滤波算法进行了改进, 基本消除自由加速度对姿态角解算的影响。提出方法在控制减小航向角漂移上有很大优势, 同时满足校准便捷、适用场景多样等要求, 在低成本MEMS惯导领域有广阔的应用前景。

空中交通警戒与防撞系统(TCAS)是航空电子综合环境监视系统的一个重要组成部分，它能有效降低空中飞行器间的碰撞威胁，对于提高飞行安全有着非常重要的意义。TCAS 是一种不依赖地面设备的空中交通防撞系统。它能够探测在其领域内装有空中交通管制应答机的飞机，向驾驶员报告潜在的相撞目标。目标跟踪是TCAS 的一个重要模块，能提供目标的飞行状态信息，并对目标的未来飞行状态进行预测。对空中目标进行稳定、高精确度的跟踪是目标跟踪模块的重要任务。本文介绍了基于扩展卡尔曼和交互式多模型(IMM-EKF)的目标跟踪算法，实现对目标的精确跟踪。通过仿真验证，证明算法能实现精确的目标跟踪，对防止空中相撞起到了积极作用。

针对主动传感器辅助的被动传感器跟踪系统, 为了提升系统的跟踪精度, 改进主动传感器工作控制的实时性和精确性, 结合地空导弹**跟踪系统中的“粗跟”与“精跟”模式, 提出了一种改进的主/被动传感器协同探测跟踪方法。在主动传感器开机时, 利用曲线拟合推理出目标的运动轨迹; 关机后, 利用拟合的“估计量测”值和滤波预测值产生新息残差, 并将其作为评价因子, 结合信息熵理论设计“粗跟”和“精跟”模式下的航迹质量评价准则。实现了主/被动传感器间的实时切换以及“粗跟”和“精跟”模式间的自适应切换, 克服了被动传感器距离量测的不可观测性。采用Monte Carlo 仿真,同跟踪门法作比较, 结果验证了改进方法的合理性和优越性。

针对动中通系统低成本姿态估计问题，提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量，通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响，通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿；当载体发生转弯时，利用侧滑角补偿法进一步校正。实验结果表明，该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能，系统的动态估计精度在±0.5°内，满足了动中通的应用要求。

依据被动定向声纳浮标多站纯方位定位的使用特点，采用分步进行的方法估计潜艇目标的运动状态。首先，使用最小二乘法融合多枚浮标的测量信息，给出某一时刻目标位置的综合定位结果和定位误差；然后，利用卡尔曼滤波器估计目标在该时刻的位置、航速和航向等运动参数，避免了直接从方位测量入手时，需要建立非线性量测方程，再进行线性化的问题；最后，采用蒙特卡洛仿真方法统计分析了系统的误差性能，结果表明该方法具有较高的目标运动分析精度，而将目标运动参数估计改用扩展卡尔曼滤波器时，精度明显降低。

提出了利用工业对象表面共面圆进行相机位姿跟踪的解决方案。首先，利用共面圆构建对象坐标系；用扩展卡尔曼滤波器预测相机位姿限定椭圆轮廓点搜索的位置及范围，计算梯度归一化互相关系数来形成轮廓点候选数据集；然后，剔除候选数据集中的野值，用最大似然估计法进行高精度椭圆拟合；最后，根据二次曲线的射影理论计算相机位姿并更新滤波器的状态。实验表明，本文方法跟踪相机位姿的最大误差角度为1.4°，平移为3.5 mm，跟踪速度为10~12 frame/s，满足工业增强现实中相机位姿跟踪的应用需求。

CamShift算法是一种利用颜色信息对移动目标进行跟踪的算法，当目标快速运动或者受到干扰时容易导致跟踪失败。因此提出了一种结合CamShift与扩展卡尔曼滤波的移动目标跟踪算法，使用扩展卡尔曼滤波对目标运动速度和空间位置进行预测，同时采用目标加权直方图改进CamShift算法。所研究的算法能有效地克服目标背景干扰，存在干扰目标或目标部分被遮挡的情况下，仍能实现有效跟踪。实验结果表明，所研究的方法能够对移动目标持续稳定地跟踪。

几乎所有的现实系统都是非线性的，因而非线性估计问题显得尤为重要。通过分析3种常用的非线性滤波器：扩展卡尔曼滤波器、Unscented卡尔曼滤波器以及粒子滤波器的原理，确定其适用性。用单变量非平稳模型及再入目标跟踪模型，通过Monte-Carlo仿真计算估计的均方误差及时耗，进而对上述3种滤波器滤波精度、一致性以及运算量进行比较。