北京信息科技大学 仪器科学与光电工程学院, 北京 100192
为了提高电致定向型红外靶标在挂载飞行过程中动态指向精度, 在硬件限制的位置信息更新频率难以提高的条件下, 提出了卡尔曼滤波算法对靶标的位置信息进行预测从而提升更新速率的解决方案, 利用全球定位系统和惯性导航系统的数据, 建立了基于飞行速度、姿态和位置信息采样频率等因素的动态指向误差模型, 并进行了理论分析和实验验证。结果表明, 对红外靶标系统在匀速直线飞行过程中将位置采样率由5 Hz提升至10 Hz时, 指向角误差减小了54.66%。此研究基于现有条件, 为减小定向辐射型红外靶标动态指向误差提供了一种有益的尝试。
传感器技术 指向精度 卡尔曼滤波算法 红外靶标 sensor technique pointing accuracy Kalman filter algorithm infrared target
中国工程物理研究院电子工程研究所, 四川绵阳 621999
针对强非线性和时变噪声统计特性不明的高动态运动环境下全球卫星导航系统/惯导系统(GNSS/INS)深组合导航系统滤波精确度较差甚至发散的问题, 提出一种自适应混合无迹卡尔曼滤波(UKF)算法。该算法以 UKF算法为基础, 采用混合滤波思想对 UKF滤波算法进行简化; 并根据高动态下系统量测噪声时变, 且易快变、突变的特点, 设计了一种基于渐消记忆指数加权的自适应量测噪声估计器, 实时估计和修正噪声统计量并自适应调节估计周期。仿真结果表明, 在量测噪声变化的情况下, 相比于常规 UKF算法, 本文算法各向定位测速精确度均有所提升, 水平方向精确度提升 60%以上, 效果明显; 此外, 算法耗时减少 18.64%, 说明本文算法能够在提升滤波精确度的同时减少部分计算量。
GNSS/INS深组合 无迹卡尔曼滤波算法 量测噪声变化 噪声估计 deep integrated GNSS/INS Unscented Kalman Filter(UKF) measurement noise variation noise estimation 太赫兹科学与电子信息学报
2019, 17(2): 221
中国工程物理研究院 应用电子学研究所, 四川 绵阳 621900
为了在光电跟踪控制系统中实现复合控制以提高跟踪精度, 构建了基于模型自适应卡尔曼滤波算法的复合控制结构。首先, 利用跟踪脱靶量数据和仪器位置数据合成目标角位置数据; 然后, 利用模型自适应卡尔曼滤波算法对目标角位置数据进行滤波估计以获得目标角速度信息; 最后, 将目标角速度信息前馈到速度回路, 从而构成复合控制系统。实验结果表明: 采用复合控制结构后, 目标跟踪精度提高了50%。基于模型自适应卡尔曼滤波算法的复合控制技术能够在保持原反馈控制系统稳定性的条件下提高跟踪精度。
复合控制 卡尔曼滤波算法 模型自适应 光电跟踪 combined control Kalman filter model adaptive electro-optical tracking
1 天津大学精密测试技术与仪器国家重点实验室, 天津 300072
2 山东科技大学机械电子工程学院, 山东 青岛 266590
光电与雷达的数据融合能够实现两个独立传感器测量信息的互补, 改善对目标的识别跟踪能力。针对联合传感器系统对动态运动目标定位中存在野值的现象, 同时为了解决单一传感器滤波跟踪发散的问题, 提出一种具有抗野值性能的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法。在两坐标雷达提供目标距离与方位角的前提下, 建立参数求解模型, 得到目标的俯仰角, 结合光电传感器提供的角度信息进行滤波融合。实验与仿真结果表明: 该算法可以有效融合雷达与光电的测量数据, 排除野值的干扰, 抑制滤波发散, 提高定位精度。
光电子学 数据融合 交互式多模型无迹卡尔曼滤波算法 雷达 抗野值 激光与光电子学进展
2016, 53(12): 122501
中国工程物理研究院电子工程研究所，四川 绵阳 621999
气动参数辨识是检验飞行器的真实气动特性与设计值的匹配性的重要方法。研究分析基于理论计算的方法和基于增广的扩展卡尔曼滤波算法，通过实测数据，对比2 种辨识方法的估计结果，得到了扩展卡尔曼滤波法可以有效降低实测数据中的噪声影响，获取更加精确的估计结果的结论。同时结果证明实际辨识结果与设计值之间还存在一定误差，为后续修改设计气动参数值提供了依据。
气动辨识 理论计算 扩展的卡尔曼滤波算法 实测数据 aerodynamic parameter estimation theoretical method Extended Kalman Filter algorithm measured data 太赫兹科学与电子信息学报
2016, 14(2): 249
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。
协同探测跟踪 主动传感器辅助的被动跟踪 扩展卡尔曼滤波算法 synergistic detection and tracking passive sensor tracking system with active assista Extended Kalman filter (EKF)
为了解决三维空间蛇形机动目标跟踪算法中模型失配的问题, 提出了新的“S-蛇形”机动目标模型。该模型基于研究分析了平面内原始机动转弯模型, 考虑目标在垂直方向做简单的匀速直线运动, 对二维机动转弯模型进行了三维补维, 但经仿真分析发现, 此模型在机动变轨处出现“折返”现象, 为了克服此缺点, 又对该模型的状态转移矩阵进行了修正, 提出了一种新的“S-蛇形”机动目标模型, 该模型能够很好地匹配蛇形机动目标真实运动轨迹。最后在扩展卡尔曼滤波算法(EKF)中应用该模型, 对真实蛇形机动目标进行滤波跟踪, 通过Monte-Carlo仿真, 结果验证了此算法跟踪精度高, 也进一步证明了改进模型的合理性和实用性, 并已经初步应用于某新型**装备跟踪系统调试中。
机动转弯模型 “S-蛇形”机动目标模型 扩展卡尔曼滤波算法 Coordinated Turn(CT)model “S-maneuver” coordinated turn (SCT) model EKF algorithm
1 空军工程大学 电讯工程学院,西安 710077
2 空军工程大学工程学院,西安 710038
贝叶斯网络用于态势估计时,系统参数不能及时调整,无法对未来时刻进行预测。为解决这一问题,对动态贝叶斯网络在战场态势评估中的应用进行了研究,引入时间因素,建立了网络模型,分析了概率参数与推理的过程,并利用卡尔曼滤波模型法对推理进行仿真实验。实验结果表明了动态模型推理的有效性。动态贝叶斯网络可以有效利用侦察数据中的时间信息,实时动态地处理影响分析和决策的种种因素,对指挥员的作战决策具有极大的参考价值。
态势评估 动态贝叶斯网络 卡尔曼滤波算法 战场 situation assessment dynamic Bayesian network Kalman filter algorithm battlefield
西安电子科技大学,模式识别与智能控制研究所,陕西,西安,710071
补偿固定噪声的时间漂移是红外焦平面非均匀校正技术中面临的一个重要问题.本文考察了近期提出卡尔曼滤波算法、校正统计算法与代数算法,分析其解决固定噪声随时间漂移的机理,并对算法性能进行综合评价,最后对得出的结论用仿真数据给予验证.
红外焦平面 基于场景的非均匀校正 卡尔曼滤波算法 统计算法 代数算法 infrared focal plane scene-based nonuniformity correction Kalman-fltering algorithm statistical algorithm algebraic algorithm
