简介：针对在量测噪声统计特性发生变化时,基于滤波算法的惯性/地磁组合导航系统存在精度下降甚至发散的问题,提出了一种基于模糊自适应强跟踪滤波算法的惯性/地磁组合导航方法,该方法通过制定模糊规则,实时监控系统残差变化,自适应地调整柔化因子的大小,即增强了滤波器对时变噪声的跟踪能力又保证了滤波器处理当前信息的能力。仿真结果表明：该方法能够很好地抑制纯惯性导航系统随时间累积的误差,而且在量测噪声统计特性发生变化时,系统误差没有出现明显的跳变,保证了整个导航系统的精度,提高了系统的鲁棒性。

简介：针对用于快速传递对准的卡尔曼滤波器阶数高，计算量大，滤波更新率低，鲁棒性差及对准精度不高等问题，提出采用联合强跟踪Kalman滤波器进行快速传递对准。文中设计了联合强跟踪Kalman滤波器的结构和算法，同时利用改进的Elman网络进行信息分配系数的自适应调节，以实现融合信息在各子系统中的自适应分配。仿真结果表明，该滤波器不仅提高了解算速度，而且提高了系统鲁棒性和对准精度。

简介：对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波（STF）和基于三阶球面-向径容积规则的容积卡尔曼滤波（CKF）相结合的强跟踪-容积卡尔曼滤波（STCKF）。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。

简介：在广义系统故障诊断过程中,若系统动态模型中存在不确定性,传统的无迹卡尔曼滤波算法将失去其传感器故障估计精度。为解决该问题,提出一种改进的强跟踪卡尔曼滤波算法以实现广义连续-离散系统的传感器故障诊断及隔离。首先,提出基于多重渐消因子的强跟踪滤波算法以实现动态模型存在不确定性广义连续-离散系统的故障诊断;然后提出一种结合多模型自适应估计的强跟踪卡尔曼滤波（STUKFMMAE）算法以实现传感器故障的有效隔离。最后,针对基于广义连续-离散系统的惯性传感器故障模型提出仿真算例。仿真数据表明,传统无迹卡尔曼滤波对于传感器故障估计误差为0.002左右,而提出的基于多重渐消因子的强跟踪滤波算法对于传感器故障估计误差最大值为未超过4×10~（-4）,且STUKFMMAE相较于UKFMMAE算法具有更好的隔离效果。仿真结果验证了设计方案的有效性。

简介：捷联惯性导航系统静基座初始对准时一般先进行粗对准,使失准角缩小到一定范围内从而满足小失准角假设下的线性误差模型,然后再进行精对准。在不进行粗对准时失准角一般为大角度,需要采用复杂的非线性误差模型和非线性滤波方法。研究发现通过设置合理的误差协方差矩阵初值,采用反馈校正滤波结构,并引入强跟踪滤波算法可以在大失准角情况下既无需粗对准,又无需采用非线性模型来实现精对准。仿真结果表明,该方法可以实现大失准角初始对准,鲁棒性好,在任意姿态初值下都可以使航向角在300s内收敛到0.05°的理论极限精度,与小失准角精对准方法的速度和精度相当但省去了粗对准因而耗时更短,与无迹卡尔曼滤波在600s时才收敛到0.5°的速度相比大为改善。

简介：根据重力信号微弱和非平稳的特点，提出了一种小波滤波器与有限脉冲响应滤波器（FIR）级联的去噪方法。该方法针对噪声特点，在小波强制阈值滤波之后级联一个低阶FIR滤波器以去除色噪声的影响，基于实测重力信号的时域和功率谱处理结果，说明级联滤波能够在含有强噪声的原始信号中提取出微弱的重力信号。该方法既可以抑制小波滤波起始和结束阶段的波形畸变，又省去了FIR滤波需要调整参数的繁琐，具有工程实用性。

简介：给出了光纤陀螺信号漂移的数学模型,并针对信号噪声的特点,采用了'加权求平均'、'五点三次平滑算法'、'小波分析'三种不同的处理方法进行信号的消噪处理,通过对仿真结果的比较研究,肯定了小波变换算法在信号消噪处理中的适用性,并且编写了实时信号处理软件,提高了光纤陀螺的精度,为促进光纤陀螺的研制开发起到了积极的作用.

简介：在小波变换对陀螺信号处理的基础上提出了用三层小波包消减阈值算法,处理陀螺仪的状态信号,小波包分解得到各个节点的分解系数。通过消减算法使得信号中大于阈值的瞬态高频部分置零,对消减阈值处理后的节点进行重构以消除信号中的噪声和周期分量。软阈值函数通过小波包分解的节点系数均值和方差来构建。仿真实验与已取得很好效果的强制降噪的重构信号和相应的功率谱进行比较,结果表明小波包软阈值降噪比强制降噪在随机漂移补偿上提高了13.1%,零偏改善了0.0526（°）/h。

简介：本文建立了ＩＮＳ和ＥＳＧＭ的误差方程，在此基础上，实现了ＩＮＳ／ＥＳＧＭ组合系统导航过程的卡尔曼滤波器设计。仿真试验表明，本文所设计的滤波器实际可行，利用该滤波器ＩＮＳ／ＥＳＧＭ组合系统能够给出高精度的位置、姿态及速度信息

简介：本文介绍了将数据压缩和最优滤波器相结合的最优估值方法，该算法通过对获得的一批Ｎ个数据进行最优估值，可以有效地抑制观测噪声，并能对零均值有色噪声进行平滑，应用该算法设计的空中发射导弹传递对准仿真结果表明，同一般卡尔曼滤波相比，当传递对准中观测噪声较大时，存在振动干扰情况下能提高对准精度，缩短对准时间，而且还能解决滤波计算频率同数据采集频率的匹配问题。

简介：将小波分析技术应用于数据预处理，利用小波变换对GPS相位观测值进行小波分解，可将GPS观测值分解为不同的频率成分，通过一定尺度上的带通滤波器进行滤波，就可以将特定的频率成分提取出来，而将其它成分滤去，从而有效地消除或削弱多路径效应及观测噪声的影响，提高GPS数据处理的精度。并运用Matlab语言进行了编程实现，对比不同基线长度下小波变换前后的预处理精度估值可知，经小波变换后的精度估值有了一定提高，表明了该方法的有效性与可行性。