CN112068092A - 一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 - Google Patents
一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 Download PDFInfo
- Publication number
- CN112068092A CN112068092A CN202010897051.4A CN202010897051A CN112068092A CN 112068092 A CN112068092 A CN 112068092A CN 202010897051 A CN202010897051 A CN 202010897051A CN 112068092 A CN112068092 A CN 112068092A
- Authority
- CN
- China
- Prior art keywords
- fusion
- measurement
- calculating
- square root
- robust
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 title description 15
- 238000005259 measurement Methods 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 17
- 238000012545 processing Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于高精度弹道实时定轨的抗差加权观测融合平方根UKF方法,该方法由构建多传感器测量弹道动力学系统模型、数据融合、抗差处理三个部分构成。其中多传感器测量弹道动力学系统模型包括再入弹道的状态方程,各个测量体系的观测方程;数据融合包括建立集中式融合弹道测量方程;建立加权测量融合系统最优方程;计算测量融合方程的系数矩阵以及近似函数;抗差处理包括,计算测量融合残差矩阵;基于M估计算抗差权因子;设定判定异常值的条件辨识异常值;计算融合测量噪声算等价协方差矩阵进行野值修正;采用平方根UKF算法估计弹道参数。本发明可以较好地对来自多个传感器的测量信息进行有效的融合,并且可对测量数据可能存在的异常值进行及时地修正,实现了多个传感器弹道的高精度跟踪。
Description
技术领域
本发明属于多传感器跟踪导弹实时定轨技术领域,属于目标跟踪、定位导航等技术领域,具体涉及一种用于高精度弹道实时定轨的抗差加权观测融合平方根UKF滤波方法。
背景技术
导弹武器是现代高科技的结晶和化身,具有进攻性武器的突出特点,比如射程远、精度高、突防能力强的显著特性,成为了具有超强进攻性和强大威慑力的武器和维持战略平衡的支柱。在导弹武器发展初级阶段,由于导弹射程较近,对外测弹道测量的精度要求较低,通常是单传感器跟踪测量导弹并解算其飞行轨迹。随着导弹试验技术的发展和需要,射程的增加和测量精度要求的提高,一般由多传感器比如多个雷达和多个经纬仪组成测量体系交会测量导弹、运载火箭的飞行轨迹,多目标运动状态估计的精度及其性能比单一传感器要优越得多,因此多传感器数据融合技术成为解决弹道测试技术的首选方案。即使采用多种高精度弹道跟踪体制对导弹进行跟踪测量,但依旧避免不了由于跟踪或测量设备的冲击以及系统故障、环境干扰等原因,导致测量数据严重偏离目标真值,这部分严重偏离真值的数据称为异常,野值的存在会严重污染算法处理结果,估计的弹道参数不准确,降低算法精度。
为了解决这个问题,国内外学者基于抗差估计理论研究了一系列的方法,SENG CH,LIN S F,JWO D J等人研究了一种新的基于Huber的滤波算法,可以实现更准确的估计和更快的收敛,但使得UKF无需求导、M估计抗异常误差能力强等优点未能保留。付心如等人研究了一种抗差自适应UKF 导航算法,该算法利用新息序列与残差序列进行实时观测噪声统计特性匹配,并自适应调节滤波增益,提高了UKF的抗差与自适应能力。李婵,张士峰,等研究了一种适用于再入弹道处理的自适应抗差滤波方法,该方法可实现异常值的分离和维纳模型方差的自适应调整,并能有效减弱测量误和动力学模型误差对弹道处理精度的影响。然而,上述滤波算法可能存在由于误差协方差矩阵出现负定导致数值稳定性较差的问题,并且这几类方法针对单传感器跟踪目标,因此不能直接用于多传感器跟踪目标实时定轨中,在弹道数据处理方面存在一定的局限性。
发明内容
本发明针对现有技术的不足,提供一种用于高精度弹道实时定轨的抗差加权观测融合平方根UKF滤波方法。
本发明通过以下技术方案来实现的:
一种用于高精度弹道实时定轨的抗差加权观测融合平方根UKF滤波方法,包括以下步骤:
步骤1,建立多传感器弹道动力学系统模型;
步骤3,集中式融合,计算集中式测量融合z(0)(k),进而得到集中式融合非线性测量函数h(0)和集中式融合测量噪声v(0)(k);
步骤4,加权观测融合,使用步骤3得到的h(0)和步骤2中的计算集中式融合测量系数矩阵H(0)和非线性逼近函数h(x(k),k),对H(0)进行满秩分解得到列满秩矩阵M和行满秩矩阵H(I),得到加权观测测量融合值zI(k)。
步骤5:时间更新,根据步骤2中的和SI(0)计算状态方程预测的采样点计算状态融合预测值根据步骤4中的H(I)和 h(x(k),k),计算测量方程预测的采样点计算测量融合预测值计算估计融合误差协方差矩阵的平方根分解修正预测值SI(k+1|k);
步骤6:野值辨识,根据步骤5中的和zI(k+1)计算融合残差向量 vI,根据融合残差向量vi I和融合测量值z0的方差的第i个分量σi计算引入的测量融合误差值di,将di与给定门限值比较辨识野值,自适应计算抗差权重因子wi;
与现有技术相比,本发明的有益效果:
目前存在的加权观测融合方法对来自各个传感器的测量数据直接进行融合估计弹道参数,并未考虑由于目标的复杂性和测量机制自身的问题,测量数据可能存在污染的问题。本发明在加权观测融合算法的基础上引入抗差估计理论,根据观测融合值与融合预测值,计算测量融合残差向量,抗差权重因子和融合观测向量等价协方差阵,实时性地实现了异常值的分离与修正,解决了融合过程中由于测量数据存在污染导致弹道数据处理精度下降的问题。同时引入平方根滤波思想,避免了常规UKF中误差协方差矩阵非正值引起的滤波散度问题,实现了滤波技术的提高。
附图说明
图1为本发明的流程图。
图2为本发明的加权观测融合算法流程图。
图3为本发明的抗差算法的流程图。
图4为单个测量设备状态,真实状态,抗差wmf-srukf算法估计轨迹曲线。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合实施例对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本发明是一种抗差加权观测融合平方根UKF的弹道实时定轨方法具体描述如下:
(1)建立多传感器弹道动力学系统模型
再入弹道的状态方程为:x(k+1)=f(x(k),k)+w(k) (1)
各个测量体系的观测方程为:
其中f(.,.)为已知非线性函数,x(k)为第k个时刻系统状态,w(k)为状态噪声,w(k)为零均值、方差阵为Qw的白噪声。(x1j,y1j,z1j)为第j个光电经纬仪的坐标,(x2j,y2j,z2j)为第j个雷达的坐标,(x,y,z)为目标的坐标。
(3)加权观测融合,如图2所示,本发明采用加权观测融合算法对式 (1)和式(2)构成的多传感器弹道模型进行融合,具体描述如下:
基于式(2)构建集中式测量融合方程:
z(0)(k)=h(0)(x(k),k)+v(0)(k) (5)
其中集中式融合非线性测量函数为
h(0)(x(k),k)=[h(1)T(x(k),k),h(2)T(x(k),k),...,h(L)T(x(k),k)]T,集中式融合测量噪声为
v(0)(k)=[v(1)T(k),v(2)T(k),...,v(L)T(k)]T。
对h(0)进行μ阶泰勒展开得到集中式融合测量系数矩阵H(0)表示为:
对H(0)进行满秩分解得到列满秩矩阵M和行满秩矩阵H(I)
H(0)=MH(I) (9)
h(x(k),k)=[1(Δx)T ((Δx)2)T … ((Δx)μ)T]T (10)
v(I)(k)=(MTR(0)-1M)-1MTR(0)-1v(0)(k) (11)
得到加权测量融合系统的最优测量方程:
z(I)(k)=H(I)h(x(k),k)+v(I)(k) (12)
(4)时间更新,
计算测量方程预测的采样点
估计融合误差协方差矩阵的平方根分解修正预测值:
其中式(17)的qr指的是QR分解,具体过程为对于矩阵A,找到一个正交矩阵Q和一个上三角矩阵R来使得A=QR。式(18)的cholupdate表示矩阵Cholesky分解的修正,即若S为原始矩阵P的Cholesky的分解,修正矩阵的Cholesky的分解为S=cholupdate(S,u,±v)。
(5)抗差处理,如图3所示本发明采用抗差算法对数据融合过程中测量值可能出现的异常值进行辨识以及修正,具体描述如下:
其中σi为融合测量值z0的方差的第i个分量,viI为融合残差向量vI的第i个分量。
引入参数k0和k1,其中k0和k1可分别取1.5~3.0和2.5~5.0。当di满足:
①di≤k0时,表示测量数据为正常值,wi=1,测量值被接受。
②k0<di≤k1时,表示测量数据为异常值,被剔除,wi=k0/di,测量值需进行抗差处理,修正异常值。
③di>k1时,表示测量数据为异常值,被剔除,wi=10-3,测量值需进行抗差处理,修正异常值。
构建抗差权重因子向量:W=[w1 w2 ... wn] (21)
(6)测量更新,计算新息协方差矩阵平方根,
计算互协方差矩阵:
(7)状态和方差矩阵的平方根矩阵更新,计算k+1时刻的状态估计:
计算状态估计误差协方差矩阵的平方根矩阵:
UI(k+1)=KI(k+1)*SyI(k+1) (29)
SI=cholupdate{SI,UI,-1} (30)
综上所述,本发明在加权观测融合方法上结合了抗差理论和平方根滤波思想,相比于其他融合滤波算法,增加了异常值分离与修正,这是一般融合算法所欠缺的,并结合平方根滤波思想,引入了Cholesky和QR分解有效地避免误差协方差矩阵为负值引起的滤波器发散,提高收敛速度和稳定性,实现了多个传感器弹道的高精度跟踪。
实施例:
本例应用光电经纬仪与雷达协同工作跟踪导弹,考虑3个测站构成的传感器网络,采用本发明所提出的方法对导弹进行加权融合式实时轨道的确定,以光电经纬仪的坐标为原点建立三维坐标系,其中
雷达1相对站址:x01=1400,y01=1350,z01=1000;
雷达2相对站址:x02=-2200,y02=1500,z02=3400;
雷达3相对站址:x03=1700,y03=-2850,z03=3000;
初始状态为:xi(:,1)=[3500,1500,1000,-1100,-150,-50,10,10,10]‘,i=1,2,3
滤波初始状态为:Xukf(:,1)=[3300,1300,950,-1000,-100,-60,0,0,0]',
本发明性能测试:直观上通过采用本发明中的方法得到的弹道轨迹曲线与真实轨迹的接近程度进行评价,接近程度越高,本发明估计的弹道参数越准确;数值上通过各个弹道参数分量的均方根误差(Root mean squared error RMSE)均值进行评价,RMSE越小,精度越高。单个测量设备状态,真实状态,抗差wmf-srukf算法估计轨迹曲线如图4所示,各方法的弹道参数的平均RMSE值如表1所示
表1各方法的弹道参数的平均RMSE值
由图4可以看出采用本发明提出的抗差加权观测融合平方根UKF的弹道实时定轨方法可以准确的融合各个测量机制的有效信息,估计的弹道轨迹直观上高度近似于真值,同时由表1可以看出,采用本发明所提出的方法估计的各个弹道参数的平均RMSE值均最小,算法精度高,本例验证了本发明所提出的弹道实时定轨方法的准确性与有效性。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。任何熟悉该技术的人在本发明所揭露的技术范围内的局部修改或替换,都应涵盖在本发明的包含范围之内。
Claims (4)
1.一种用于高精度弹道实时定轨的抗差加权观测融合平方根UKF方法,具体包括如下步骤:
步骤1,建立多传感器弹道动力学系统模型;
步骤3,集中式融合,构建集中式测量融合方程z(0)(k),进而得到集中式融合非线性测量函数h(0)和集中式融合测量噪声v(0)(k);
步骤5:时间更新,根据步骤2中的和SI(0)计算状态方程预测的采样点计算状态融合预测值根据步骤4中的H(I)和h(x(k),k),计算测量方程预测的采样点计算测量融合预测值计算估计融合误差协方差矩阵的平方根分解修正预测值SI(k+1|k);
步骤6:野值辨识,根据步骤5中的和zI(k+1)计算融合残差向量vI,根据融合残差向量vi I和融合测量值z0的方差的第i个分量σi计算引入的测量融合误差值di,将di与给定门限值比较辨识野值,自适应计算抗差权重因子wi;
2.根据权利要求1所述用于高精度弹道实时定轨的抗差加权观测融合平方根UKF方法,其特征在于,所述的步骤1的具有多个光电经纬仪与雷达构成的多传感器弹道动力学系统模型,其中系统模型包括,弹道状态方程、各个测量体系的观测方程。
3.根据权利要求2所述用于高精度弹道实时定轨的抗差加权观测融合平方根UKF方法,其特征在于,所述的步骤6中,对野值辨识具体指的是,当测量融合误差值di小于或者等于给定门限值时,认为测量数据为正常值,测量值被接受,反之测量数据为异常值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897051.4A CN112068092B (zh) | 2020-08-31 | 2020-08-31 | 一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897051.4A CN112068092B (zh) | 2020-08-31 | 2020-08-31 | 一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112068092A true CN112068092A (zh) | 2020-12-11 |
CN112068092B CN112068092B (zh) | 2023-03-17 |
Family
ID=73665133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010897051.4A Active CN112068092B (zh) | 2020-08-31 | 2020-08-31 | 一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112068092B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113624242A (zh) * | 2021-07-28 | 2021-11-09 | 中国测绘科学研究院 | 空间碎片定轨方法、系统、电子设备及存储介质 |
CN113640789A (zh) * | 2021-07-20 | 2021-11-12 | 西安理工大学 | 一种光电经纬仪与异址雷达联合弹道容错定位方法 |
CN113743475A (zh) * | 2021-08-10 | 2021-12-03 | 中国电子科技集团公司第二十七研究所 | 一种基于ukf的实时多源数据融合方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100049439A1 (en) * | 2006-11-07 | 2010-02-25 | Electronics And Telecommunications Research Institute | Apparatus for integrated navigation based on multi filter fusion and method for providing navigation information using the same |
CN103528587A (zh) * | 2013-10-15 | 2014-01-22 | 西北工业大学 | 自主组合导航系统 |
CN103940433A (zh) * | 2014-05-12 | 2014-07-23 | 哈尔滨工业大学 | 一种基于改进的自适应平方根ukf算法的卫星姿态确定方法 |
CN106885569A (zh) * | 2017-02-24 | 2017-06-23 | 南京理工大学 | 一种强机动条件下的弹载深组合arckf滤波方法 |
CN108759838A (zh) * | 2018-05-23 | 2018-11-06 | 安徽科技学院 | 基于秩卡尔曼滤波器的移动机器人多传感器信息融合方法 |
WO2019114757A1 (zh) * | 2017-12-15 | 2019-06-20 | 蔚来汽车有限公司 | 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质 |
CN110672103A (zh) * | 2019-10-21 | 2020-01-10 | 北京航空航天大学 | 一种多传感器目标跟踪滤波方法及系统 |
-
2020
- 2020-08-31 CN CN202010897051.4A patent/CN112068092B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100049439A1 (en) * | 2006-11-07 | 2010-02-25 | Electronics And Telecommunications Research Institute | Apparatus for integrated navigation based on multi filter fusion and method for providing navigation information using the same |
CN103528587A (zh) * | 2013-10-15 | 2014-01-22 | 西北工业大学 | 自主组合导航系统 |
CN103940433A (zh) * | 2014-05-12 | 2014-07-23 | 哈尔滨工业大学 | 一种基于改进的自适应平方根ukf算法的卫星姿态确定方法 |
CN106885569A (zh) * | 2017-02-24 | 2017-06-23 | 南京理工大学 | 一种强机动条件下的弹载深组合arckf滤波方法 |
WO2019114757A1 (zh) * | 2017-12-15 | 2019-06-20 | 蔚来汽车有限公司 | 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质 |
CN108759838A (zh) * | 2018-05-23 | 2018-11-06 | 安徽科技学院 | 基于秩卡尔曼滤波器的移动机器人多传感器信息融合方法 |
CN110672103A (zh) * | 2019-10-21 | 2020-01-10 | 北京航空航天大学 | 一种多传感器目标跟踪滤波方法及系统 |
Non-Patent Citations (7)
Title |
---|
JINWANG HUANG: "Multi-sensor Information Fusion Cubature Kalman Particle Filter", 《2016 9TH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN (ISCID)》 * |
SHIQIANG HU: "A robust fusion algorithm for multi-sensor tracking", 《PROCEEDINGS OF THE 2003 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
任夏等: "抗差自适应滤波算法在实时定轨中的应用", 《导航定位学报》 * |
李云 等: "基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器", 《自动化学报》 * |
李华: "基于雷达与光电经纬仪协同工作的外弹道测试方法", 《弹箭与制导学报》 * |
李蝉等: "应用抗差无迹卡尔曼滤波的再入弹道处理技术", 《国防科技大学学报》 * |
高怡: "运载器组合导航高性能滤波算法研究", 《中国博士学位论文 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640789A (zh) * | 2021-07-20 | 2021-11-12 | 西安理工大学 | 一种光电经纬仪与异址雷达联合弹道容错定位方法 |
CN113624242A (zh) * | 2021-07-28 | 2021-11-09 | 中国测绘科学研究院 | 空间碎片定轨方法、系统、电子设备及存储介质 |
CN113624242B (zh) * | 2021-07-28 | 2024-04-09 | 中国测绘科学研究院 | 空间碎片定轨方法、系统、电子设备及存储介质 |
CN113743475A (zh) * | 2021-08-10 | 2021-12-03 | 中国电子科技集团公司第二十七研究所 | 一种基于ukf的实时多源数据融合方法 |
CN113743475B (zh) * | 2021-08-10 | 2024-05-17 | 中国电子科技集团公司第二十七研究所 | 一种基于ukf的实时多源数据融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112068092B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112068092B (zh) | 一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 | |
CN110061716B (zh) | 一种基于最小二乘和多重渐消因子的改进kalman滤波方法 | |
US7180443B1 (en) | Reduced state estimator for systems with physically bounded parameters | |
CN113074739A (zh) | 基于动态鲁棒容积卡尔曼的uwb/ins融合定位方法 | |
CN113466890B (zh) | 基于关键特征提取的轻量化激光雷达惯性组合定位方法和系统 | |
US7277047B1 (en) | Reduced state estimation with biased measurements | |
CN111141313A (zh) | 一种提高机载局部相对姿态匹配传递对准精度的方法 | |
CN113283511B (zh) | 一种基于权重预分配的多源信息融合方法 | |
CN111913175A (zh) | 一种传感器短暂失效下带补偿机制的水面目标跟踪方法 | |
CN111460636A (zh) | 不完全量测数据驱动下的机动扩展目标混合交互式强跟踪滤波方法 | |
CN114740497A (zh) | 基于ukf多源融合探测的无人机欺骗方法 | |
CN105446352A (zh) | 一种比例导引制导律辨识滤波方法 | |
CN111624549B (zh) | 非共视条件下无源滤波跟踪方法 | |
CN112034445B (zh) | 基于毫米波雷达的车辆运动轨迹跟踪方法和系统 | |
CA2675310A1 (en) | Method for evaluation of sensor measured values | |
CN116953692A (zh) | 一种主动雷达和被动雷达协同跟踪下的航迹关联方法 | |
CN115014321B (zh) | 一种基于自适应鲁棒滤波的仿生偏振多源融合定向方法 | |
CN110912535A (zh) | 一种新型无先导卡尔曼滤波方法 | |
CN113933798A (zh) | 一种基于相似性原理的全局传感器系统误差分区配准算法 | |
Liu et al. | Effective Sage-Husa Kalman filter for SINS/Doppler/Platform compass integrated navigation system | |
Urru et al. | Data Fusion algorithms to improve test range sensors accuracy and precision | |
Han et al. | Improved adaptive unscented Kalman filter algorithm for target tracking | |
CN117889868B (zh) | 一种融合红外导引头信息的导弹位置精确估计方法 | |
Jianxing et al. | A Radar Target Tracking Method based on Coordinate Transformation KF | |
CN113919154B (zh) | 一种非合作弹道飞行目标运动状态分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201211 Assignee: XI'AN PROSATE ELECTRONIC TECHNOLOGY CO.,LTD. Assignor: XI'AN TECHNOLOGICAL University Contract record no.: X2024980004514 Denomination of invention: A robust weighted observation fusion square root UKF filtering method for high-precision real-time trajectory determination Granted publication date: 20230317 License type: Common License Record date: 20240418 |
|
EE01 | Entry into force of recordation of patent licensing contract |