一、非线性融合模型的弹道估计精度评定(论文文献综述)
吴晓博[1](2021)在《外弹道跟踪测速数据处理方法研究》文中指出本文以事后外弹道跟踪测数据处理过程为线索,将外弹道跟踪测速数据作为主要研究对象,对若干外弹道跟踪测速数据事后处理新方法进行了研究。其研究内容包括以下几个部分:(1)针对外弹道跟踪测速(测速测元)数据中的野值识别和特征点识别难题,本文研究并提出了基于随机样本一致性算法(RANSAC)算法的野值识别(修正)方法和基于重采样和邻近聚类的特征点识别算法,并针对每种算法分别给出了两种实现方法,仿真分析结果表明两种算法能够有效地识别出外弹道跟踪测速数据中的野值和特征点。(2)本文对多测速测量体制中一主多副跟踪测速自定位技术进行了研究,利用高精度的测速数据实现了飞行器弹道参数的自定位,摆脱了对低精度定位参数的依赖。(3)本文研究了一种基于数据驱动的线性无偏最小方差估计数据融合方法,该方法能利用滑动最小二乘拟合残差法挖掘测量数据的动态精度,并基于线性无偏最小方差估计(LUMV)准则实现测量数据的动态加权融合,仿真实验结果表明新算法的融合精度明显提高。(4)针对弹道参数最优估计问题,本文研究了基于变量差分法的最优卷积平滑算法和最优三次光滑样条平滑算法。两种方法基于最小化误差准则,通过迭代的方法寻找出模型参数的最优估计值,为弹道参数的最优估计提供了新的解决思路。(5)本文利用PYTHON编程语言开发了一套外弹道跟踪测速数据处理软件系统,将本文研究的所有算法内嵌到了该软件系统中,一定程度上实现了外弹道跟踪测量数据处理过程的自动化,提高了测量数据的处理效率。
高丽珍[2](2021)在《基于地磁/MEMS陀螺信息融合的旋转弹药姿态估计技术》文中研究说明论文以旋转弹药用地磁/MEMS陀螺组合姿态实时测量需求为牵引,围绕弹载传感信息的准确获取和高效融合问题,开展了旋转弹药外弹道运动模型构建、弹载地磁/MEMS陀螺信息模型建立及弹载应用简化、弹载地磁/MEMS陀螺输出模型参数快速标定与补偿、基于地磁/MEMS陀螺/弹道特征信息融合的弹体姿态估计及相应的试验验证等方面的研究工作。论文主要创新成果如下:(1)针对弹载地磁/MEMS陀螺测量信息中误差因素众多、建模复杂的难题,从传感器输入输出特性角度建立了弹载地磁综合磁测信息数学模型,并提出了基于椭球拟合和三位置组合的两步法现场快速标定方法。弹载地磁场信息综合磁测信息数学模型将地磁场测量中的30个标定参数简化为12个等效误差模型参数,参数的物理概念清晰、明确。基于椭球拟合和三位置组合的两步法现场快速标定方法根据矩阵正交化分解理论将地磁信息参数输出模型参数估计分解为:标准正交化过程和对准误差坐标正交旋转过程。标准正交化过程采用椭球拟合方法实现磁测信息的正交化、标准化及偏置参数估计;对准误差坐标正交旋转过程采用基于三位置磁测数据进行正交坐标系旋转欧拉角参数估计。仿真试验表明:该标定方法具有不需要现场标定基准设备、现场操作简单、误差参数标定精度高、弹载补偿算法计算实时性好的优点,便于弹载地磁场模型参数的现场标定与实时补偿,为外弹道飞行中弹体姿态的实时估计提供准确的地磁场测量数据。(2)针对发射过载造成弹载MEMS陀螺传感特性退化问题,从性能退化机理出发,分析了影响弹载MEMS陀螺测量精度的主要误差输入输出表现形式,建立了性能退化陀螺的等效线性模型,并提出了基于地磁信息哥氏效应模型的递推最小二乘参数估计方法。该方法在外弹道初始段陀螺性能退化稳定后,利用地磁信息和弹体角速率间的哥氏效应,可以快速在线实时估计弹载MEMS陀螺灵敏度和零偏等6个性能退化参数,具有模型参数估计精度高、无需高精度标定设备、在线实时估计等优点,解决外弹道初始段弹载MEMS陀螺退化参数的在线实时标定难题,为外弹道飞行中的实时弹体姿态估计提供准确的弹体角速率测量数据。(3)针对旋转弹药全姿态实时准确测量瓶颈技术,提出了基于地磁/MEMS陀螺/弹道特性信息的序贯自适应EKF全姿态估计算法。该算法以旋转弹体运动模型为状态方程、地磁/陀螺敏感信息为观测量建立了姿态运动状态模型,采用序贯滤波和量测噪声自适应算法对弹载EKF滤波算法进行算法的实时性和自适应估计优化。仿真试验表明:该滤波算法充分利用地磁测姿误差不累积、陀螺测姿短时精度高、旋转弹外弹道姿态连续平滑的特点,可以实时估计弹体的姿态角、角速度、角加速度等信息,具有实时性好、估计精度高、可实时跟踪弹体机动姿态变化的优点,为外弹道飞行中的实时弹体姿态估计提供了新方法和解决方案。研究成果可应用于常规弹药制导化改造和新型智能弹药研制,加快我国精确武器的研发进程。还可推广应用于无人机、小型潜器、微纳卫星等小型载体的姿态信息测量领域。
王盛博[3](2021)在《靶场弹道测量数据融合算法研究》文中研究指明靶场试验数据处理是武器系统定型与鉴定的关键环节,是靶场测控体系设计与评估的主要基础。随着导弹、炮弹、卫星等空间技术的发展,不同用途和类型的靶场试验越来越多,对弹道解算的精度提出了更高的要求。然而,现有靶场的数据处理技术在数据层面对多源量测数据的互补性和冗余性的利用仍有不足,在模型层面上也未能充分考虑观测模型和空间目标状态模型的准确性与适用性。针对上述问题,本文采用数据融合方法,在实时数据处理和事后数据处理两个方面进行了深入研究。主要工作如下:一、针对实时数据融合中目标跟踪的噪声不确定的问题,提出了未知噪声下的加权量测融合容积卡尔曼滤波算法。首先对量测方程建立加权融合模型,然后基于新息序列与残差序列的相关性,推导出过程噪声协方差Q估计方法,最后采用残差序列对测量噪声协方差进行估计,利用加权因子将当前的噪声协方差矩阵与其估计值组合成为新的测量噪声协方差R,有效避免了不准确状态估计的局限性。二、提出了不等精度弹道加权扩展卡尔曼滤波算法。针对多个测量设备的精度不同导致跟踪精度下降的问题,首先采用运动学模型对导弹弹道模型逼近,对多台经纬仪的冗余数据进行扩展卡尔曼滤波处理,同时对单台设备的弹道参数进行解算。为了得到高精度的弹道参数,对设备测量中的异常数据识别并进行剔除,再重新估计出当前时刻的弹道精度,将其作为融合权值调整当前时刻的状态估计,提高了弹道轨迹的精度。三、针对事后数据融合时待估参数过多导致模型病态的问题,提出了样条约束的轨迹误差融合模型最优估计算法。在事后数据分析中,利用测量设备得到的距离、方位角和俯仰角数据及弹道模型参数的各种误差值建立误差数学模型,在样条函数对目标弹道轨迹进行逼近的基础上,建立基于样条约束的轨迹误差融合模型;然后在非线性估计中引入迭代因子,得到修正后的弹道轨迹,提高了弹道轨迹的精度,有效避免了对复杂弹道的直接计算。最后,对全文进行总结,同时对研究内容存在的问题进行了分析,对下一步研究方向进行了展望。
李灵芝[4](2021)在《基于多测元的弹道轨迹估计算法的研究》文中认为导弹武器具有超强攻击性和巨大威慑力等特点,是现代社会中维持战略平衡的支撑。高精度完备的弹道轨迹为导弹飞行试验的安全控制和指挥显示提供了重要保障。目前弹道定轨方法已经从单站估计演变为多站融合估计的研究,但仍存在定轨精度低,估计结果不稳定等问题。因此,本文对弹道轨迹确定方法进行更深入的研究,以导弹武器技术为研究背景,针对多测元弹道模型,以提高弹道轨迹确定精度为研究目标,进行了如下的研究:(1)针对传统融合方法由于弹道的复杂性未能保留自身的优点,导致估计弹道轨迹精度下降的问题,本文提出一种适用于再入段弹道估计的加权观测融合平方根无迹卡尔曼滤波方法(WMF-SRUKF),该算法采用泰勒级数展开法和矩阵分解法对测量融合方程进行近似线性化处理,得到加权观测融合式测量方程,同时结合SRUKF进行状态估计,得到融合弹道轨迹。仿真结果表明,WMF-SRUKF算法可准确地融合多测元信息,与单站估计相比,弹道轨迹估计精度提高,并且计算成本降低。(2)弹道跟踪测量过程中,现有融合方法一般直接对来自各传感器采集的数据进行特定的加权处理,忽略了数据质量对滤波精度的影响。为解决此问题,本文在加权观测融合算法基础上引入抗差估计,提出抗差融合滤波方法(WMF-SRUKF),该算法根据观测融合值与预测值,计算测量残差向量,抗差权重因子,实现了异常值的分离与修正,进而得到修正后的弹道轨迹。仿真结果表明WMRF-SRUKF算法相比于WMF-SRUKF估计的弹道轨迹更接近于真实轨迹,可以能有效地减小异常值对弹道定轨精度的影响。(3)针对WMRF-SRUKF估计的弹道轨迹仍存在不确定因素的影响,导致弹道轨迹估计不准确的问题,本文利用RTS平滑滤波算法(SR-UKFS)对WMRF-SRUKF解算的弹道轨迹进行平滑处理。仿真结果表明,SRUKFS使得前一时刻的目标状态估计更加准确,获得了更高的精度,有效抑制不确定误差对定轨精度的影响。(4)基于MATLAB中的GUI设计弹道轨迹估计系统软件,该软件包含了弹道轨迹估计的各个阶段,为后续的工程应用奠定了基础。
王童欣[5](2021)在《导弹轨迹数据融合研究》文中进行了进一步梳理随着导弹和航天器技术的飞速发展,各种靶场实验越来越多,对弹道解算的精度、实时性、可靠性等方面提出了更高的要求。现有的数据处理技术在多测元数据的互补性和冗余性的处理问题上仍有不足,而且未能充分考虑系统的不确定性和多源数据融合对处理性能的影响,从而限制了实验数据处理的效能。针对上述问题,本文以靶场外测数据为对象,对靶场数据实时融合处理技术和事后数据融合处理技术做了深入研究。主要工作如下:1)在有色量测噪声无迹卡尔曼滤波算法基础上提出了双层改进算法,并应用于多通道弹道数据融合处理中。针对有色噪声系统,在传统无迹卡尔曼滤波算法(Unscensted Kalman Filter,UKF)基础上利用量测信息扩增的方法将有色噪声白噪声化,用带权值的采样点表征先验分布,并使用内层UKF对采样点进行更新,然后引入外层UKF估计目标状态。仿真表明,该方法可以有效抑制有色噪声对系统的影响,获得更高的滤波精度。2)研究分析了外弹道测量数据事后融合处理流程,给出了关键节点的处理算法。在多传感器目标跟踪条件下,采用相关技术首先对多传感器量测数据进行预处理,再运用几何定位、数学解算得到目标运动轨迹;考虑多设备多组测量数据信息互补冗余问题,将递推最小二乘估计交会融合算法与实际问题结合;根据测量误差在测量方程中的传递关系,利用误差传播法理论推导出统计意义上的弹道测量精度。最后利用某卫测中心导弹飞行数据验证了相关数据处理方法的正确性。3)将本课题研究的数据融合处理算法与计算机技术相结合,开发了导弹轨迹数据融合处理软件。以某卫测中心具体项目要求为背景,采用Qt平台开发GUI应用程序,利用Python编程实现外测数据预处理、弹道信息解算、多源数据交会融合处理等算法,对靶场弹道外测数据进行精细化的融合数据处理,构建了良好的用户操作界面,直观的显示数据处理结果与导弹飞行轨迹。
苏敬,何华锋[6](2020)在《弹武器命中精度评估研究综述》文中指出命中精度是衡量导弹武器性能的一项重要指标,命中精度评估是当前导弹武器试验鉴定领域亟需开展研究的课题之一。文章叙述了命中精度评估的研究内容及研究框架;对导弹武器命中精度评估中误差源分析、误差分离及精度折合方法、验前信息融合、命中精度评定方法等研究内容进行综述;分析研究现状,指出下一步命中精度评估研究需要解决的问题,对开展新形势下导弹武器命中精度评估研究以及导弹武器装备的试验鉴定工作具有意义。
刘小洁[7](2020)在《航天器外弹道测量数据处理方法研究》文中提出近年来,航天应用领域的拓展、飞行试验任务要求的提高以及更加复杂的空间环境给航天测控系统带来了极大的挑战。并且随着外测系统的快速发展,多台次、多类型外测设备逐渐被广泛应用,这对航天器外测数据处理的方法及精度提出了更加严苛的要求。因此,为了对航天器运行轨道进行准确描述、获得高精度的弹道参数,需要研究能够适用于实际工程的高精度外弹道测量数据处理方法。本文基于多设备组成的外测系统,主要进行了外测数据预处理、非线性非高斯系统下实时数据融合处理、弹道层事后数据综合处理三个方面的研究,具体研究工作如下:(1)针对外测系统中不同外测设备采用的测量坐标系不一致且时间基准不统一的问题,本文研究了测量极坐标系与发射坐标系间的空间对准模型,并对插值时间对准法和曲线拟合时间对准法进行理论分析,发现曲线拟合方法所获得的估计值会更接近于真实值,优势更大。(2)针对外测数据中存在的系统误差,分析了脉冲雷达和光电经纬仪这两种常用外测设备的主要系统误差源,建立了对应的系统误差模型;针对外测数据中的粗大误差,建立了基于最小二乘和时间多项式的非线性多点预测评估模型(Nonlinear Multi-Point Prediction and Evaluation Model,NMPPE),提出了基于该模型的野值判别与填充估计算法。通过对实际数据的测试,验证了该算法的有效性。(3)针对外测数据的多源特点和实时数据融合处理中面临的非线性非高斯问题,以无迹粒子滤波(Unscented Particle Filter,UPF)为工具,完善了两种实时数据融合处理方法,分别为基于建议分布的凸组合融合估计算法、序贯滤波融合估计算法。仿真结果表明,这两种融合策略可行且有效,轨道的估计精度有了明显的提高。(4)针对弹道层事后数据综合处理问题,研究了外测系统的精度评定、RAE测量体制下弹道参数的精度估算,并实现了弹道层数据加权融合算法,最后对某次飞行试验中的真实雷达外测数据进行了仿真验证,结果表明该处理算法能够得到预期的数据处理结果。(5)为了将所做研究工作更好地应用于实际中,本文基于MATLAB平台,设计并开发了集数据获取、数据预处理、实时数据与事后数据融合处理、评估报告生成功能为一体的外弹道测量数据处理软件系统。
刘思宇[8](2020)在《火箭飞行轨道目标跟踪算法研究》文中认为火箭作为人类探索宇宙的唯一运载体,其安全稳定的飞行直接决定了各种航天器的航空飞行任务能否顺利完成。为了准确跟踪火箭飞行过程中的状态信息,试验场内通过多种测控设备获取火箭弹道信息。高精度完备的弹道信息为飞行任务决策、安全控制、飞行引导等提供了重要保障。随着测控系统的不断发展,多种先进测控设备的使用,衍生了不同形式的火箭弹道测控体制,这对火箭弹道跟踪定位系统提出了日益严峻的要求。本文针对火箭外弹道测量系统,利用多源测量数据定位和弹道平滑滤波等算法建立了火箭弹道参数拟合系统,然后利用无迹卡尔曼滤波算法和Elman神经网络建立了目标跟踪模型,最后基于Matlab GUI平台设计并开发了弹道跟踪定位系统。本文研究内容总结如下:(1)针对多台测量设备交会定位问题,本文采用最小二乘法(Least Square,LS)以及递推最小二乘法(Recursive Least Squares,RLS)实现了多源弹道数据定位,并针对仅包含测角信息的多源测量系统,利用目标到各测站定位视线最小距离加权和获得弹道参数。此外,根据实际的工程要求,提出并实现了单/多台自动切换解算算法,通过实验表明该算法的可行性和有效性。(2)针对弹道解算结果受测量设备随机误差的影响而导致估计结果与实际弹道偏差较大的问题,本文基于参数回归模型,分别建立了基于三次B样条以及滑动多项式的弹道预测模型,实现了对弹道解算结果的平滑滤波。实验数据表明,两种算法均可获得较高精度的弹道估计结果。(3)针对机动性较强的飞行目标跟踪问题,本文提出了基于Elman神经网络的无迹卡尔曼滤波算法(Unscented Kalman Filter Target Tracking Based on Elman Neural Network,ELUKF),将Elman神经网络学习的滤波误差补偿给无迹卡尔曼滤波的结果。通过实验仿真,本文提出的算法在滤波精度以及稳定性上相比于无迹卡尔曼滤波算法有明显的改善。(4)本文设计并开发了弹道跟踪定位系统,主要包含用户登录、数据读取、弹道解算、弹道平滑、速度/加速度求解以及自动报表生成等功能,减少了外弹道测量数据的处理时间,提高了火箭弹道信息评估的效率。
郑天宇[9](2020)在《基于循环神经网络的临近空间高超声速目标航迹估计与预报》文中进行了进一步梳理临近空间高超声速飞行器因其高速、大机动、全球到达的特点,已成为国防安全的一类新型威胁。近年来,随着各军事大国陆续披露和列装高超声速武器装备,临近空间高超声速目标的防御问题研究也变得日益重要。由于临近空间高超声速目标具有非惯性的航迹形式和大范围、强机动的突防能力,为进行有效的拦截,需要对其进行高精度的航迹估计和预报。现有航迹估计多基于自适应滤波和多模型方法并使用经典的目标机动模型,难以应对目标复杂的机动特性。同时,传统采用参数辨识和固定模型外推的航迹预报思路也无法应对目标机动的策略性变化。鉴于此,本文考虑目标复杂策略性机动的影响,研究临近空间高超声速目标的航迹估计和预报问题,将循环神经网络与非线性滤波方法深度嵌合,对目标运动行为进行识别和预判,进而实现对目标航迹的估计和远期预报。本文具体的研究工作如下:首先,给出临近空间高超声速目标的动力学模型,分析准平衡滑翔和跳跃滑翔两类典型的目标运动特性,推导构建可识别的运动行为参数,并分别建立准平衡滑翔和跳跃滑翔的参数化运动行为模型;基于目标机动能力分析,构建可以完整描述目标运动行为的模型集。其次,考虑高超声速目标复杂的策略性机动特性,提出基于注意力LSTM的运动行为识别网络结构设计方法,使用现有目标航迹数据生成训练和测试数据集,对网络进行训练和网络参数设计,通过数据驱动充分挖掘航迹特性先验信息,给出隐含的目标运动规律,实现了对目标运动行为的识别,并且对目标未知形式机动具有适应能力;提出基于运动行为识别网络的在线航迹估计算法,设计几种适应不同精度和实时性需求的模型选择策略,根据运动行为识别结果主动选择模型进行融合滤波,实现了临近空间高超声速目标的航迹估计。再次,考虑目标机动的策略性变化,提出基于“编码-解码”架构的目标运动行为预判网络结构设计方法,实现了目标远期运动行为序列的生成;提出基于运动行为预判网络的远期航迹预报算法,根据目标运动行为预判结果自主切换航迹预报中所使用的模型序列,实现了复杂策略机动条件下临近空间高超声速目标的长时航迹预报。然后,针对一类具有大范围模型不确定性的非线性滤波问题,将循环神经网络与扩展卡尔曼滤波深度嵌合,提出一种可学习的扩展卡尔曼滤波方法。考虑航迹估计实际应用中的实时性需求,将目标复杂机动视为目标机动模型存在大范围不确定性,设计基于可学习扩展卡尔曼滤波的航迹估计算法,实现了临近空间高超声速目标的快速航迹估计。最后,将提出的基于运动行为识别网络的航迹估计方法、基于可学习扩展卡尔曼滤波的航迹估计方法、以及基于运动行为预判网络的航迹预报方法应用于典型临近空间高超声速目标机动场景,对比分析所提出航迹估计与预报方法的性能优势。结果表明,所提出的方法可有效应对更复杂的目标策略性机动,并且较之现有方法具有更高的估计和预报精度及更优的动态性能。
储雪峰[10](2020)在《天基红外系统探测导弹助推段弹道估计算法研究》文中认为弹道导弹具有射程远、速度快、精度高、威力大等特点,是现代战争中最为重要的战略威慑武器,因此导弹预警及其体系建设成为世界各军事强国的战略工程。天基弹道导弹预警系统部署在外层空间,受地球曲率影响小,具备预警时间长、预警信息准确、覆盖范围广和抗干扰性强等特点,是战略预警的关键手段,其典型代表是天基红外系统(Space Based Infrared System,SBIRS)。目前,对SBIRS探测导弹助推段弹道估计算法的研究,多集中于双星探测弹道估计和单星探测弹道估计,常用扩展卡尔曼滤波算法或无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法进行滤波递推处理,导弹运动模型大多采用匀加速模型、当前统计(Current Statistic,CS)模型等多项式模型,弹道估计的性能不够高,难以满足对来袭导弹实施有效防御的要求。因此,本文围绕如何提高SBIRS探测导弹助推段弹道估计性能的问题,从设计非线性滤波算法、导弹运动精确化建模和引入更多卫星的探测数据等方面展开研究,具体内容如下:1.针对如何通过设计非线性滤波算法来提高助推段弹道估计性能的问题,将容积卡尔曼滤波(Cubature Kalman Filtering,CKF)引入到基于CS模型的助推段弹道估计中,提出了基于CS-CKF的助推段弹道估计算法,并结合CS模型的特点对算法进行了改进。仿真结果表明,在估计误差相当的条件下,与基于CS-UKF的助推段弹道估计算法相比,基于CS-CKF的助推段弹道估计算法所需时间约缩短7.9%;与基于CS-CKF的助推段弹道估计算法相比,基于简化CS-CKF的助推段弹道估计算法所需时间约缩短33%。2.针对如何通过导弹运动精确化建模来提高助推段弹道估计性能的问题,提出了基于不完备推力加速度模板的助推段弹道估计算法。利用导弹有限先验信息推导不完备的推力加速度模板,将推力方向角增广为目标状态分量,利用加速度模板建立精确的参数化动力学模型。弹道估计滤波采用CKF算法,根据导弹助推段早期转弯角度不大的特点,利用导弹初始位置的地心矢径估算初始推力方向,使用一阶马尔可夫过程描述推力方向角来设计自适应的过程噪声。仿真结果表明,与基于CS模型的传统算法相比,所提算法的估计误差显着减小,滤波稳定性大幅增强。3.针对如何通过引入更多的卫星探测数据来提高助推段弹道估计性能的问题,提出一种三星探测数据融合的助推段弹道估计算法。使用卫星工具包专业软件分析SBIRS对某一区域三星以上的覆盖能力,建立三星探测数据融合的助推段弹道估计算法模型。根据是否掌握导弹有限先验信息,分别采用CS模型或基于不完备推力加速度模板的模型对导弹运动进行建模;数据融合采用集中式结构;弹道估计滤波采用CKF算法。仿真结果表明,导弹运动模型无论是采用CS模型还是采用基于不完备推力加速度模板的模型,与双星探测弹道估计算法相比,三星探测弹道估计算法的估计误差均显着减小。4.为了形象地展示SBIRS探测导弹助推段弹道估计算法,将常用的非线性滤波算法、CS模型、基于不完备推力加速度模板的模型、双星探测弹道估计算法、三星探测弹道估计算法等进行系统集成与实现,研制开发了SBIRS探测导弹助推段弹道估计仿真系统。
二、非线性融合模型的弹道估计精度评定(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、非线性融合模型的弹道估计精度评定(论文提纲范文)
(1)外弹道跟踪测速数据处理方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 外弹道跟踪测速测量系统 |
1.2.1 短基线干涉仪测量系统 |
1.2.2 高精度多测速测量系统 |
1.3 外弹道跟踪测速数据处理流程概述 |
1.4 国内外研究现状 |
1.5 论文研究内容与结构 |
2 测速数据预处理 |
2.1 基于RANSAC算法的野值识别算法 |
2.1.1 外测数据野值模型的构建 |
2.1.2 基于RANSAC算法的野值识别原理 |
2.1.3 算法实现与分析 |
2.2 基于重采样和近邻聚类的特征点识别算法 |
2.2.1 外测数据中的特征点 |
2.2.2 基于重采样和近邻聚类的特征点识别算法原理 |
2.2.3 算法实现与分析 |
2.3 本章小结 |
3 弹道参数的自定位以及融合技术 |
3.1 多测速测量数据弹道自定位技术 |
3.1.1 3RR和3SS体制定位与测速 |
3.1.2 一主多副跟踪测量自定位技术 |
3.1.3 算法实现与分析 |
3.2 基于数据驱动的LUMV数据融合方法 |
3.2.1 动态环境干扰下的多传感系统和LUMV估计 |
3.2.2 基于数据驱动的LUMV数据融合方法 |
3.2.3 算法实现与分析 |
3.3 本章小结 |
4 弹道参数最优估计 |
4.1 最优卷积平滑算法 |
4.1.1 卷积平滑算法 |
4.1.2 最优卷积平滑算法 |
4.1.3 算法实现与分析 |
4.2 最优三次光滑样条平滑算法 |
4.2.1 三次光滑样条 |
4.2.2 最优三次光滑样条平滑算法 |
4.2.3 算法实现与分析 |
4.3 本章小结 |
5 软件实现 |
5.1 软件系统开发环境与开发平台 |
5.2 软件系统设计框架和逻辑结构 |
5.3 软件系统的操作流程和使用实例 |
5.4 软件系统的验证和评价 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(2)基于地磁/MEMS陀螺信息融合的旋转弹药姿态估计技术(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 弹载姿态测试关键技术及测试方法分析 |
1.2.1 制导炮弹姿态测试环境及关键技术分析 |
1.2.2 弹载姿态测试方法分析 |
1.3 国内外研究现状及发展动态分析 |
1.3.1 陀螺仪的发展现状 |
1.3.2 磁传感器的发展现状 |
1.3.3 制导弹药姿态测量技术发展现状 |
1.3.4 地磁/陀螺传感参数标定技术现状 |
1.3.5 基于多源信息融合的弹药姿态实时估计技术 |
1.3.6 旋转弹姿态测量的关键技术 |
1.4 主要研究内容及论文结构安排 |
第2章 旋转弹药外弹道模型与弹载传感信息理想模型 |
2.1 坐标系统及相互间的转换 |
2.1.1 描述弹体运动的坐标系定义 |
2.1.2 坐标系参数间的几何关系 |
2.2 旋转弹药外弹道模型 |
2.2.1 旋转弹体动力学方程 |
2.2.2 旋转弹运动学方程 |
2.2.3 有控飞行段的弹体控制方程 |
2.3 弹载地磁/陀螺信息理想模型 |
2.3.1 弹载地磁信息理想模型 |
2.3.2 弹载陀螺信息理想模型 |
2.4 典型旋转弹药外弹道模型计算机仿真 |
2.4.1 无控抛物线空气弹道及弹载传感器仿真 |
2.4.2 机动飞行空气弹道及弹载传感器仿真 |
2.5 本章小结 |
第3章 弹载地磁/MEMS陀螺传感信息分析与建模 |
3.1 弹载三轴磁传感器测量模型分析 |
3.1.1 三轴磁传感器制造误差机理分析与建模 |
3.1.2 磁传感信息与弹体系间机械对准误差角机理分析与建模 |
3.2 弹体磁干扰误差机理分析与建模 |
3.2.1 弹载干扰磁场源分析 |
3.2.2 弹载干扰磁场特性 |
3.3 弹载磁传感矢量信息综合模型 |
3.4 弹载MEMS陀螺传感测量误差模型 |
3.4.1 弹载MEMS陀螺发射过载后功能退化 |
3.4.2 弹载MEMS陀螺输出等效数学模型 |
3.5 本章小结 |
第4章 弹载地磁/微陀螺快速标定技术 |
4.1 弹载地磁传感等效模型的正交化分解 |
4.2 基于椭球拟合算法的弹载地磁传感标准正交化标定 |
4.2.1 椭球拟合标定算法理论分析 |
4.2.2 弹载地磁传感标准正交化标定 |
4.2.3 试验验证及分析 |
4.3 基于三位置法的弹载磁传感器对准误差标定 |
4.3.1 弹载磁传感器对准误差标定方法分析 |
4.3.2 对准误差角现场快速标定及补偿算法 |
4.3.3 三位置法对准误差标定算法误差分析 |
4.3.4 基于弹载磁传感模型参数的地磁场数据获取 |
4.3.5 试验验证及分析 |
4.4 基于地磁信息的弹载微陀螺在线标定 |
4.4.1 地磁矢量的哥氏定理 |
4.4.2 基于地磁信息的弹载MEMS陀螺退化参数在线估计方法 |
4.4.3 试验验证及分析 |
4.5 本章小结 |
第5章 基于弹道模型/地磁/微陀螺信息的弹体姿态实时估计 |
5.1 自由飞行段纯地磁测姿算法 |
5.1.1 单历元的地磁测姿算法 |
5.1.2 基于地磁/弹道特征信息的EKF姿态估计算法 |
5.2 机动飞行段的地磁/微陀螺信息融合姿态估计算法 |
5.2.1 基于地磁/陀螺/弹道特征信息融合的弹体全姿态估计算法 |
5.2.2 改进型EKF弹体姿态信息实时估计 |
5.3 弹体姿态估计算法仿真试验及分析 |
5.3.1 无控抛物线空气弹道仿真试验 |
5.3.2 针对地面机动目标的机动弹道仿真试验 |
5.3.3 针对空中机动目标的机动弹道仿真试验 |
5.3.4 各姿态估计算法实时性分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 论文主要工作 |
6.2 研究工作展望 |
参考文献 |
攻读学位期间发表的论文及所取得的研究成果 |
致谢 |
(3)靶场弹道测量数据融合算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景和意义 |
1.2 数据融合技术的介绍 |
1.2.1 数据融合的定义 |
1.2.2 数据融合的模型 |
1.3 数据融合技术的现状 |
1.4 论文主要研究内容 |
2 靶场测控系统多源数据融合 |
2.1 引言 |
2.2 光学测量系统 |
2.2.1 光电经纬仪的组成与功能 |
2.2.2 光电经纬仪的工作原理 |
2.3 脉冲跟踪测量雷达 |
2.3.1 脉冲跟踪测量雷达的组成与功能 |
2.3.2 脉冲雷达的工作原理 |
2.4 靶场中常用坐标系定义及转换 |
2.4.1 常用坐标系定义 |
2.4.2 常用坐标系转换 |
2.5 多台光电经纬仪的交汇融合 |
2.6 多台脉冲雷达的交汇融合 |
2.7 光电经纬仪和脉冲雷达的交汇融合 |
2.8 本章总结 |
3 未知噪声协方差加权融合滤波算法 |
3.1 引言 |
3.2 非线性估计的卡尔曼滤波算法 |
3.2.1 扩展卡尔曼滤波 |
3.2.2 容积卡尔曼滤波 |
3.3 加权融合自适应滤波 |
3.3.1 集中式和加权量测融合模型 |
3.3.2 自适应Q和R估计 |
3.3.3 加权融合自适应CKF算法流程 |
3.4 仿真案例及结果分析 |
3.5 本章总结 |
4 不等精度加权融合扩展卡尔曼滤波算法 |
4.1 引言 |
4.2 弹道模型的建立 |
4.3 弹道参数解算 |
4.4 弹道加权融合 |
4.5 仿真验证及结果分析 |
4.6 本章总结 |
5 事后数据融合算法 |
5.1 引言 |
5.2 EMBET方法原理 |
5.3 弹道曲线样条函数逼近 |
5.4 样条约束的多站联测融合模型 |
5.5 非线性估计 |
5.6 仿真验证及结果分析 |
5.7 本章总结 |
6 结论 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
攻读硕士期间发表的论文及成果 |
致谢 |
(4)基于多测元的弹道轨迹估计算法的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 数据融合技术 |
1.2.2 异常值修正技术 |
1.2.3 弹道平滑 |
1.3 论文研究内容及安排 |
2 基于加权观测融合的弹道轨迹估计 |
2.1 引言 |
2.2 问题描述 |
2.3 加权观测融合算法 |
2.3.1 集中测量融合系统的构建 |
2.3.2 加权观测融合算法推导 |
2.4 基于平方根UKF加权观测融合的弹道轨迹估计 |
2.5 算法仿真与分析 |
2.5.1 仿真条件 |
2.5.2 仿真实验与结果分析 |
2.6 本章小结 |
3 基于抗差理论的弹道轨迹估计 |
3.1 引言 |
3.2 问题描述 |
3.3 抗差估计的分类及权函数选择 |
3.3.1 抗差估计分类 |
3.3.2 M估计权函数的选择 |
3.4 基于抗差M估计的弹道轨迹估计 |
3.4.1 基于抗差M估计的异常值辨识 |
3.4.2 抗差平方根UKF弹道轨迹估计 |
3.5 算法仿真分析 |
3.6 本章小结 |
4 基于RTS的弹道轨迹平滑 |
4.1 引言 |
4.2 问题描述 |
4.3 基于RTS的平方根UKF平滑算法 |
4.3.1 RTS平滑理论 |
4.3.2 基于SR-UKFS的弹道轨迹平滑 |
4.4 实验仿真 |
4.5 本章小结 |
5 弹道轨迹估计软件设计 |
5.1 引言 |
5.2 开发环境与GUI平台 |
5.3 软件设计 |
5.3.1 框架设计 |
5.3.2 软件设计步骤 |
5.4 软件演示 |
5.5 本章小结 |
6 总结与展望 |
6.1 论文工作总结 |
6.2 研究展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(5)导弹轨迹数据融合研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容 |
1.4 论文组织结构 |
2 外弹道测量及测量定位机制 |
2.1 外弹道测量的作用 |
2.2 测量及测量误差分类 |
2.2.1 测量的分类 |
2.2.2 测量误差的分类 |
2.3 外弹道测量中的常用坐标系 |
2.3.1 地心空间直角坐标系 |
2.3.2 发射坐标系 |
2.3.3 测量坐标系 |
2.4 外弹道测量体制 |
2.4.1 测角体制 |
2.4.2 测距体制 |
2.4.3 测距测角体制 |
2.5 本章小结 |
3 外弹道测量实时数据融合处理 |
3.1 引言 |
3.2 测量数据实时融合方案 |
3.2.1 野值点检测及修正 |
3.2.2 非线性无迹卡尔曼滤波算法 |
3.2.3 有色测量噪声下的双层无迹卡尔曼滤波算法 |
3.2.4 弹道统计加权融合 |
3.3 仿真实验分析 |
3.3.1 含高斯噪声模型仿真 |
3.3.2 含有色噪声模型仿真 |
3.4 本章小结 |
4 外弹道测量数据事后融合处理 |
4.1 引言 |
4.2 原始外测数据预处理 |
4.2.1 空间配准 |
4.2.2 野值点检测与修正 |
4.2.3 系统误差修正 |
4.3 弹道信息解算 |
4.3.1 弹道位置信息解算 |
4.3.2 弹道速度信息解算 |
4.3.3 弹道加速度信息解算 |
4.4 递推最小二乘交会融合估计 |
4.4.1 多台经纬仪测量信息交会融合 |
4.4.2 多台测距雷达测量信息交会融合 |
4.4.3 多组雷达经纬仪联合测量信息交会融合 |
4.5 外测系统测量精度评估 |
4.6 外测数据事后融合处理仿真 |
4.7 本章小结 |
5 软件系统设计与实现 |
5.1 软件系统总体概述与设计 |
5.2 软件系统的实现 |
5.2.1 数据管理 |
5.2.2 原始位置信息解算 |
5.2.3 数据预处理 |
5.2.4 预处理后弹道信息解算 |
5.2.5 多设备数据交会融合 |
5.3 本章小结 |
6 结论与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(6)弹武器命中精度评估研究综述(论文提纲范文)
1 评估指标及研究体系 |
1.1 评估指标 |
1.2 研究内容体系框架 |
2 导弹武器命中精度评估研究内容 |
2.1 误差源分析 |
2.2 制导工具误差分离方法 |
1)基于支持向量机方法 |
2)基于进化策略方法 |
3)基于主成分改进方法 |
2.3 弹道精度折合 |
2.4 多源验前信息融合 |
2.5 导弹武器命中精度评定方法 |
2.5.1 命中精度的自助评定方法 |
2.5.2 命中精度评定的Bayes方法 |
2.5.3 基于序贯分析的命中精度评定方法 |
3 研究展望 |
4 结论 |
(7)航天器外弹道测量数据处理方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文研究内容与结构 |
2 航天器外弹道测量的基本理论 |
2.1 航天器运行过程 |
2.2 常用外测系统及测元类型 |
2.2.1 常用外测系统 |
2.2.2 测元类型 |
2.3 空间定位方法 |
2.3.1 单站测量定位 |
2.3.2 光学经纬仪交会定位 |
2.3.3 三站测距定位 |
2.3.4 多站测距定位 |
2.4 本章小结 |
3 外弹道测量数据预处理 |
3.1 数据对准 |
3.1.1 时间对准 |
3.1.2 空间对准 |
3.2 系统误差修正 |
3.2.1 脉冲雷达系统误差模型 |
3.2.2 光电经纬仪系统误差模型 |
3.3 随机误差统计分析 |
3.4 野值判别与填充估计 |
3.4.1 非线性多点预测评估模型 |
3.4.2 基于NMPPE的野值判别与填充算法 |
3.4.3 仿真结果 |
3.5 本章小结 |
4 基于UPF的外测数据实时融合处理 |
4.1 非线性非高斯系统描述 |
4.2 基于建议分布的凸组合融合估计算法 |
4.2.1 凸组合融合估计算法 |
4.2.2 基于建议分布的凸组合融合估计算法 |
4.3 基于UPF的序贯滤波融合估计算法 |
4.4 仿真分析 |
4.5 本章小结 |
5 弹道层事后数据综合处理 |
5.1 外测系统的系统测量精度评定方法 |
5.1.1 最小二乘拟合残差法 |
5.1.2 样条拟合残差法 |
5.2 RAE测量体制的精度估算 |
5.3 弹道层事后加权融合处理 |
5.4 仿真结果 |
5.5 本章小结 |
6 外弹道测量数据处理软件系统开发 |
6.1 开发环境与平台 |
6.2 软件系统框架设计与实现 |
6.3 软件使用实例 |
6.4 本章小结 |
7 总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间主要研究成果 |
(8)火箭飞行轨道目标跟踪算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外研究现状 |
1.3 论文的研究内容与结构 |
2 火箭航迹定位与测速基本理论 |
2.1 主要坐标系及其转换 |
2.1.1 空间参考系的相关概念 |
2.1.2 大地坐标系及天文坐标系 |
2.1.3 常用坐标系 |
2.1.4 坐标系之间的转换 |
2.2 基本的弹道参数解算方法 |
2.2.1 单台测量设备定位方法 |
2.2.2 两台光学经纬仪交会定位 |
2.2.3 多RR系统定位 |
2.3 常用的速度与加速度中心平滑公式 |
2.4 本章小结 |
3 多源弹道数据定位算法 |
3.1 基于最小二乘的交会解算 |
3.1.1 问题描述 |
3.1.2 最小二乘估计 |
3.1.3 仿真实验与分析 |
3.2 基于递推最小二乘的交会解算 |
3.2.1 问题描述 |
3.2.2 递推最小二乘估计 |
3.2.3 仿真实验与分析 |
3.3 基于最小距离加权的弹道解算算法 |
3.3.1 问题描述 |
3.3.2 算法基本思路 |
3.3.3 仿真实验与分析 |
3.4 单/多台自动切换弹道解算算法 |
3.4.1 引言 |
3.4.2 算法基本流程 |
3.4.3 工程应用与仿真 |
3.5 本章小结 |
4 火箭外测数据弹道平滑滤波算法研究 |
4.1 引言 |
4.2 基于三次B样条的弹道平滑算法 |
4.2.1 算法推导 |
4.2.2 算法仿真与分析 |
4.3 基于滑动多项式的弹道平滑算法 |
4.3.1 算法推导 |
4.3.2 算法仿真与分析 |
4.4 本章小结 |
5 基于神经网络修正的目标跟踪算法研究 |
5.1 引言 |
5.2 非线性目标跟踪算法 |
5.2.1 扩展卡尔曼滤波跟踪 |
5.2.2 无迹卡尔曼滤波跟踪 |
5.3 基于Elman神经网络的无迹卡尔曼滤波算法 |
5.3.1 Elman神经网络 |
5.3.2 算法基本原理 |
5.3.3 基于Elman神经网络的无迹卡尔曼滤波器设计 |
5.3.4 算法仿真与分析 |
5.4 本章小结 |
6 弹道跟踪定位系统用户平台搭建 |
6.1 开发环境与平台 |
6.2 软件框架设计 |
6.3 软件实现 |
6.4 软件使用实例 |
6.5 本章小结 |
7 总结与展望 |
7.1 论文工作总结 |
7.2 研究方向展望 |
致谢 |
参考文献 |
攻读硕士学位期间主要研究成果 |
(9)基于循环神经网络的临近空间高超声速目标航迹估计与预报(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的背景及研究意义 |
1.2 国内外研究现状及分析 |
1.2.1 临近空间高超声速目标防御 |
1.2.2 机动目标航迹估计与预报 |
1.2.3 基于循环神经网络的序列识别与预报 |
1.2.4 存在的主要问题 |
1.3 论文研究内容及章节安排 |
第2章 临近空间高超声速目标运动行为分析与描述 |
2.1 引言 |
2.2 临近空间高超声速目标的动力学模型 |
2.3 临近空间高超声速目标的运动行为分析与建模 |
2.3.1 准平衡滑翔航迹运动行为模型的建立 |
2.3.2 跳跃滑翔航迹运动行为模型的建立 |
2.3.3 目标运动行为模型集的建立 |
2.4 本章小结 |
第3章 基于运动行为识别网络的高超声速目标航迹估计方法 |
3.1 引言 |
3.2 基于注意力LSTM的运动行为识别网络结构设计方法 |
3.2.1 长短时记忆(LSTM)网络 |
3.2.2 LSTM运动行为识别网络结构设计 |
3.2.3 注意力LSTM运动行为识别网络结构设计 |
3.3 基于运动行为识别网络的航迹估计算法 |
3.3.1 数据预处理 |
3.3.2 基于运动行为识别网络的运动行为识别 |
3.3.3 模型切换策略 |
3.3.4 航迹估计算法 |
3.4 航迹估计算法的训练及参数设计 |
3.4.1 网络结构的确定 |
3.4.2 输入序列长度设计 |
3.4.3 网络参数设计 |
3.5 本章小结 |
第4章 基于运动行为预判网络的高超声速目标航迹预报方法 |
4.1 引言 |
4.2 基于“编码-解码”架构的运动行为预判网络结构设计方法 |
4.2.1 编码网络结构设计 |
4.2.2 解码网络结构设计 |
4.3 基于运动行为预判网络的航迹预报算法 |
4.3.1 基于运动行为预判网络的运动行为预判 |
4.3.2 航迹预报算法 |
4.4 航迹预报算法的训练及参数设计 |
4.4.1 解码网络结构确定 |
4.4.2 编码网络结构确定 |
4.4.3 输入序列长度设计 |
4.4.4 网络参数设计 |
4.5 本章小结 |
第5章 基于可学习扩展卡尔曼滤波的高超声速目标航迹估计方法 |
5.1 引言 |
5.2 可学习扩展卡尔曼滤波 |
5.2.1 扩展卡尔曼滤波 |
5.2.2 输入修饰网络 |
5.2.3 增益修饰网络 |
5.2.4 可学习扩展卡尔曼滤波 |
5.3 基于可学习扩展卡尔曼滤波的航迹估计算法 |
5.4 航迹估计方法的训练和参数设计 |
5.4.1 输入修饰网络参数设计 |
5.4.2 增益修饰网络参数设计 |
5.5 算法收敛性分析与验证 |
5.6 本章小结 |
第6章 某型临近空间高超声速目标航迹估计与预报分析 |
6.1 引言 |
6.2 临近空间高超声速目标航迹估计与预报场景设定 |
6.3 临近空间高超声速目标航迹估计分析 |
6.3.1 运动行为识别 |
6.3.2 模型切换策略 |
6.3.3 航迹估计的蒙特卡洛仿真分析 |
6.3.4 航迹估计结果及分析 |
6.4 临近空间高超声速目标航迹预报分析 |
6.4.1 运动行为预判结果及分析 |
6.4.2 航迹预报结果及分析 |
6.5 本章小结 |
结论 |
参考文献 |
附录A 坐标系定义及其转换关系 |
A.1 坐标系定义 |
A.2 坐标系间转换关系 |
附录B 临近空间高超声速目标的动力学模型推导 |
附录C 某型高超声速飞行器的航迹数据集 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(10)天基红外系统探测导弹助推段弹道估计算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 天基红外系统发展现状 |
1.2.1.1 天基红外系统系统组成 |
1.2.1.2 天基红外系统探测体制 |
1.2.1.3 天基红外系统工作模式 |
1.2.2 导弹助推段运动建模研究现状 |
1.2.2.1 基于模板的建模方法 |
1.2.2.2 基于模型的建模方法 |
1.2.3 弹道估计滤波算法研究现状 |
1.3 论文工作及章节安排 |
第二章 天基红外系统探测导弹助推段弹道估计基础和模型分析 |
2.1 引言 |
2.2 空间坐标描述 |
2.2.1 坐标系定义 |
2.2.2 坐标系转换 |
2.3 导弹助推段动力学模型 |
2.4 天基红外系统星座构成及轨道参数 |
2.5 天基红外系统探测导弹助推段弹道估计处理方法 |
2.5.1 天基红外系统探测导弹助推段弹道估计流程 |
2.5.2 天基红外系统探测导弹助推段弹道估计性能 |
第三章 基于容积卡尔曼滤波的助推段弹道估计 |
3.1 引言 |
3.2 当前统计模型 |
3.3 天基红外系统双星探测模型 |
3.4 容积卡尔曼滤波算法 |
3.4.1 当前统计模型-无迹卡尔曼滤波算法 |
3.4.2 当前统计模型-容积卡尔曼滤波算法 |
3.4.3 简化当前统计模型-容积卡尔曼滤波算法 |
3.4.4 滤波算法初始化 |
3.4.5 过程噪声设置 |
3.5 算法仿真与分析 |
3.5.1 基于CS-CKF的助推段弹道估计算法仿真 |
3.5.1.1 仿真场景 |
3.5.1.2 仿真结果及分析 |
3.5.2 基于简化CS-CKF的助推段弹道估计算法仿真 |
3.6 小结 |
第四章 基于不完备推力加速度模板的助推段弹道估计 |
4.1 引言 |
4.2 基于不完备推力加速度模板的导弹助推段运动模型 |
4.3 基于不完备推力加速度模板的助推段弹道估计算法 |
4.3.1 滤波算法初始化 |
4.3.2 过程噪声设置 |
4.4 算法仿真与分析 |
4.4.1 仿真场景 |
4.4.2 仿真结果及分析 |
4.5 小结 |
第五章 基于三星探测数据融合的助推段弹道估计 |
5.1 引言 |
5.2 天基红外系统覆盖能力分析 |
5.2.1 天基红外系统探测STK仿真 |
5.2.2 GEO卫星的探测视场 |
5.2.3 天基红外系统区域覆盖能力分析 |
5.3 天基红外系统三星探测模型 |
5.4 基于三星探测数据融合的助推段弹道估计算法 |
5.5 算法仿真与分析 |
5.5.1 基于CS模型的三星探测弹道估计算法仿真 |
5.5.1.1 仿真场景 |
5.5.1.2 仿真结果及分析 |
5.5.2 基于不完备推力加速度模板的三星探测弹道估计算法仿真 |
5.5.2.1 仿真场景 |
5.5.2.2 仿真结果及分析 |
5.6 小结 |
第六章 天基红外系统探测导弹助推段弹道估计仿真系统 |
6.1 引言 |
6.2 系统设计 |
6.2.1 系统功能设计 |
6.2.2 系统结构设计 |
6.3 系统实现 |
6.3.1 导弹弹道仿真模块 |
6.3.2 天基红外系统探测模块 |
6.3.3 导弹运动状态估计模块 |
6.4 小结 |
第七章 总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
致谢 |
参考文献 |
作者简历 |
四、非线性融合模型的弹道估计精度评定(论文参考文献)
- [1]外弹道跟踪测速数据处理方法研究[D]. 吴晓博. 西安理工大学, 2021(01)
- [2]基于地磁/MEMS陀螺信息融合的旋转弹药姿态估计技术[D]. 高丽珍. 中北大学, 2021(01)
- [3]靶场弹道测量数据融合算法研究[D]. 王盛博. 西安工业大学, 2021
- [4]基于多测元的弹道轨迹估计算法的研究[D]. 李灵芝. 西安工业大学, 2021
- [5]导弹轨迹数据融合研究[D]. 王童欣. 西安工业大学, 2021
- [6]弹武器命中精度评估研究综述[J]. 苏敬,何华锋. 兵器装备工程学报, 2020(11)
- [7]航天器外弹道测量数据处理方法研究[D]. 刘小洁. 西安理工大学, 2020(01)
- [8]火箭飞行轨道目标跟踪算法研究[D]. 刘思宇. 西安理工大学, 2020(01)
- [9]基于循环神经网络的临近空间高超声速目标航迹估计与预报[D]. 郑天宇. 哈尔滨工业大学, 2020(01)
- [10]天基红外系统探测导弹助推段弹道估计算法研究[D]. 储雪峰. 战略支援部队信息工程大学, 2020(01)