火箭飞行测控数据野值处理及其无迹Kalman滤波

doi:10.3778/j.issn.1002-8331.2011.03.068

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (3): 233-236.DOI: 10.3778/j.issn.1002-8331.2011.03.068

火箭飞行测控数据野值处理及其无迹Kalman滤波

翟茹玲¹，柴毅¹，张可^1，2

1.重庆大学自动化学院，重庆 400030
2.贵湖大学工程系，加拿大安大略 N1G 2W1

收稿日期:2009-05-11 修回日期:2009-07-13 出版日期:2011-01-21 发布日期:2011-01-21
通讯作者: 翟茹玲

Outlier rejection and unscented Kalman filter in rocket flight data processing

ZHAI Ruling¹，CHAI Yi¹，ZHANG Ke^1，2

1.College of Automation，Chongqing University，Chongqing 400030，China
2.School of Engineering，University of Guelph，Ontario，N1G 2W1，Canada

Received:2009-05-11 Revised:2009-07-13 Online:2011-01-21 Published:2011-01-21
Contact: ZHAI Ruling

摘要/Abstract

摘要： 为了提高火箭飞行测量数据处理的精度，提出一种用于非线性系统的、抗野值的、基于无迹变换的Kalman滤波算法的改进方法——抗野值的无迹卡尔曼滤波算法（UKF），对火箭飞行测控系统中的目标进行位置及运行轨迹估计。该算法以少量的采样点表示随机变量的分布，通过非线性系统传播，实时地对滤波增益进行调整，将检测数据中的野值剔除。将算法应用于航天测控系统跟踪运载火箭系统中，通过Monte Carlo仿真，说明改进的方法能有效地消除野值对测控系统检测数据处理的影响，提高了滤波精度。

关键词: 运载火箭, 野值, 无迹变换, 无迹卡尔曼滤波

Abstract: A new method of Kalman filter based on unscented transform，which used in nonlinear system，is proposed to improve the precision of rocket flight data processing.The new method is unscented Kalman filter algorithm with outlier detection，which estimates location and track about the aim in rocket flight control system.The algorithm uses a few sampling point to represent distribution of random variable by means of nonlinear system propagation and adjustment to filter gain real-timely，then eliminating outliers in the detection data.The new method is applied into launch vehicle control system.The result of Monte Carlo simulation proves that the effect of detection data processing can be eliminated effectively and improves filtering accuracy.

Key words: launch vehicle, outlier, unscented transform, Unscented Kalman Filter（UKF）

中图分类号:

TP39

翟茹玲¹，柴毅¹，张可^1，2. 火箭飞行测控数据野值处理及其无迹Kalman滤波[J]. 计算机工程与应用, 2011, 47(3): 233-236.

ZHAI Ruling¹，CHAI Yi¹，ZHANG Ke^1，2. Outlier rejection and unscented Kalman filter in rocket flight data processing[J]. Computer Engineering and Applications, 2011, 47(3): 233-236.

[1]	任臻1，李积英1，吴昊2. 基于M估计的鲁棒后向平滑CKF单站跟踪算法[J]. 计算机工程与应用, 2019, 55(11): 74-79.
[2]	程志辉1，2，黄宇1，2. 采用柯西分解降噪的目标跟踪方法[J]. 计算机工程与应用, 2017, 53(17): 41-46.
[3]	孙磊1，2，黄国勇1，2，李越1，2. 改进的强跟踪SVD-UKF算法在组合导航中的应用[J]. 计算机工程与应用, 2017, 53(10): 225-229.
[4]	张玉峰1，周奇勋1，周勇2，张举中3. 非线性自适应平方根无迹卡尔曼滤波方法研究[J]. 计算机工程与应用, 2016, 52(16): 36-40.
[5]	吕新知. FAST-SR-UKF算法及其在组合导航系统中的应用[J]. 计算机工程与应用, 2015, 51(6): 254-259.
[6]	李莹1，周德云1，俞吉2. 基于自适应变结构信息滤波的目标跟踪算法[J]. 计算机工程与应用, 2015, 51(17): 217-221.
[7]	申剑飞1，杨秋芬2，3，桂卫华2，胡豁生2. 基于UKF-RSS在线建模的WSN节点跟踪定位算法[J]. 计算机工程与应用, 2015, 51(16): 103-108.
[8]	竹博，周游，仵国锋，胡捍英. AR预测模型的IMM跟踪算法[J]. 计算机工程与应用, 2014, 50(24): 222-226.
[9]	张怡，廉晶晶，黄文刚. 抗野值性能的无迹卡尔曼滤波算法的研究[J]. 计算机工程与应用, 2012, 48(33): 153-156.
[10]	李树荣，倪朋飞. 基于平方根UKF的SLAM算法[J]. 计算机工程与应用, 2011, 47(22): 209-212.
[11]	张杰，张建伟. 高转弯频率下机动目标跟踪算法研究[J]. 计算机工程与应用, 2011, 47(1): 217-219.
[12]	黄胜昔¹，刘华². 基于加性无迹卡尔曼滤波的雷达目标跟踪方法[J]. 计算机工程与应用, 2010, 46(8): 214-216.
[13]	曹洁¹，文如泉^1，2. IMM-UPF算法在机动目标跟踪中的研究[J]. 计算机工程与应用, 2010, 46(28): 240-243.
[14]	刘华¹，黄胜昔². 基于序贯无迹卡尔曼滤波的雷达目标跟踪方法[J]. 计算机工程与应用, 2009, 45(25): 202-204.
[15]	朱安福，景占荣. 多传感器信息融合的目标跟踪研究[J]. 计算机工程与应用, 2009, 45(25): 7-9.

火箭飞行测控数据野值处理及其无迹Kalman滤波

Outlier rejection and unscented Kalman filter in rocket flight data processing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics