導航定位與授時稿件格式模板

1、收稿日期：20180715；修訂日期：20180801?；痦椖浚簢抑攸c研發(fā)計劃（2016YFB05020042017YFC0821102）；北京市科技計劃項目（Z171100000517006）作者簡介：葛寶爽（1993—），男，博士研究生，主要從事自適應濾波及組合導航方面的研究。Email:gebaoshuang@buaa.《導航定位與授時》稿件格式模板《導航定位與授時》稿件格式模板增廣誤差模型算法在目標跟蹤中的應用（題名：三號黑

2、體居中，20漢字之內，也不應出現(xiàn)非共知共用的縮略語、符號和代號等。）葛寶爽1，張海1，王湘萍2（作者姓名，五號楷體）（1.北京航空航天大學自動化科學與電氣工程學院，北京100083；2.北京公共交通控股（集團）有限公司，北京100161）（作者單位，五號楷體）摘要：針對目標機動運行過程中，濾波模型與機動狀態(tài)模型失配問題，提出了一種新的增廣狀態(tài)誤差濾波模型。不同于現(xiàn)有增廣方案，該模型從模型失配所致狀態(tài)濾波誤差的角度出發(fā)，將狀態(tài)估計誤差增廣

3、為一狀態(tài)量，通過濾波估計后用其校正原狀態(tài)量。算法分析表明該增廣濾波模型具有自適應調節(jié)多重漸消因子的等效特性，增強了對目標的跟蹤能力。基于該增廣狀態(tài)誤差濾波模型，給出了濾波算法設計并進行了仿真實驗。實驗結果表明，基于該模型的濾波算法在對機動目標進行跟蹤時具有更強的魯棒性。（摘要：五號，楷體，通欄。注：摘要采用報道性文摘，應擁有與論文同等量的主要信息，中英文摘要均須包括研究目的、方法、結果和結論四要素，突出工作創(chuàng)新性。一律采用第三人稱表述，

4、不要出現(xiàn)“本文”、“作者”等作為主語。一般以200300字左右為宜。）關鍵詞：增廣誤差模型；目標跟蹤；模型失配；卡爾曼濾波（關鍵詞：五號，楷體，通欄。應給出38個關鍵詞）中圖分類號：TP701(查閱網(wǎng)站中國圖書館圖書分類法)AugmentedBiasModelAlgithmwithApplicationtoTargetTracking（英文題名：三號TimesNewRoman居中。首字母和縮寫單詞大寫，其他小寫。）GEBaoshuang

5、1ZHANGHai1WANGXiangping2（姓氏的全部字母大寫，復姓連寫，名字的首字母大寫，雙名中間加連字符）（1.SchoolofAutomationScienceElectricalEngineeringBeihangUniversity，Beijing100083，China；2.BeijingPublicTransptCpation，Beijing100161，China）Abstract：Anewaugmentedbia

6、smodelisputfwardfthetargettrackingregardingtheproblemsofmismatchesbetweenfilteringmodelmaneuveringstatemodelduringthecourseoftargetmaneuvering.Unlikethecurrentaugmentedmodelstheproposedmodelanalyzingthefilteringresultbro

7、ughtbymodelmismatchesconsidersthestateerrasanaugmentedstatevect.Thenthestateerrisestimatedtocrecttheiginalstate.Theanalysisoftheproposedaugmentedmodelalgithmshowsthatthefiltercontainstheequivalentadaptivemultiplefadingfa

8、ctswhichenhancesthetrackingability.Thefilterisdesignedfaugmentedbiasmodelamathematicalsimulationiscarriedout.Thesimulationresultsshowthatthefilteringalgithmbasedonthismodelhasstrongrobustnesswhentrackingmaneuveringtarget

9、s.（英文摘要：能準確譯出中文摘要最佳，也可適當擴充一些重要信息，原則上中文摘要編寫的注意事項都適用于英文摘要，但還應遵循英語的表達方式和語言規(guī)范，不可逐詞逐句硬性翻譯。所做的工作使用一般過去時加被動語態(tài)，結論用一般現(xiàn)在時。摘要中勿出現(xiàn)文獻號。）型失配的問題。不同于以上增廣方案試圖通過對目標加速度的估計或建模來減小由于模型失配所引起的濾波誤差。本文從狀態(tài)估計誤差角度考察了模型失配的影響，并將其直接增廣為一狀態(tài)量，增廣后的運動模型在濾波過

10、程中具有自適應調節(jié)遺忘因子的等效特性，增強了對目標的跟蹤性能。1KalmanKalman濾波模型失配濾波模型失配1.1標準標準KalmanKalman濾波濾波設線性系統(tǒng)的離散狀態(tài)模型為(1)111kkkkkkkkkXXWZHX????????v式中，Xk為狀態(tài)量，?kk1為狀態(tài)轉移矩陣，Zk為量測量，Hk為量測矩陣。Wk1為過程噪聲，vk為量測噪聲，且有(2)????0v0vvv0TkkjkkjTkkjkkjTkjEWEWWQEEREW

11、???????????????????式中，E[]為均值算子，?kj為Kronecker?函數(shù)。SKF算法實現(xiàn)過程如下：初始化(3)??????0000000???TXEXPEXXXX??????????時間更新(4)1111111??kkkkkTkkkkkkkkXXPPQ?????????????濾波增益(5)??111TTkkkkkkkkKPHHPHR?????量測更新(6)????111???kkkkkkkkkkkkkPIKHPX

12、XKZHX????????1.2模型失配誤差模型模型失配誤差模型在SKF中，當濾波模型與實際模型不完全一致時，會導致濾波中的各狀態(tài)量與實際狀態(tài)量間隱含存在著一微小偏移量εk，該微小偏移量是由模型失配所引起的。為了能夠得到更加準確的濾波估計值，對式(1)所述系統(tǒng)模型進行重新建模?？紤]模型失配誤差εk，系統(tǒng)狀態(tài)模型為(7)111kkkkkkXXW????????對式(7)移項變形可得(8)111kkkkkXXW???????式中，。kkkX

13、X????由式(8)可得(9)??111111111111kkkkkkkkkkkkkkkkkXXWXWXW?????????????????????????????將式(9)改寫為矩陣形式(10)11111kkkkkkkkXXW??????????????????????模型誤差εk通常與狀態(tài)相關，其真實傳播特性通常十分復雜，更一般的誤差模型形式為[14](11)??11kkkgX??????式(11)在實際運用中很不方便，由于εk在短

14、時間內變化比較微弱，可將式(11)簡化為隨機游走過程將其建模如下(12)11kkkN??????式中，Nk1為零均值高斯白噪聲。εk在較短時間間隔內可近似為常值，故其方差強度很小，且與過程噪聲相互獨立，即，??0kEN?，。TkjkkjENNQ???????0TkjEWN?????從式(9)或式(10)可以看出模型誤差是通過狀態(tài)轉移矩陣從上一時刻傳遞到當前時刻并作用到當前各狀態(tài)量中的，狀態(tài)轉移矩陣表明了各狀態(tài)量間的傳遞相互關系。2增廣誤