導(dǎo)航定位與授時(shí)稿件格式模板

1、收稿日期：20180715；修訂日期：20180801?；痦?xiàng)目：國家重點(diǎn)研發(fā)計(jì)劃（2016YFB05020042017YFC0821102）；北京市科技計(jì)劃項(xiàng)目（Z171100000517006）作者簡介：葛寶爽（1993—），男，博士研究生，主要從事自適應(yīng)濾波及組合導(dǎo)航方面的研究。Email:gebaoshuang@buaa.《導(dǎo)航定位與授時(shí)》稿件格式模板《導(dǎo)航定位與授時(shí)》稿件格式模板增廣誤差模型算法在目標(biāo)跟蹤中的應(yīng)用（題名：三號黑

2、體居中，20漢字之內(nèi)，也不應(yīng)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(xué)自動(dòng)化科學(xué)與電氣工程學(xué)院，北京100083；2.北京公共交通控股（集團(tuán)）有限公司，北京100161）（作者單位，五號楷體）摘要：針對目標(biāo)機(jī)動(dòng)運(yùn)行過程中，濾波模型與機(jī)動(dòng)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(jì)誤差增廣

3、為一狀態(tài)量，通過濾波估計(jì)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(yīng)調(diào)節(jié)多重漸消因子的等效特性，增強(qiáng)了對目標(biāo)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(shè)計(jì)并進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，基于該模型的濾波算法在對機(jī)動(dòng)目標(biāo)進(jìn)行跟蹤時(shí)具有更強(qiáng)的魯棒性。（摘要：五號，楷體，通欄。注：摘要采用報(bào)道性文摘，應(yīng)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(jié)果和結(jié)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(guān)鍵詞：增廣誤差模型；目標(biāo)跟蹤；模型失配；卡爾曼濾波（關(guān)鍵詞：五號，楷體，通欄。應(yīng)給出38個(gè)關(guān)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(fù)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(zhǔn)確譯出中文摘要最佳，也可適當(dāng)擴(kuò)充一些重要信息，原則上中文摘要編寫的注意事項(xiàng)都適用于英文摘要，但還應(yīng)遵循英語的表達(dá)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(shí)加被動(dòng)語態(tài)，結(jié)論用一般現(xiàn)在時(shí)。摘要中勿出現(xiàn)文獻(xiàn)號。）型失配的問題。不同于以上增廣方案試圖通過對目標(biāo)加速度的估計(jì)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(jì)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(yùn)動(dòng)模型在濾波過

10、程中具有自適應(yīng)調(diào)節(jié)遺忘因子的等效特性，增強(qiáng)了對目標(biāo)的跟蹤性能。1KalmanKalman濾波模型失配濾波模型失配1.1標(biāo)準(zhǔn)標(biāo)準(zhǔn)KalmanKalman濾波濾波設(shè)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(zhuǎn)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(shí)現(xiàn)過程如下：初始化(3)??????0000000???TXEXPEXXXX??????????時(shí)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(dāng)濾波模型與實(shí)際模型不完全一致時(shí)，會(huì)導(dǎo)致濾波中的各狀態(tài)量與實(shí)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(zhǔn)確的濾波估計(jì)值，對式(1)所述系統(tǒng)模型進(jìn)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(xiàng)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(guān)，其真實(shí)傳播特性通常十分復(fù)雜，更一般的誤差模型形式為[14](11)??11kkkgX??????式(11)在實(shí)際運(yùn)用中很不方便，由于εk在短

14、時(shí)間內(nèi)變化比較微弱，可將式(11)簡化為隨機(jī)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(shí)間間隔內(nèi)可近似為常值，故其方差強(qiáng)度很小，且與過程噪聲相互獨(dú)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(zhuǎn)移矩陣從上一時(shí)刻傳遞到當(dāng)前時(shí)刻并作用到當(dāng)前各狀態(tài)量中的，狀態(tài)轉(zhuǎn)移矩陣表明了各狀態(tài)量間的傳遞相互關(guān)系。2增廣誤