航迹融合系统的研究与实现的中期报告.docxVIP

航迹融合系统的研究与实现的中期报告

一、研究背景

随着现代航空技术的不断发展，飞行器的自动化程度不断提高。然而，由于飞行器受到天气、空中交通管制、机场管理等诸多因素的影响，飞行路径往往需要实时调整。因此，针对航空器的航迹融合系统成为了近年来研究的热点。

航迹融合系统是传感器、导航系统、通信系统等多种系统实时融合，从而实现飞行器的精确定位、高效路径规划以及飞行安全保障等功能。其中，航迹融合系统中的数据融合是关键技术之一。在数据融合方面，如何选择融合算法，如何解决算法中存在的数据误差等问题都需要逐步研究和实现。

二、研究内容

本次中期报告的研究内容包括两个方面：数据融合算法研究和算法实现。

1.数据融合算法研究

目前，常用的数据融合算法主要包括卡尔曼滤波算法和粒子滤波算法。我们主要研究了这两种算法的原理和特点，并针对航迹融合中存在的误差问题，提出了一些改进的思路和方法。

卡尔曼滤波算法是一种经典的数据融合算法。它能够对多源数据进行加权融合，从而得到较为准确的最终结果。但是，在处理非线性问题和存在大量高斯噪声的情况下，卡尔曼滤波算法存在较大的缺陷。针对这一问题，我们考虑结合粒子滤波算法，以提高数据融合的效果。

粒子滤波算法可以在非线性和高斯分布噪声的情况下实现数据融合。其基本思想为采用一组随机粒子表示系统状态，并通过更新粒子权重使其逼近真实状态。但是，该算法运算量较大，不便于实时应用。