基于多重次渐消因子的强跟踪UKF姿态估计

针对应用于飞行器姿态确定中的乘性扩展卡尔曼滤波(multiplicative extended Kalman filter,MEKF)存在精度低、鲁棒性差的缺点,提出了一种基于多重次渐消因子的强跟踪无迹卡尔曼滤波(multiple fading factors strong tracking unscented Kalman filter,MSTUKF)算法。该滤波算法克服了单渐消因子对多变量跟踪能力差的局限性,通过引入两个多重次渐消因子对预测误差协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,保证预测误差协方差阵的对称性,从而实现滤波算法强跟踪性。仿真结果表明,MSTUKF的滤波精度和鲁棒性均明显优于MEKF,能够更好地满足工程应用对精度和鲁棒性的要求。

基于当前统计模型的机动目标自适应跟踪算法

当前统计模型及其自适应卡尔曼滤波算法对强机动目标具有很好的跟踪效果,但当机动目标为弱机动和非机动时算法跟踪性能较差。针对这一问题,提出了采用铃形函数作为模糊隶属函数对模型中加速度极值进行修正的自适应滤波算法,调整加速度稳定时的系统过程噪声方差,提高算法的跟踪精度。同时,借鉴强跟踪滤波算法的渐消自适应滤波因子思想,针对加速度突变的情况引入渐消因子对修正的加速度极值进行调节,提高算法在加速度突变情况下的跟踪速度。仿真实验结果表明,算法对弱机动目标和非机动目标的跟踪具有良好的效果。

基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.

基于S3C2410嵌入式无线视频监控系统的设计

介绍了一种基于S3C2410硬件平台和嵌入式Linux操作系统的视频监控系统的总体设计方案,在嵌入式Linux平台下利用软件实现视频数据的采集、MPEG-4编码和网络传输;阐述了系统的总体结构和各部分功能特点,选择xvidcore作为本系统中视频图像压缩模块中的核心算法;采用以嵌入式Linux系统为核心,基于其良好的网络功能,通过USB摄像头实时获取视频和CDMA模块完成无线网络及Internet的接入;控制终端利用Wi-Fi无线局域网技术通过AP接入Internet,真正实现视频监控的无线化,满足无线视频监控系统的要求。

星图识别的一种扩充栅格算法

栅格算法作为一种鲁棒性好、识别率高的星图识别算法,要求星图中不少于6颗星才能进行正常的识别,限制了其在小视场或低星等敏感极限的星敏感器中的应用.针对这种情况,提出了星图识别的扩充栅格算法,该算法将扩充星图法与栅格算法结合,将视场进行有效地扩充,得到了更加丰富的星点信息,同时继承了栅格算法的优势,拥有比现有扩充星图法更强的噪声鲁棒性和更高的识别成功率.依据实际情况建立了仿真环境,并进行了大量实验,验证了算法的实时性和高识别率性能.结果表明:当应用于小视场星敏感器时,扩充栅格算法在位置噪声为1像素时的星图识别成功率大于97.4%,明显优于传统的扩充星图算法,同时其近邻星的识别成功率最高可达到86.7%,也明显优于传统栅格算法.扩充栅格算法更加适用于小视场或低星等敏感极限的星敏感器.

信息熵在导航传感器故障诊断中的应用研究

对组合导航系统中占主要地位的惯导系统进行故障诊断研究,给出了一种基于小波包能量熵的神经网络故障诊断方法。利用小波包分析原理对原始故障信号进行3层的小波包分解,并提取小波包能量熵,然后构造信号的小波包特征向量,以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。采用惯导系统中关键性器件陀螺仪进行仿真研究,仿真结果表明此方法可有效地检测故障且提高了精度。

结合时域信息的区域生长算法及其在动脉超声造影图像分割中的应用

为了有效地提取动脉超声造影图像中的血管边界,提高动脉内膜附近血流流场超声测量的准确性,提出一种结合时域信息的区域增长算法进行动脉超声造影图像的血管边界分割.该算法根据超声造影微泡在血液内的流动特性,利用连续两帧图像之间的灰度差异构造窗帧差,令其作为生长条件,结合邻域灰度进行区域生长;采用数学形态学的闭合运算与一种自定义的边界平滑方法对区域生长结果进行处理,填补了区域生长中产生的空洞并平滑了不规则边界.最后通过大鼠颈动脉的超声造影图像实验,验证了文中算法的有效性和可行性,该算法能够准确地提取出模糊的动脉边界,时间复杂度低.

基于贝叶斯估计噪声相关下的CKF设计

针对常规容积卡尔曼滤波(cubature Kalman filter,CKF)要求系统噪声和量测噪声必须互不相关的局限性,提出了一种带相关噪声的非线性离散系统CKF设计方法。基于贝叶斯估计准则,给出了系统噪声和量测噪声相关时CKF滤波递推公式,并采用三阶球面-相径容积规则来近似计算系统状态的后验均值和协方差。当系统噪声和量测噪声相关时,常规CKF不适用,本文设计的噪声相关下的CKF可以有效地对状态进行估计,拓展了CKF的应用范围。数值仿真验证了算法的有效性。

弹道导弹的捷联惯性/天文组合导航方法

针对传统的捷联惯性/天文(SINS/CNS)组合导航系统不能精确估计加速度计偏置而导致导航误差发散的问题,提出一种基于星光折射间接敏感地平的捷联惯性/天文(SINS/RCNS)组合导航方法。利用星敏感器测量星光折射角,结合大气折射模型得到的折射视高度来抑制位置误差的发散。推导了基于星光折射新的量测方程,分析了折射星数目与导航精度的关系,当使用多颗折射星时能够精确估计加速计偏置,从而能够完全抑制位置误差的发散,并对系统进行可观测性分析。通过卡尔曼滤波实现了状态估计。仿真结果表明:本文方法的导航精度优于传统方法,有效抑制了位置误差的发散,验证了本文方法的有效性。

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF,Multiplicative Extend-ed Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE,Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.

降维CKF算法及其在SINS初始对准中的应用

针对常规容积卡尔曼滤波(cubature Kalman filter,CKF)算法在捷联惯导系统(strapdown inertialnavigation system,SINS)大方位失准角初始对准中采样点个数与状态向量维数成正比、计算量较大的问题,提出了降维CKF算法。与常规CKF算法相比,该算法只对离散化后的SINS非线性误差模型中的大方位失准角进行采样,再利用三阶球面-相径容积规则计算后验均值和协方差,从而将采样向量从10维降低到1维,采样点数量从20个下降到2个,减小了计算量。仿真实验结果表明,该算法与常规CKF算法具有相同的对准精度,计算时间仅为常规CKF算法的1/3,是一种较为实用的方法。

多渐消因子卡尔曼滤波及其在SINS初始对准中的应用

针对卡尔曼滤波在系统模型失配和未知干扰情况下鲁棒性差的特点,对于一类线性模型提出了多渐消因子卡尔曼滤波算法。该算法利用卡尔曼滤波取得最佳增益时残差序列互不相关的性质,可以在线自适应地调整多个渐消因子,从而对多个数据通道进行渐消,即使当滤波达到稳态时仍然可以调整滤波增益,使得该算法对模型失配和未知干扰有较强的鲁棒性。将该算法用于噪声统计不准确的SINS初始对准,数值仿真表明,当系统模型存在不准确情况时,新方法对航向误差角的估计精度较单渐消因子卡尔曼滤波和常规卡尔曼滤波分别提高了70%和43%,证明了该算法的有效性。

遗传小波神经网络及在电机故障诊断中的应用

本文给出了基于优化遗传算法的小波神经网络故障诊断模型。首先利用改进的遗传算法对神经网络的权值和阈值进行遗传操作,获得具有一定遍历性的初始权值和阈值,然后再利用神经网络的L-M训练方法进行训练,克服了BP神经网络搜索速度慢和容易陷入局部极值的缺点,保证了训练过程收敛,而且故障识别的能力和精度也大大提高。同时引进比小波分析具有更强高频分析能力的小波包技术,并将其应用到故障信号的特征频率分析中,以得到的结果作为改进遗传神经网络的输入信号,保证训练网络的准确性。通过对电机故障进行仿真试验,证实该方法的有效性及正确性。

一种改进的强跟踪滤波算法

强跟踪滤波算法由于对判断滤波发散的阈值设置较小,以较大概率产生渐消因子而导致对滤波增益过调节,最终对状态估计不够平滑.在分析强跟踪滤波算法运行机理的基础上,提出了一种改进的强跟踪滤波算法.通过适当提高判断滤波发散的阈值,有效降低了误判滤波发散的概率,并能针对不同维数量测方程确定不同的弱化因子,避免了凭经验加入弱化因子解决这一问题的缺陷.数值仿真结果表明:改进的强跟踪滤波算法对系统状态突变不但具有较强的鲁棒性,而且能有效保持滤波精度和对状态估计的平滑性,从而验证了该算法的可行性和有效性.

启发式算法在MEMS陀螺仪数据处理中的应用

随机漂移是影响微机电系统(MEMS)陀螺仪精度的主要因素。为了实时估计并补偿随机漂移,对启发式漂移消减算法(HDR)进行改进,提出自适应漂移消减算法。利用Allan方差分析方法确定陀螺仪的零偏稳定时间,通过检测陀螺仪数据的平稳性来区分随机漂移和真实角速率。以Pioneer3—AT机器人为平台进行试验,与基本HDR算法相比,新算法可以弥补载体有恒定角速率时基本HDR算法不可用的缺点,与普通算法相比,新算法可以提高航向精度2倍以上。

组合导航系统几种滤波方法的分析比较及其性能评价

介绍了用于组合导航系统中的几种常用的滤波方法—如传统滤波方法中的集中卡尔曼滤波和联邦卡尔曼滤波、非传统滤波方法中的神经网络滤波,并从理论上分析了传统滤波方法和非传统滤波方法的优点和不足,最后以SINS/GPS组合导航系统为例进行了仿真。仿真结果表明,非传统的滤波算法在某些方面优于传统的滤波算法。

基于改进的迭代容积卡尔曼滤波姿态估计

为了充分利用新的量测信息,提高姿态估计的精度,在分析现有迭代滤波策略存在问题的基础上,采用一种新的容积点迭代策略,将其与容积卡尔曼滤波算法相结合,提出了一种改进的迭代容积卡尔曼滤波(improved iterated cubature Kalman filter,IICKF)算法.该算法采用容积数值积分理论近似非线性函数的均值与方差,利用状态扩维理论来解决量测迭代中量测噪声与状态相关的问题,同时利用一种新的容积点迭代策略,即在量测迭代过程中直接采用容积点迭代,避免每步迭代都进行均方根计算来产生容积点,克服传统迭代策略是基于高斯近似产生采样点的局限,有效地降低扩维带来的计算量.仿真结果表明:该算法的估计精度高于乘性扩展卡尔曼滤波(multiplicative extended Kalman filter,MEKF)以及迭代容积卡尔曼滤波(iterated cubature Kalman filter,ICKF)算法,该算法的提出有助于提高姿态估计的精度.

无线传感器网络中抑制干扰的中继节点选择算法

当无线传感器网络中存在多个源节点时,某个源节点向目标基站发射信号,其形成波束的旁瓣会对其它非目标基站产生干扰。针对该问题,提出一种利用中继节点选择来抑制旁瓣干扰的算法。该算法选择合适的中继节点,让所有非目标基站接收到信号的干噪比(INR)都不超过设定的阈值,从而减少对非目标基站的干扰。仿真结果表明:该算法能够有效降低源节点在非目标节点方向上的旁瓣,提高了系统的信干噪比(SINR)。

基于加性对偶四元数的惯性/天文组合导航算法

为了提高惯性/天文组合导航系统在高动态条件下的导航精度,提出了一种基于加性对偶四元数的惯性/天文组合导航算法.该算法将载体的旋转和平移统一起来,使用螺旋矢量更新对偶四元数,同时补偿圆锥误差和划船误差.推导了组合导航系统基于加性对偶四元数的误差模型和导航参数误差的计算方程;把陀螺仪和加速度计的常值误差扩充到状态变量中,随机误差作为系统噪声输入,利用星敏感器输出参数来校正陀螺漂移,通过卡尔曼滤波对状态变量进行估计.仿真结果表明:在高动态条件下,基于对偶四元数的惯性/天文导航算法的导航精度比传统算法提高2倍多.

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.