一种用于CIS列级ADC的片上抗PVT变化高精度自适应斜坡发生器

传统的片上全局斜坡发生器电路容易受工艺、电压和温度(PVT)的影响,导致斜坡信号易失真、线性度差;由于寄生电容的影响,片外校准的难度较大。提出了一种可以抗PVT变化,实现自适应校准斜率的斜坡发生器,采用逐次逼近算法细调和定步长搜索法微调相结合的方式,实现对斜坡的两点校正。斜坡校准电路包括电阻型DAC、电流型DAC、逻辑控制、动态比较器等模块。仿真结果表明,自适应斜坡发生器的平均校准周期约为1.143 ms,校准后斜坡微分非线性为+0.00207/-0.00115 LSB,积分非线性为+0.6755/-0.3887 LSB,在不同PVT条件下校准电压误差小于1.5 LSB,平均功耗仅为1.155 mW,与传统斜坡发生器相比具有精度高、功耗低的优点。

飞行模拟器经典洗出算法参数选择研究

为了保证Stewart平台能够在其工作空间内为飞行员提供逼真动感,对经典洗出算法的参数选择方法进行了研究。通过对二阶、三阶线性高通滤波器和二阶线性低通滤波器阶跃响应的分析,得出滤波器参数与阶跃响应之间的解析关系。并以此提出一种基于滤波器时域响应的滤波器参数选择方法,即对滤波器的各个参数在某一范围内进行定步长搜索,从而选择产生最优时域响应的滤波器参数。利用飞机起飞期间的飞行仿真数据和Stewart平台对其进行了实验验证,结果表明利用该方法选择的参数能充分利用Stewart平台的工作空间为飞行员提供逼真动感。

双磁棒旋转搜索电磁定位/跟踪的搜索策略研究

针对双磁棒旋转电磁跟踪方法中磁棒搜索策略的带来的精度和效率难以兼顾的问题,提出了基于自适应步长的搜索策略。磁棒先采取较大步长靠近搜索目标,再不断缩小步长以提高搜索精度,直至较为精确地搜索到目标。经过仿真验证,该策略能提高搜索效率,与固定小步长(0.5o)精度上基本一致。

基于车载激光点云的道路标线提取方法研究

车载激光扫描近年来被广泛应用于道路环境信息提取及道路三维模型重建方面等工作,然而由于测量数据中包含目标种类繁多、点云数据量大,仍然需要大量的人工处理步骤以实现道路标线等目标的提取,已有研究所提出的自动化目标提取算法在实用性上仍不成熟。基于车载激光点云,利用标线点云的空间分布特点及反射强度信息,结合行车轨迹及标线的位置、高程特征,提出了一种能快速提取道路标线的方法。首先基于点云反射强度指标建立Logistic回归模型,以选取合适的阈值进行标线点分类。其次,利用行车轨迹及标线点的位置、高程特征建立圆柱体搜索区域,并且进行定步长迭代式的标线点搜索。最后,对搜索结果进行分段式最小二乘法拟合并将其转换为CAD三维多段线,从而得到道路标线提取结果。该方法中采用的Logistic回归模型兼顾了标线点的提取率和误判率两大指标,在保证足够提取率的同时,使得误判率尽量低。所提出的定步长迭代式的搜索方法具有极强的适应性,在标线不清晰甚至较大面积缺失的情况下也能准确地提取出道路标线。以Topcon公司生产的IP-S2移动测绘系统为例的试验结果表明:该算法能高效、稳定地提取道路标线、提取精度,以符合工程实践需要。