基于统计特征还原的惯性器件误差建模方法

针对惯性器件误差建模方法影响其误差补偿准确性进而影响导航系统精度的问题,提出一种基于器件噪声统计特征还原的惯性器件误差建模方法。首先,通过功率谱密度建模还原器件高频噪声误差;其次,根据低频噪声统计特征用对应的性能计算方法还原低频噪声误差,既避免功率谱密度建模方法对器件低频噪声表征能力弱的问题,又避免机器学习方法中前期工作量和计算量大的问题。与已有误差建模方法的对比实验表明:器件数学模型的输出与其真实器件输出之间误差相比下降了一个数量级;在行人导航应用中具有更高的器件误差补偿准确度,补偿后导航位置误差降低了35.261%,航向角误差降低了31.198%,有效提升了行人导航系统精度。

基于积分链式卡尔曼滤波器的角加速度观测器的噪声参数整定及性能研究

噪声统计特征值的整定是积分链式卡尔曼滤波器(IKF)的设计要点。针对噪声统计特征值的整定进行研究,推导出积分链式卡尔曼滤波器的离散噪声统计特征值与离散采样周期的函数关系,定量分析了积分链式卡尔曼滤波器的离散噪声统计特征值的跟踪性能。在此基础上,提出了一种定量计算噪声统计特征值的方法,通过滤波器截止频率、离散采样周期直接计算得到噪声统计特征值,改变了以往的仿真-实验-调整环整定方法,简化了设计流程。仿真和实验验证了所提出方法的有效性。

地震数据高维统计滤波方法

地震数据的信噪比是地震波反演成像算法收敛性和结果精度的重要制约因素。基于线性信号模型的最佳预测滤波方法和基于随机信号概率分布特征的统计滤波方法是两种典型的滤波方法。重点讨论了地震数据统计滤波方法,基于实测数据的统计特征(或概率分布),在局部信号缓变的假设下,设计了各种高斯加权滤波器和中值类滤波器。高维空间中的地震信号具有显著的结构特征,为满足信号缓变的假设,需要发展沿着信号结构方向的高维统计滤波器。分析了邻域滤波器、双边滤波器、非局部均值滤波器三类各向异性高斯(加权)滤波器的设计思想。在非局部均值滤波算法的基础上设计了自适应搜索窗的非局部均值滤波方法,该方法采用局部数据窗的相关算法检测出滤波点附近的信号结构特征,依据地震数据变化自适应地改变非局部均值滤波器中的搜索窗。理论模型的数据测试表明,相比于固定搜索窗的非局部均值滤波算法,自适应搜索窗的非局部均值滤波方法能够在压制随机噪声的同时更好地保护有效地震信号。