无人机DR/GPS/RP导航中风场估计仿真

基于无人机DR/GPS/RP组合导航中的风场干扰问题,提出了一种利用位置矢量合成关系进行在线风场估计与航迹修正的方法,并提出了利用Shannon采样原理确定风场估计步长的方法。仿真结果表明:该方法不但能较准确地估计出干扰风场的信息,从而抑制自主导航DR受风场干扰的推算发散,而且能够大大提高系统组合导航的精度,改善无人机导航的抗风场干扰能力。

基于自适应分割与偏移场估计的活动轮廓模型

针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator,ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。

小型固定翼无人机多步长在线风场估计

基于小型固定翼无人机飞行运动位置矢量关系，提出了一种多步长推算的风场估计方法，并通过飞行试验数据定量分析了步长数对估计精度的影响。该方法利用无人机飞行位置信息得到基于GPS／DR的风矢量场估计模型，接着通过飞行试验得到无人机在4种不同运动模态下飞行时，此风场估计方法获取风信息的步长数的最佳阈值。仿真结果表明，无人机以120-150m／s飞行速度回旋飞行、飞行数据采样步长取为1s的情况下，步长数不大于5h的多步长风场估计方法可以最准确地估计出风信息，其测量风速误差不超过10％。

基于悬停四旋翼位置姿态信息的风场估计方法研究

基于四旋翼飞行器悬停状态下的位置及姿态信息,提出了一种离线的风场估计方法。首先根据Dryden大气紊流模型建立了四旋翼飞行器所处的风场环境,并通过分析有风情况下旋翼升力的变化,得到旋翼升力与风场信息(风速、风向)的函数关系式;接着利用牛顿-欧拉方法推导出有风扰动下的四旋翼动力学方程,并进一步设计了用于保持飞行器悬停状态的PID控制器;最后,基于悬停状态下四旋翼飞行器的位置姿态信息,计算得到飞行器所处的风场环境信息。MATLAB仿真结果表明所提方法在有紊流干扰的情况下,能够有效地提取出风场环境里的主风信息。

三维地震体数据方向场估计算法

数据的方向场估计算法在许多领域有着关键的应用。这里针对三维地震体数据提出了基于梯度场的局部方向估计算法。这种算法充分利用了三维体数据中类似指纹图像的"脊谷线"的结构,在一个局部窗口中根据各点的梯度场确定其方向场并估计出代表该点方向强度的方向一致性,这种方向一致性是三维地震数据处理中的一种重要属性,可以利用它进一步作图像的分割处理。这种基于统计的方法可以提供精度较高的方向信息并对噪声有良好的抑制效果。

一种新的核磁共振图像偏场估计和分割算法研究

在数字医学图像处理中,对于核磁共振图像而言,灰度不均匀性将严重影响算法的性能,因此必须进行偏场的估计以消除这种不均匀性。为此,提出了一种可以同时实现核磁共振图像偏场估计和图像分割的算法。使用最小均方误差准则构建目标函数,利用偏场的光滑特性和局部特性构建约束项来加速算法的收敛速度并提高算法的性能。实验结果表明,该算法能够正确地进行图像分割和偏场校正,同时约束项能够加快算法的收敛速度和提高算法的性能。

基于3D U-Net和DTI模型约束的扩散张量场估计方法

目的为从少量的低信噪比扩散加权(DW)图像中估计得到准确的扩散张量成像(DTI)量化参数,本文提出一种基于3D U-Net和DTI模型约束的扩散张量场估计网络(3D DTI-Unet)。方法3D DTI-Unet的输入为有噪声的扩散磁共振成像(dMRI)数据(包含1幅非扩散加权图像与6幅不同扩散编码方向的DW图像),通过3D U-Net网络预测得到降噪后的非扩散加权图像以及准确的扩散张量场,并通过DTI模型重建得到dMRI数据,将其与dMRI数据的真实值进行比较来优化网络,从而保证dMRI数据与扩散张量场的物理模型一致性。为验证所提方法的有效性,与Marchenko-Pastur主成分分析(MP-PCA)和基于全局指导下的局部高阶奇异值分解(GL-HOSVD)这两种扩散加权图像去噪算法进行实验对比。结果从DW图像、扩散张量场以及DTI量化参数的定量分析结果以及视觉效果来看,所提方法均优于MP-PCA与GL-HOSVD。结论本文所提方法能够从1幅非扩散加权图像和6幅DW图像得到准确的DTI量化参数,可减少临床采集时间,提高临床量化诊断的可靠性。

双激光雷达的水平风场估计方法

针对民航机场区域内单部激光雷达探测水平风场存在较大误差的问题,提出一种基于支持向量回归的双激光雷达水平风场估计模型。该模型以两部激光雷达重叠扫描区域风速为基础,对非重叠区雷达径向的其他数据点水平风速进行估计。首先,提取重叠区的径向风速、水平风速和距离三个特征,以重叠区域数据点为训练集,在同一维度规范化后设定惩罚因子和核函数参数,用支持向量回归得到初始估计值。然后,以单部激光雷达的径向风速为先验条件,估计出非重叠区相邻径向点水平风速。将估计的结果扩展为新的训练集,依次逐步扩大训练集进而估计出非重叠区的水平风速。最后,通过实测数据分析了该方法逐步估计的误差,分析了风速大小和回波信噪比对该方法估计性能的影响,结果表明该方法估计的风场的均方根误差较单部雷达的均方根误差更小,减小了水平风速误差,扩大了双激光雷达探测水平风场范围,提高了雷达的利用率。

风场估计算法及其在组合导航中的应用

风场的不稳定性和随机性会严重影响无人机、飞艇等飞行器的导航定位精度,而现有的采用线性定常模型描述风场的方法会引起较大的建模误差。为了提高对风场的估计精度,在建立风场模型时将系统噪声和量测噪声假设为随机游走噪声,在状态方程中引入时变系数,建立了一种新的一阶线性时变自回归风场模型。在风场估计中采用抗差自适应滤波算法,以控制观测异常的影响,利用估计出的风场信息对SINS/SAR/CNS组合导航系统的航迹进行修正。仿真结果表明,所建立的时变风场模型能更好地描述风场信息的变化,抗差自适应滤波算法能有效抵制观测异常,提高组合导航系统的解算精度。

基于高阶统计特征的FY-2气象卫星全视场杂散光估计

在分析FY 2VISSR杂散光成因的基础上,对其中的主要部分,即折镜直接反射形成杂散光的物理过程进行了建模。提取了特定区域目标的高阶统计特征,通过对地球圆盘外区域杂散光特征的学习,得出了系统杂散光作用矩阵A的总体最小二乘解,并将其推广到地球圆盘区域内,得到了在该模型下对全视场杂散光的有效估计。分析结果表明:对于红外和水汽通道而言,地球圆盘区域外的杂散光反演误差均值小于1bit,可见光通道反演出的杂散光日变化相对稳定,且各通道去除杂散光后图像的目视效果有了很大的改观。该估计方法有望在近期进入FY 2B及其后续卫星的业务运行中。

基于结构重参数化的抗遮挡光场深度估计网络

针对光场深度估计网络结构中运算时间较长的问题,设计了一种能够被重参数化的多分支串联残差块结构(Res-DBLB),加快了网络运算速度,同时引入复合卷积块(RepConv)和卷积注意力模块(CBAM),优化网络性能.对于复杂的遮挡场景,利用深度图生成遮挡掩码,计算遮挡感知成本的构造函数,消除遮挡的负面影响.实验结果表明:与传统方法相比,该算法的均方误差和坏像素率更低,推理速度更快,同时在复杂遮挡场景中表现出较高的稳健性.

支持向量机(SVM)及其在场预测中的应用

介绍一种新的非线性回归分析方法——SVM回归。利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1)将因子场和预报场分别用方差标准化、EOF场展开,提取两场时间系数;(2)用SVM回归分析实现因子场时间系数对预报场时间系数非线性预测;(3)由预测的预报场时间系数与对应空间函数反演原场。用交叉检验的方法,对1960～2003年1月热带海表温度场预报汛期(6～8月)华中区域降水场进行试验。SVM回归44年独立预报平均技巧评分10.4%,较随机预报具有明显的技巧水平,优于经典回归。

临近空间伪卫星抗风场干扰自主导航

针对风场对临近空间伪卫星导航精度影响的问题,提出伪卫星抗风场干扰自主导航算法,以提高伪卫星的导航精度。首先,将风场模型加入伪卫星SINS/CNS/SAR组合导航的量测模型中,建立风场干扰下的SINS/CNS/SAR组合导航系统模型;然后,设计自适应UPF非线性滤波算法,将该算法用于SINS/CNS/SAR组合导航解算中,分别在考虑风场干扰和不考虑风场干扰的情况下,利用UKF、UPF和自适应UPF算法对临近空间伪卫星组合导航系统误差进行估计。仿真结果表明,在考虑风场干扰的条件下,提出的自适应UPF算法在东向、北向和天向的速度误差均控制在0.21 m/s以内,误差大小分别是现有的UKF和UPF的1/5和1/3。该算法能有效抑制风场对导航解算精度的影响,提高伪卫星的定位精度。

SVD方法在场的定量预测中的应用

经SVD分析,截取足够多的预报场和因子场时间系数,使其相互关系代表两场的大尺度联系,预报场时间系数与其奇异向量线性组合估计场能反映原场主要特征。利用最小二乘法得到数值上最接近原场的初值,借助最优化技术,确定合理的系数,建立预测公式,由因子场时间系数预测预报场时间系数,同时订正预报场时间系数a1,a2,……,aN本身的误差和反演过程中分析误差造成的场格点趋势预测的误差。最后将预测的预报场时间系数和对应奇异向量反演为整个场的预报。预报过程重点考虑可预报的大尺度变化,滤去不可预报的小扰动,依据两场主要耦合关系,预测预报场未来的主要变化。

基于无人机飞行参数的风场估算技术研究

利用无人机测量风速和风向已成为无人机应用的一项重点研究内容。基于无人机机载惯导系统、GPS系统和大气数据系统记录的飞行参数,建立飞行动力学模型,通过构建无迹卡尔曼滤波器的方法估算风速分量。与皮托-静压管测风法实测数据相比,在平飞状态下,该方法得到的风速估算结果曲线平滑,数值稳定,能够获得较准确的风速分量信息,为地面仿真及闭环试验提供较真实的风场环境参数。

平流层飞艇抗风场干扰约束Unscented卡尔曼滤波算法设计与应用

为了提高风场干扰环境下飞艇的导航精度,研究飞艇抗风场干扰导航算法。在建立风场干扰条件下飞艇速度误差约束模型的基础上,设计抗风场干扰的约束Unscented卡尔曼滤波算法。确定风场干扰条件下飞艇的速度误差约束量,将该约束与Unscented卡尔曼滤波算法相结合,对速度误差进行估计和补偿,以减小风场对飞艇定位精度的影响;证明该算法的状态估计量不仅是无偏的,而且协方差小于标准Unscented卡尔曼滤波的协方差;将提出的算法应用于捷联惯导/天文/合成孔径雷达组合导航系统中进行仿真验证,并与自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法进行比较。结果表明:提出的约束Unscented卡尔曼滤波算法的滤波性能明显优于自适应扩展卡尔曼滤波和抗差自适应Unscented卡尔曼滤波算法,能够有效抑制风场对飞艇定位精度的影响,提高飞艇的导航定位精度。

基于任意麦克风阵列的声源二维DOA估计算法研究

对基于麦克风阵列的声源定位技术进行了研究,分析了基于麦克风阵列的远场信号模型,并结合子空间的方法推导出了声源二维(水平角和俯仰角)DOA估计——2D-MUSIC算法,该算法适用于任意拓扑结构的麦克风阵列。利用MATLAB仿真工具,对几种典型阵列结构进行了对比分析,提出了2种新型的三维麦克风阵列:均匀球面阵和三维均匀直线阵。仿真结果表明,提出的DOA估计算法在二维的均匀圆阵、三维的均匀球面阵和三维均匀直线阵中,均能得到较好的DOA估计效果。

基于局域化EnKF同时同化地下水水流和溶质运移数据的渗透系数场识别研究

局域化改进集合卡尔曼滤波(EnKF)可以克服EnKF方法在使用小集合时,对参数识别精度较低的缺陷,其能同化地下水位观测数据有效识别渗透系数场。实际工作中,溶质运移数据也较容易获得。崔凯鹏(2013)尝试增加溶质运移数据以改进只同化水流数据对渗透系数的估计结果,但是精度提高有限。本文在其基础上修改模型,进一步增加溶质注入井,探究同时同化水头和溶质运移数据,对渗透系数场识别效果,之后对比了局域化EnKF与非局域化EnKF参数识别结果,并分析了溶质影响范围与参数识别的关系。结果表明:同时同化溶质运移和水头资料,比同化单一种类观测数据识别的渗透系数精度更高;相同实现数目下,局域化EnKF比EnKF对渗透系数场的估计结果与真实场更为接近;仅考虑溶质影响范围内的渗透系数,同化水头数据在最后时刻参数识别结果好于同化溶质运移数据参数识别结果,但差别不大。

无人机伞降定点回收技术研究

针对无人机伞降定点回收传统方法中存在精度低、鲁棒性差的缺点,总结并研究了需要解决的三个关键问题:机伞系统建模,风场估计和定点回收策略,重点研究了其中的建模问题和控制策略,提出了系统解决方案。在机伞系统建模中,引入了弹性伞绳模型,从而可以正确反映伞降过程中机体姿态和伞绳拉力;在风场估计中,使用卡尔曼滤波进行风速和风向的估计;在回收策略中,着重考虑了对于风场扰动的鲁棒性和回收策略的工程可实现性。在考虑风场不确定性和随机导航误差的情况下,将提出的方案应用于某小型无人机,进行蒙特卡洛仿真试验,得到伞降圆概率误差为8.23m,证明该方案相对于传统方法鲁棒性和回收精度都有大幅提高。

高压线路除冰机器人越障识别定位算法研究

针对高压线除冰机器人越障时机械臂对中问题,提出了一种基于电缆线纹理特征的定位算法。根据复杂背景下沿电缆线方向纹理具有周期性的特征,通过对原始图像做同态滤波,减少高光反射和阴影的影响。用方向场估计纹理的方向,利用Gabor变换进行纹理信息提取,以纹理图像作为感兴趣区域,在感兴趣区域内使用线性最小二乘拟合方法获取电缆线最终位置。通过在不同光线背景下对电缆线定位的对中实验,证明了算法的有效性。