卡尔曼滤波下激光雷达扫描大数据检测算法

激光雷达扫描的不规则激光回波信号通过地面反射和空间传播,但是由于颜色较暗的粗糙物体表面反射率较小,信号易发生漫反射,大量反射信号被接收,会形成较大的接收噪声,导致激光雷达扫描大数据出现较大程度的异常。为此提出基于卡尔曼滤波的激光雷达扫描大数据检测算法。利用卡尔曼滤波算法剔除激光雷达数据中的野值;基于此,建立数据硬性约束条件,获取数据流形规则,提取激光雷达数据特征;根据提取的特征,利用支持向量回归算法完成数据分类,实现激光雷达扫描大数据检测。实验结果表明,研究方法检测激光雷达扫描大数据时,查全率始终高于90%,查准率高于95%,平均耗时65.1ms,且以无人小车行驶轨迹的雷达数据为测试对象时,研究方法具有较高的检测精度,说明该方法的研究价值较高,应用效果更好。

基于最小二乘法的飞行员模型参数辨识

针对飞行员与飞机相匹配的特点,采用最小二乘法对飞行员模型进行参数辨识。根据Hosman感知模型的特点,确立待辨识参数,为提高辨识精度,重点分析了辨识数据野值的剔除和补正。在俯仰工况下,利用最小二乘递推算法辨识参数,并在研究用Boeing 737-800飞行模拟机上对该方法进行了试验验证。结果表明,飞行员模型的仿真输出曲线与飞行测试数据之间的升降舵角度误差小于0.3°,俯仰角误差小于0.5°,说明通过该方法获得的模型参数能够反映飞行员实际的操作行为。