基于卡尔曼滤波融合算法的深松耕深检测装置研究

为提高实时检测耕深的准确性,设计了基于超声波传感器和红外传感器以及卡尔曼滤波融合算法的耕深检测装置,采用超声波传感器通过渡越时间法测量耕深,采用红外传感器通过三角测距法测量耕深,通过卡尔曼滤波融合算法滤除两传感器检测数据中的杂波,并进行融合。室内试验表明,在平整地面,红外传感器检测效果优于超声波传感器;在秸秆覆盖地面,超声波传感器检测效果优于红外传感器。经卡尔曼滤波融合后的数据能充分利用两传感器在不同环境中检测的有效数据。在设定耕深为30 cm和40 cm的田间试验中,超声波传感器滤波数据的平均值分别为29.51 cm和38.79 cm,深松深度变异系数分别为2.51%和3.10%;红外传感器滤波数据的平均耕深分别为32.06 cm和41.52 cm,深松深度变异系数分别为2.41%和2.76%;而经卡尔曼滤波融合后的数据平均耕深分别为30.06 cm和39.95 cm,深松深度变异系数分别为1.07%和1.00%,说明采用滤波融合后的检测数据比单个传感器更能准确检测耕深和反映耕深变化趋势。

基于卡尔曼滤波融合算法的播深检测装置设计

针对免耕播种机工作时秸秆残茬影响播深检测有效性的问题,设计了一种采用了双路面阵雷达传感器和卡尔曼滤波融合算法的播种深度测量装置。面阵雷达利用渡越时间法测量播种深度,然后使用卡尔曼滤波融合算法消除两路传感器数据中的噪声与杂波,并将处理后数据进行融合。试验表明,在预设播深为60 mm,播种机行驶速度分别为低速(4 km/h)、中速(6 km/h)、高速(8 km/h)三种速度时,传感器测量距离的最大偏差为23 mm,34 mm,37 mm,经过滤波处理后误差为4 mm,7 mm,13 mm,再经过卡尔曼滤波融合算法后能够在预设播深60 mm上下范围浮动,试验表明经过滤波融合后的检测数据比单个面阵雷达传感器更能准确地检测播种深度,且随着速度的增加波动范围也相应增大。原因可能与车速增快时播种机在不平整地面上的波动增大有关。

远程光纤传感网中滤波降噪方法的优化

为实现远程光纤传感网络在噪声干扰条件下的高精度检测传输,提出一种优化差分(optimized difference,OD)的降噪方法。基于移动平均法构建新差分算法,并结合低通算法、中值算法预判边缘信息及预测信号数值;采用双重判别弥补边缘信息误判的缺陷,优化准确定位边缘信息的能力;融合加权平均法与卡尔曼滤波器(Kalman filter,KF),优化信号预测的精度。实验验证结果表明:采用该方法进行数据预处理将使系统能够正常检测数据,测量精度可达0.76%,提高检测系统的抗噪性能。与先进小波阈值降噪方法的对比实验结果表明:斜率优化方法在≥10 dB噪声干扰下,测量精度相对提高0.62倍以上。

一种基于组合导航系统的新融合滤波算法

本文设计了一种可用于地面用户的低成本组合导航系统,提出了基于该系统的新信息融合方法,即模糊卡尔曼滤波算法和地图匹配技术联合起来.仿真结果表明模糊卡尔曼滤波算法相当于一数据平滑处理窗口,具有比常规卡尔曼滤波算法更高的精度.

非线性系统中多传感器滤波跟踪型数据融合算法的研究

在非线性系统中,常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法,但是这种融合算法的跟踪精度并不是很高。本文根据对滤波跟踪型数据融合的研究,提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法。研究表明,在利用激光干涉仪进行目标跟踪时,这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法,但是,从仿真结果可以看出,两种融合算法的差别并不大,结果基本相同。因此,在非线性系统中,基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM-AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage-Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM-AFF算法兼具Sage-Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM-AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM-AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位精度。

一种保持光谱特征的图像融合方法——高通滤波融合法

探讨了一种新的光谱保持型的高通滤波融合(HPFF)算法。该算法先对参与融合的全色波段图像进行高通滤波,然后用滤波后的全色波段图像替换IHS正变换后的强度分量,再进行IHS逆变换,便得到HPFF融合图像。该图像色彩与TM图像一致,优于常规IHS变换法所得的图像。

智能车辆中MEMS/BD组合导航数据融合算法

智能车辆技术已成为国家优先发展的高新技术,以智能车辆组合导航数据融合算法为研究背景,利用无迹卡尔曼滤波(UKF)处理组合导航系统模型的非线性问题。在卡尔曼滤波过程中加入区间平滑技术,对既定区间的状态估计量进行平滑处理,校正滤波运算数据,提高非线性系统的导航精度。通过仿真实验验证了新算法能够较好地解决系统非线性问题,利用区间平滑技术得到更高精度的状态估计,提高导航精度,具有更好的鲁棒性。

时空谱点源目标自适应滤波检测算法

针对复杂背景下的点源弱目标检测问题,根据Wiener—Hopf方程在自适应滤波算法中的应用原理,提出了一种新的利用时间/空间/谱段的多维信息融合自适应滤波算法(ASTSfilter).该方法的研究主要有3个步骤:首先研究时域、空域突出和多谱段融合的性质,然后构造出针对运动弱点目标的滤波模板,最后将自适应RLS滤波器应用于有缓动背景下的多谱红外图像检测中.由于普通的RLS滤波器应用于图像处理采用的是像素点信息作为输入参数,其造成矩阵运算计算量过大、处理时间长等缺点,而将点目标进行空间、时间、谱段特征提取后的信息作为输入参数,不仅避免了大型矩阵的运算,还可获得更高的信杂比增益.通过大量实验数据,证明本算法具有优良的滤波性能,同时突破了点目标运动的轨迹限制.与其它算法的效果和计算量进行比较,证明文中算法更为快捷、有效和灵活.

基于多源信息融合的热缺陷监测系统研究

为解决单纯使用红外热像仪对变电站死角巡检不到的难题,提出了一种利用红外热像仪配合可见光摄像机及无线测温传感网络实现对高压设备发热缺陷实时在线检测的新方法。热缺陷在线监测系统采用能量捕获技术获取太阳能,实现了传感器节点的自主供电。为减少计算量,运用分步式滤波融合算法,快速标定热故障点位置。监控程序采用基于TCP/IP协议的C/S(客户端/服务器)通信模型,通过应用面向连接的流式套接字实现可靠的数据传输,并运用OpenCV的视频采集与图像处理函数库,实现高压设备热缺陷远程实时在线分析。

四旋翼飞行器姿态解算算法试验研究

四旋翼飞行器姿态信息的准确性直接影响飞行器的飞行控制效果。介绍了四旋翼飞行器姿态解算常用的梯度下降与互补滤波融合算法和自适应互补滤波算法的原理,并基于自主研发的IMU系统对两种算法的静态与动态解算效果进行了实际测量和对比分析。实验结果表明,自适应互补滤波算法在两种情况下的滤波效果均优于梯度下降与互补滤波融合算法。

基于STM32的四旋翼飞行器飞行控制板设计

文章针对四旋翼飞行器,设计了一种基于STM32微控制器的飞行控制板。以ARM cortex-m4内核微处理器作为主控单元,对飞行控制板进行了模块化设计,并给出了各模块中芯片的选型依据。软件设计采用滤波融合算法获得四旋翼飞行器的姿态,除了基本的姿态检测外,还添加了无线数据传输、高度测量的功能。通过ARHS软件模拟出姿态融合后图像,结果表明设计的飞行控制板解算的姿态误差较小。

电磁平衡智能车系统的软件设计

介绍了一种以飞思卡尔半导体公司MC9S12XS128(16位)单片机为微控制器的电磁平衡智能车系统的软件设计。电磁平衡智能车系统的软件设计算法主要包括角度滤波融合算法、平衡控制PD算法、速度控制PID算法、方向控制PD算法。通过整定合适的参数,电磁平衡智能车能在复杂的赛道上快速稳定的行驶。

基于双环PID的四旋翼飞行器自主飞行研究

四旋翼飞行器外型新颖、性能卓越,但其本身非线性、强耦合以及对外界干扰敏感的特点使得控制系统的设计具有很大难度。基于飞行器动力学模型设计的双环PID控制器,实现了运动解耦,并结合机载传感器的特点,设计互补融合滤波算法提高姿态角解算精度,增强系统鲁棒性。室外飞行实验表明,飞行器自主飞行效果良好。