一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法

在弹载等高动态环境下组合导航系统状态方程具有强非线性,且各状态相互耦合影响,传统的扩展卡尔曼滤波(EKF)算法因忽略高阶项相互影响,其模型线性化展开会导致模型不准确引起导航精度下降;无迹卡尔曼滤波(UKF)算法能有效避免引入线性化误差,却存在因组合导航系统维数过高引起大量粒子递推滤波计算复杂而影响算法实时性的问题。为此,针对发射惯性系下弹载组合导航系统对滤波算法高实时性和高精确性的要求,设计了一种简化UKF(SUKF)算法,SUKF算法通过对导航系统的状态参数直接进行建模估计,解决了传统UKF算法实时性差的问题,同时继承了传统UKF算法无需模型一阶线性化展开的优点,提高了导航系统的精度。算法仿真结果表明,SUKF算法有效提高了系统解算的实时性和滤波精度,非常适合用于实际工程系统。

基于SUKF-KF混合滤波初始对准算法研究

针对初始对准UKF算法计算量大、运算效率低的问题,提出一种适用于SINS静基座大方位失准角初始对准的SUKF-KF混合滤波算法。将非线性误差模型分解为线性部分和非线性部分,线性部分采用KF滤波处理,由于非线性部分量测方程为线性,可对量测更新部分进行线性化处理,采用简化无迹卡尔曼滤波方法进行处理。仿真试验结果表明,在两种大方位失准角条件下,SUKF-KF算法相比UKF算法收敛速度分别提升14%和16%,收敛精度与UKF相当,SUKF-KF算法可以有效减少计算量、改进实时性。

基于LS-SVM的捷联大失准角初始对准技术

针对捷联惯性导航系统（SINS）大失准角初始对准情况下非线性模型线性化导致模型不准确和影响对准精度的问题，设计了一种基于最小二乘支持向量机（LS-SVM）的大失准角对准算法。该方法采用基于加性四元数误差（AQE）的大失准角误差方程，采用简化的无迹卡尔曼滤波器（UKF）来模拟LS—SVM训练样本。捷联惯性导航系统和全球定位系统（GPS）的速度和位置误差作为LS-SVM的输入样本，简化UKF得到的失准角经小波去噪后作为输出样本。LS—SVM算法采用交叉验证法选择最佳的核函数参数。仿真结果表明，在大失准角下LS-SVM算法在对准时间和对准精度上与简化UKF和EKF相比均表现出较好的性能。

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。