惯导平台式重力测量技术实现及应用

详细阐述了解析方位双轴惯导平台式重力测量的工作原理,并通过基于方位余弦积的惯导力学编排解决了极区工作问题。在常规平台式重力测量数据处理方法的基础上,针对高动态环境提出了基于Kalman滤波的运动扰动修正方法。在此基础上研制了ZL11-1A型国产惯导平台式海洋重力仪。通过与国外主流重力仪产品海上同船作业比对,结果表明,该型重力仪在高海况下测量精度依然优于1mGal,满足重力测量作业要求。     

基于实时预测轨迹修正的共轴跟踪观测方法

针对光电设备跟踪观测轨迹可预测目标，提出并实现了基于实时预测轨迹修正的新型跟踪算法。从电视观测信息中实时解算出轨迹偏差的位置分量与速度分量并修正预测轨迹，引导仪器运动。应用该方法，在被观测目标电视探测不理想时有效提高了跟踪可靠性，降低了光电跟踪设备对电视探测能力的苛刻要求。即使电视探测短时出现困难，也能保证一定精度。本文给出了实时轨迹修正跟踪方法的构成原理与试验结果，并与一般电视跟踪方法进行了对比。     

一种基于数字信号处理的阻抗参数测量新方法

利用数字信号处理理论与技术提出了一种阻抗参数测量新方法,即采用任意的周期信号作为测量的激励信号,激励信号的信噪比可以很低;采用高镜频抑制比的数字正交采样滤波器得到被测阻抗和标准阻抗上的电压采样序列的同相分量与正交分量,并据此确定被测阻抗参数,该方法能得到较高的阻抗参数测量精度和较宽的测量范围,并且硬件电路实现比较容易.文中给出了计算机仿真分析和硬件实现系统的实验结果,证明了新方法的有效性和正确性.     

图像序列直线提取和匹配时Hough变换的应用研究

本文利用Hough变换的点线对偶性,将对图像序列中的特征直线的匹配转化为在参数空间中对特征点运动轨迹的参数估计,设计采用卡尔曼滤波器对运动目标进行初步跟踪,通过建立模板与图像的匹配相关系数判定搜索到的特征点的精确坐标。实验结果表明,该方法具有较好的跟踪结果。     

Kalman滤波技术在磁航向和捷联惯性组合系统初始对准中的应用

研究了磁航向和捷形惯性组合系统初始对准的设计方法。该方法能在初始对准过程中用卡尔曼滤波器估计出陀螺仪的随机常值漂移，从而提高了系统的对准精度。文中给出了系统的状态方程和测量方程，建立了完全闭环控制的卡尔曼滤波器，最后给出了二组不同条件下的模拟结果。     

基于GPS的陆地车辆跟踪与监视系统(英文)

介绍了建立在差分GPS和航位推算(DR)组合基础上的低成本陆地车辆跟踪与监视系统.从低成本角度出发,文中提出了采用单方向通讯数据链的新方案。为了保证定位精度,给出了差分GPS算法,并且详细研究了一个8状态的Kalman滤波器.最后使用两台C/A码GPS接收 机进行野外跑车试验.结果表明,差分定位精度小于5m.     

采用逐次正交化法的最优分布式Kalman滤波器

为解决大系统中应用整体式Kalman滤波遇到的非实时性难题,本文提出一种能保持最优的分布式Kalman滤波计算方法——逐次正交化法。这是一种适合多微机并行计算的最优算法,确保滤波的“实时性”,优于一般次优分布式Kalman滤波器。     

分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。     

基于数字滤波的B-样条插值法在图像旋转中的应用

提出一种基于无限脉冲响应和有限脉冲响应数字滤波技术的快速 B-样条插值法 ,并将其应用于实时图像旋转处理中。为了优化旋转后的图像质量 ,本文采用 3次 B-样条对图像旋转后的像素点灰度值进行插值运算。另外 ,通过对传统图像旋转矩阵的分解 ,将图像在二维空间中的旋转运算分解成为三步在一维空间内平移运算 ,使插值运算在一维空间中完成 ,从而简化了图像旋转数据处理中的插值运算。最后 ,还提出了一种以硬件方法完成高阶图像插值运算实现图像旋转的新方法 ,并针对 2 5 6灰度级 ,2 5 6× 2 5 6像素的图像 ,设计出一个以 FPGA为核心的实时、高质量的硬件图像旋转系统。     

基于卡尔曼滤波技术的相对导航技术之研究

本论文主要是研究卡尔曼滤波参数混合技术应用于民用飞机相对导航系统。文中重点在于讨论两架飞机相对位置误差的演变。因此首先研究了飞机绝对导航位置误差的演变。讨论了惯导系统(INS)和卫星定位系统(GPS)的卡尔曼滤波混合。此外，讨论相对导航条件下参数混合以及在下列两种不同的情况下的混合结果：1、飞机间相互传送本机混合后的导航数据；2、未经混合的导航数据传送后再混合。采用MATLAB进行仿真，得到不同方式的导航系统相对位置估计误差演变。