基于SINS/RFID的隧道列车高精度定位方法

为了获取高速铁路列车在隧道这种导航卫星不可见环境下的定位信息,提出一种基于捷联惯性导航系统（SINS）和射频识别技术（RFID）的组合定位方法。通过响应时间模型来计算标签的定位精度,依据实际轨道环境增加标签对列车姿态校准的能力,同时结合惯性导航系统解算得到连续的定位数据。仿真结果表明:在30 km长的隧道利用射频识别标签位置信息进行校准,可以很大程度地减小惯性导航系统的误差积累,提高定位精度。引入姿态信息后,可以在陀螺仪性能与标签间隔的多种组合中保持隧道全线定位精度在米级,最高能够达到0.5 m。      

MEMS惯性鞋式行人导航系统

本文以微机械系统（Micro-Electro-Mechanical System,MEMS）惯性器件为测量单元,搭建行人导航硬件系统并进行系统软件设计,硬件系统选用STM32F405作为核心处理器。通过分析行人脚步运动特点,设计零速修正行人导航算法,通过零速修正卡尔曼滤波器单一条件和三条件的零速检测方法进行导航姿态、速度和位置误差评估,并进行鞋式导航实物实验验证。实验结果表明,所设计的鞋式行人导航算法行之有效,并为行人导航系统实际应用指明了研究方向。     

一种改进的运动目标抗遮挡跟踪算法

为解决运动目标在遮挡情况下的跟踪问题,提出一种基于目标运动预测与自适应多子块模板匹配相结合的抗遮挡跟踪算法.该算法建立了多子块模板匹配相关算法中遮挡情况的判定、子块模板匹配及自适应更新等准则,采用卡尔曼滤波模型预测目标在遮挡时的运动轨迹,并利用一种基于目标速度矢量的模板定位规则实现目标在遮挡结束后的接力跟踪.将该算法应用于存在多种遮挡情况下的实际视频中进行测试,实验结果表明:该算法不仅能够实现在部分遮挡情况下的目标跟踪,而且能在严重遮挡、甚至完全遮挡情况下对刚体和非刚体目标进行稳定有效地跟踪,保持目标运动轨迹的可靠性和完整性.     

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型（IMM）算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型（AGIMM）算法的基础上,提出了一种自适应变结构交互式多模型（AVSIMM）算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。      

改进自适应人工免疫算法求解函数优化问题

为克服经典人工免疫算法（AIA）在函数优化过程中存在的计算量大、收敛精度不高和收敛速度较慢等不足,引入多个自适应免疫算子,提出了一种改进自适应人工免疫算法（IAAIA）。在经典人工免疫算法中,引入迭代次数对抗体激励度计算算子进行自适应设计,引入种群抗体平均激励度与抗体激励度对免疫选择算子、克隆算子、变异算子与克隆抑制算子进行自适应设计,提升人工免疫算法的收敛速度、收敛精度和稳定性。选择9个典型测试函数作为实验对象,同时选择4种典型人工免疫算法作为对比算法优化实验函数,对比实验结果表明了改进的自适应人工免疫算法在求解函数优化问题的有效性和优越性。      

自适应关联波门机动群目标跟踪算法

为解决中心群跟踪（CGT）算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型（IMM）算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。      

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。      

基于非线性规划的室内TOA测距值优化方法

在室内环境中,无线信道中的非视距和多径传输等效应严重影响了到达时间（TOA）定位系统的测距值精度,从而导致较大的测量误差和定位误差。将测距值优化抽象为非线性规划问题,在实现视距/非视距（LOS/NLOS）场景识别的基础上,利用TOA测距误差模型和“目标-基站”间的几何约束为序列二阶非线性规划方法设置合理的初始值,建立了目标函数和约束条件,对定位测距值进行了有效校正。利用典型的TOA测距误差模型进行了仿真验证,利用具有TOA测距功能的无线定位节点在办公环境中进行了实测验证。结果表明,该方法优化后的测距值精度明显优于原始测距值和传统的测距值修正方法,从而验证了该方法的有效性。      

基于新息正交的工业CT图像自适应缺陷识别

针对X射线投影图像的特点,研究基于Kalman滤波算法新息正交原理的缺陷识别问题.建立了投影图像的二维状态空间模型,定义了确定图像区域大小与灰度的动态评价函数和相应的阈值.在分析Kalman滤波算法新息正交性的基础上,得到了一种新的缺陷判别方法,提出了图像数据自适应补偿算法,提高了图像的识别效率和精度,并通过实验验证了方法的有效性.     

空间机器人的目标捕获自适应控制

首先推导了基座姿态受控空间机器人系统运动学关系,得到了广义雅可比矩阵。根据目标的运动来规划机械臂末端在惯性空间的期望轨迹。对机器人动力学和运动学关系式进行线性参数比,分别对动力学待估参数和运动学待估参数设计在线修正律,在关节空间采用自适应控制。对于存在动力学参数不确知的机器人系统,算法保证了系统的渐近稳定,在成目标捕获任务的同时,控制基座姿态保持在期望范围之内。以平面两关节空间机器人系统为对象进行了仿真,结果表明了算法的可行性和有效性。     

基于视惯融合的无人飞行器导航数据仿真方法

无人飞行器在卫星信号拒止情况下难以获得较高的导航精度。为此,需要研究基于载体自身传感设备的自主导航定位方法。立足于飞行器平台的视觉惯性紧耦合算法架构VINS-Mono,提出并设计了一种视觉惯性数据仿真方法,针对匀速直线运动过程无法恢复视觉尺度的问题,进行了初始化运动轨迹补充。仿真研究结果表明,该方法补充的轨迹能够很好地对齐视觉与惯性信息并恢复尺度,实现导航参数的正确求解。在理想条件下,500m平飞范围内定位误差占比不超过真值的3.5%,可作为评估卫星拒止环境下无人飞行器视觉惯性组合导航性能的参考方案。     

新的导弹协同定位技术

导弹协同作战的关键技术之一是导弹的精确定位技术,针对在体系对抗条件下,如何提高导弹集群的导航定位精度问题,构建了以弹载数据链和惯导系统为核心的协同定位系统,提出了一种基于相互测距信息的导弹协同定位方法.该方法使用加权秩亏自由网平差的方法来估计导弹集群的惯导系统定位误差.仿真表明:该方法可以有效地延缓惯导位置误差的发散速度和提高惯导定位精度,随着导弹数量的增多,惯导定位精度不断提高,当导弹数量大于4时,惯导定位精度将提高2倍以上.