大、小增量数据的最优平滑求速问题

本文根据工程实际,将等间隔取样增量数据(称小增量)作基本量,在相关噪声假设条件下,用马尔可夫估计理论,全面研究了二阶多项式最优滤波器中心平滑求速问题。给出了诸主要误差影响的公式;在该误差特性下,比较了优与非优(白噪声滤波器)平滑求速的效果;论证了白噪声时滤波器最佳参数的选取;研完了减小截断误差加权滤波器平滑求速的方法和效果。对通常以等间隔取样增量数椐的累加和(称大增量)为基本量的情况,也用马尔可夫估计理论,作了类似推导、研究和比较。为便于工程直接使用和研究。文中列出了有关数值结果。     

局域增强系统级联双频平滑技术研究(英文)

针对电离层误差时间梯度和空间梯度对局域增强系统的不利影响,提出使用级联双频平滤波方法解决此问题。级联双频平滤波先使用一个双频平滑滤波器精确估计电离层误差,利用得到的估计值修正码伪距观测量中的电离层误差,再使用一个双频平滑滤波器削弱噪声。这样,电离层误差被完全从平滑过程中移出,由L2码观测量引入的附加的噪声也被压制。基于中国民航新航行系统实验室的局域增强系统测试平台所采集的数据对级联双频平滤波的有效性和基于级联双频平滤波的局域增强系统的精度进行了分析。结果表明级联双频平滤波技术可以同时消除电离层误差时间梯度和空间梯度导致的平滑滤波残差和差分校正残差,并具有较低的滤波噪声。     

色噪声数据多项式平滑的若干问题

一、引言在数据平滑的初步分析中,一般均假设观测值随机误差是序列不相关的(白噪声数据)。但仔细观察后可以发现,电子跟踪设备获取的观测数据的随机误差实际是序列相关的(色噪声数据)。随着对数据处理质量要求的日益提高,如何设计平滑色噪声数据的数值滤波器、如何估算该滤波器的输出输入方差比以及怎样合理地使用它等,显然是人们关心的问题。有关白噪声数据多项式平滑,国内已有不少文章和书籍对此作了详尽的论述和介绍,在外测数据处理等实践中也得到了广泛的应用,但有关色噪声数据的平滑问题则较少看到,在     

一种基于盲同态解卷积的SAR成像自聚焦算法

针对大气扰动及飞行平台不稳引起机载合成孔径雷达(SAR)图像散焦的问题,提出了一种新的自聚焦算法来估算运动误差。该算法是基于运动误差函数及场景散射函数平滑特性的差异来进行估计的,利用复对数变换将图像的幅度与相位信息分离,进而分别对相位及幅度信息进行处理。运动误差通常为慢变函数,而场景的散射信息具有某种随机特性。因此,经过复对数变换后,运动误差及散射信息可以通过滤波器进行分离,将相位中的随机噪声去除,从而保留了慢变的运动误差函数。为了去除噪声信息,需要建立一个平滑滤波器,利用Daubechies小波的尺度函数构造Riesz基向量,从而建立了正交子空间,通过所建立信号子空间及噪声子空间组建平滑滤波器,最终可以获得准确的运动误差。在实验部分,分别利用仿真数据及实测数据对本文方法进行验证,最终结果分析表明该方法具有很高的估计精度及执行效率。     

基于固定区间最优平滑的传递对准精度评估

惯导系统传递对准是战术导弹发射前必须完成的任务,其对准精度直接影响导弹系统的制导精度。为评估传递对准精度性能,在介绍传递对准精度评估原理的基础上,研究了Kalman固定区间最优平滑算法;并从理论上分析了顺序滤波与逆序平滑的关系,得出平滑依赖于滤波的结论。通过实测数据半物理仿真试验证明了理论分析的正确性,表明固定区间最优平滑算法能有效地评估传递对准精度,并与间接法对比得出间接法与最优平滑算法具有一致性。     

激光脉冲法背温信号中噪声信号的滤除方法

针对激光脉冲法背温信号中存在的噪声干扰,通过频谱分析确定了噪声信号的频率范围,设计了相应的FIR数字滤波器,并对滤波后存在的残留噪声进行了递推平滑滤波.滤波前后的数据对比表明,该方法能有效滤波背温信号中的噪声.     

一种提高螺旋桨相同步噪声模型辨识精度的方法

相同步降噪一般先通过一定飞行条件下的实测数据辨识出螺旋桨噪声模型,然后基于噪声模型计算出该条件下的最优相角,再将最优相角用于相同步降噪。在噪声模型辨识的过程中,受飞行速度、高度和气流变化等的影响,实测数据经常会发生较大的波动,从而影响辨识模型和最优相角的准确性。提出一种基于小波滤波和三参数正弦拟合法的最小数据波动的噪声数据选取方法,提高噪声模型的辨识精度,该方法通过小波滤波算法从噪声信号中提取出螺旋桨的叶尖通过频率信号,采用三参数正弦拟合算法合理地选择出波动最小的数据用于噪声模型辨识,从而有效地回避较大波动数据,提高辨识模型的精度。试验结果表明相较于传统使用固定数据辨识所得的噪声模型,使用最小波动数据辨识所得噪声模型能够获得更高的精度,且噪声模型预测的声压级和实际测量的声压级误差小于1dB,模型预测的最优相角与实际最优相角的误差小于5°,最优相角在试验位置点能够实现高达19.5dB的降噪效果。     

离散跟踪微分器在着舰导引滤波中的应用

介绍了自动着舰导引系统的工作原理及其滤波问题。为了抑制着舰导引系统跟踪雷达的高频噪声,并且克服常用的滤波器采用有限差分法求微分估计的弊端,采用两个二阶离散跟踪微分器串联起来,对含有噪声的雷达测量值进行滤波,并且提取其一二阶微分信息。结果表明,在仿真中使用白噪声模拟雷达噪声,跟踪微分器的滤波效果令人满意。     

载波相位平滑伪距在GPS/SINS紧组合导航系统中的应用

针对GPS/SINS紧组合导航系统中伪距噪声大从而引起组合导航系统精度低的问题,提出了将载波相位平滑伪距方法引入到组合导航系统中,利用具有较高精度的载波相位对低精度伪距进行平滑滤波,在建立观测方程的同时,为了减小Kalman滤波器计算量,选用最佳4颗卫星的伪距与伪距率作为观测值,并提出了一种四面体选星法,该方法不需要进行矩阵求逆运算,减小了运算量。利用光纤陀螺捷联惯导系统与GPS接收机搭建了实验验证系统,通过车载实验对所提出的方法进行了验证,实验结果表明,经过载波相位平滑后的伪距噪声得到了降低,从而能够进一步提高GPS/SINS组合导航系统的定位精度,其位置误差均方根值相比无载波相位平滑减小近40%。     

基于TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。     

一种新型模糊自适应Kalman滤波器在组合导航中的应用

针对光纤陀螺捷联惯导(FOG SINS)/GPS组合导航系统实际工作环境中,由于系统噪声与量测噪声模型发生变化而带来的滤波器发散的问题,提出一种新型模糊自适应Kalman滤波器(FSHAKF).通过引入IMU精度因子与GPS水平精度因子,构造模糊推理系统(FIS),实时更新自适应参数,有效地解决了传统Sage-Husa自适应滤波器(SHAKF)估计模型不准确、系统噪声与量测噪声无法同时估计以及滤波器长时间易发散的问题.仿真实验表明,本文提出的FSHAKF算法相较于SHAKF算法,估计精度得到明显提高,且避免了滤波器的发散.     

用最优傅立叶平滑根据试飞数据估计噪声特征

本文提出了以傅立叶级数分析的为基础将飞行试验数据方面的信号和噪声分开的技术，在频率域内用设计的最优滤波器完成此项工作，该方法以测量时间历程的谱范围为基础使信号和噪声分开，模拟数据用来说明此项技术及评价估计噪声特征的准确性，对２０种模拟情况，估计噪声标准误差在真实值的５％以内，此外分析了从Ｆ－１８大α角研究机的横侧机动飞行中获得飞行试验数据，理论分析表明，对模拟数据和飞行试验数据，该技术都是可信的。     

GNSS最优载波相位平滑伪距研究

平滑常数是影响载波相位平滑伪距精度的关键参数,实际数据处理时主要依据经验设定平滑常数。这种主观设定过程缺乏理论依据,无法达到最优平滑效果。针对此问题,以适用于实时GNSS载波相位平滑伪距的经典Hatch递推滤波算法为基础,在连续时间域上分析了载波相位平滑伪距误差的主要构成,给出了总误差估算公式,分析了平滑常数对平滑精度的影响传导机制。进一步,采用令平滑总误差最小为目标的极值法推导给出了最优载波相位平滑常数的计算公式,给出了最优载波相位平滑伪距的完整处理步骤。最优平滑常数算法在数学意义上最优,大幅压缩了伪距测量误差,又不会引入过大的电离层发散误差。通过两个实际算例,证明了算法有效性。     

离散系统LMI滤波技术

给出了一种离散系统最优滤波器的线性矩阵不等式（ＬＭＩ）设计方法。在系统干扰噪声能量有界情况下,将有约束的滤波问题转换为无约束的最优状态估计问题。利用ＬＭＩ方法给出了最优无偏滤波器存在的充分必要条件,所得滤波器的阶数小于系统状态个数。将ＬＭＩ方法应用于飞机飞行试验数据处理中,分析了实际飞行条件下飞机运动的模型,并对该模型进行扩展线性化处理,得到了一个较易实现的ＬＭＩ滤波算法。仿真结果表明,所提出的算     

基于SVD的R-T-S最优平滑在机载SAR运动补偿POS系统中的应用

 机载合成孔径雷达（SAR）运动补偿用位置姿态系统（POS）的导航精度直接影响SAR成像的效果。为进一步提高POS的导航精度和数值稳定性,提出将基于奇异值分解（SVD）的Rauch-Tung-Striebel（R-T-S）最优固定区间平滑应用于POS后处理中。在基于SVD的前向卡尔曼滤波（KF）的基础上,进行了基于SVD的后向R-T-S最优固定区间平滑,获得位置、速度和姿态的最优估计。该方法将原算法中均方误差阵进行奇异值分解,不仅具有很好的数值稳定性和鲁棒性,而且避免了矩阵的求逆。半物理仿真结果表明,该方法在导航精度和数据平滑度上明显优于目前工程中应用的KF,是一种有效的事后处理方法。     

基于内嵌物理机理神经网络的热传导方程的正问题及逆问题求解

建立了一种基于内嵌物理机理神经网络(PINN)的热传导方程的正问题及逆问题求解方法.该方法利用自动微分技术将一维热传导方程嵌入到深度网络的损失函数中,通过以损失函数最小为目标来优化深度网络,求解一维热传导方程以及对方程中的未知导热系数进行辨识.随后,分析了基于PINN求解正问题的收敛精度以及参数辨识的鲁棒性,并得出以下结论:在给定网络结构的情况下,基于PINN求解一维热传导方程的收敛误差在样本点数较少时主要由采样误差主导,而当样本点数较多时,收敛误差由优化误差主导;由于损失函数中包含了方程相关的正则化项,以及采用了自动微分技术,因此,基于PINN的参数辨识方法噪声标签数据具有较强的鲁棒性.     

高速采样测量数据处理方法研究

探讨在新一代高精度测速体制下,外测数据原有处理方法应用到高采样率数据时的缺陷,提出将原始采样数据分段、分层进行多次处理,结合二步最小二乘、等距样条拟舍和区间长度自适应的时间多项式中心平滑技术,可降低每次处理的数据量,并逐步滤除周期噪声与色噪声,提高了处理结果的精度。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大，进而导致联邦滤波估计出现偏差的问题，为了改进联邦滤波融合方法，将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合，应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器，使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度，进而得到联邦滤波器的置信度，再由得到的置信度对各子滤波器及联邦滤波器输出进行加权，得到最终的全局输出。对车载组合导航系统的仿真结果表明，这种算法对量测噪声具有较强的自适应性，能够抑制置信度低的子滤波器在融合系统中所占的权重，提高联邦滤波融合算法的精度，是一种可行的车载组合导航数据融合算法。