基于极限学习机的黑障区智能导航算法

在黑障区飞行阶段中,惯性导航系统会因缺少辅助导航系统而持续累积误差,导致飞行器导航系统可靠性下降。针对这一问题,提出了一种新的基于极限学习机的黑障区智能导航算法,通过极限学习机(ELM)对GPS正常工作的导航信息进行学习。在黑障区,利用学习得到的模型对惯性导航系统进行误差补偿,较好地修正了当GPS失锁时惯性导航系统的误差,避免了因误差累积而导致的导航信息发散。仿真结果表明,该算法能够保证在GPS失锁的黑障区中导航系统输出的信息有较好的可靠性和精度,能够为接下来的姿态调整和着陆准备提供良好的基础。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力,能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题,研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理,在此基础上,构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新,通过环境奖励信号的更新,采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节,利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后,对所提算法进行了仿真实验验证。仿真结果表明,所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度,相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。     

准实时性前斜视INS/SAR组合导航滤波算法研究

为消除常规利用正侧视SAR图像辅助导航信息对惯性误差进行修正时的滞后影响,结合前斜视SAR成像工作特性,本文分析提出了新的准实时性组合导航滤波方案和算法,以解决SAR/INS组合导航系统中的量测滞后影响;本文分析了前斜视SAR成像辅助导航系统工作特点,分析了SAR量测输出模型;建立了准实时性前斜视INS/SAR组合导航滤波算法模型,并通过仿真分析了组合导航系统性能。仿真结果表明：采用所提出的惯性/SAR组合方案和算法,可以有效克服成规正侧视SAR辅助匹配输出滞后的影响,有效满足组合系统性能要求。     

高超声速飞行器组合导航鲁棒滤波算法

高超声速飞行器由于其飞行环境的影响,使得GPS和星敏感器的量测噪声表现出非高斯特性。针对常规基于Kalman滤波的组合导航在非高斯噪声下性能下降的问题,提出了基于鲁棒滤波的高超声速飞行器组合导航算法。方法在惯性／GPS／＆异步量测建模的基础上,通过随机去耦将量测更新转化为线性回归问题,并基于M估计获得状态量最优估计。仿真结果表明,方法对非高斯噪声具有更好的鲁棒性,有效提高了高超声速飞行器组合导航系统的性能。     

脉冲干扰对软件接收机的影响分析

卫星信号经过长距离传播,信号能量损耗严重,到达地面的功率很弱,容易受到各种干扰的影响。脉冲干扰为常见的干扰类型,所以针对不同功率、不同周期,以及不同占空比的脉冲干扰信号,通过接收前端采集受脉冲干扰的GPS L1信号,利用软件接收机及多相关器生成技术,详细分析了脉冲干扰对接收机信号捕获与跟踪性能的影响。分析结果表明,周期为1ms的脉冲干扰信号,能对接收机产生强烈的干扰效果,捕获图中的噪声明显增大;跟踪过程中,载噪比和相关值突发性减小,造成跟踪数据异常。而长周期的脉冲信号仅在脉冲到达时影响接收机的捕获和跟踪,但由于信号跟踪不能连续进行,导致伪距观测量的不连续与导航数据不能正常解码,从而干扰接收机。     

SINS/BD紧组合导航系统故障检测算法研究与实现

由于惯性导航系统和卫星导航系统具有良好的互补性与北斗导航系统的迅速发展,惯性/卫星紧组合导航系统得到广泛应用。但卫星导航系统的时变、易受干扰等特性,极易污染整个组合导航系统。因此,研究了一种新型的惯性/北斗紧组合导航系统的故障检测算法,在传统的卡方故障检测算法基础上,利用新息动态变化特性来识别故障星,并对故障星进行隔离,从而保证整个导航系统的稳定性与精度。最后基于嵌入式PC104平台,利用Qt Creator软件开发了多线程惯性/北斗紧组合导航系统,对所研究的算法进行了可靠验证。实验结果表明,所研究的故障检测算法能够有效地检测出卫星信号故障,能及时剔除故障星,大大降低了漏检、错检的概率,提高了整个导航系统的可靠性与精度。     

一种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法

目前,行人导航定位技术已经深入社会的众多领域,受到诸多学者的广泛关注。针对行人跑步状态,研究了一种惯性/零速/GPS室内外无缝组合导航定位方法。首先提出了可靠的、适用于行人跑步零速检测的方法,有效提高了在行人跑步状态下的零速检测的准确性。针对GPS信号容易受到高楼、高架等环境的干扰及在室内容易完全丢失的特点,提出了基于BP神经网络的GPS可用信号筛选方法,提高了GPS信息的可靠性与精准性。在此基础上,研究了基于可变量测的Kalman滤波器,实现了惯性/零速/GPS信息的有效融合,显著提高了在行人跑步状态下的导航定位精度。试验结果表明,所提出的这种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法的平均定位误差可减小到行人跑步总里程的1%以内。     

基于导向滤波的深度图优化方法

很多低成本设备输出的深度图存在明显的边缘不匹配、深度信息缺失导致孔洞等问题,而现有的优化算法实时性差,提出的基于导向滤波的深度图优化方法可以兼顾实时性和视觉效果。首先,采用基于单尺度的Retinex方法对配准的灰度图像进行增强处理,消除光照阴影等导致的虚假边缘,增强真实边缘。然后,将处理后的灰度图像作为引导基础,通过具有边缘保持能力的导向滤波器优化深度图像,实现边缘保持的同时填充孔洞。最后,通过标准数据库和实际深度图进行实验验证。结果表明,处理后的深度图能够很好地反映基本形态,兼具实时运算竞争力。     

惯性组合导航系统的实时多级景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求,提出一种实时多级景象匹配算法。算法分为两级,第一级粗匹配中提出了中心点4邻域的抗变形算法,能抗旋转和小尺度变化的影响,使定位精度达到像素级;第二级精匹配中提出了基于分支特征点,应用最小二乘法原理精确匹配定位出两幅图像间的最优相似变换参数,即飞行器的精确位置和航向偏差的算法。仿真分析表明,提出的实时多级算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求。     

强气流扰动下无人直升机自主导航技术发展与展望

无人直升机在低空、山区、海面飞行时，极易受到危及其飞行安全的强气流干扰，提高强气流扰动下无人直升机的自主导航性能对于其飞行安全具有极其重要的意义.本文对强气流扰动下无人直升机自主导航技术的发展过程、现状和趋势进行总结展望.文章在阐述无人直升机相关概念的基础上，分析了影响无人直升机导航性能的强气流扰动特性和建模方法，说明了强气流扰动对无人直升机及其导航系统的影响情况，基于无人直升机导航系统总结了对强气流扰动进行测量、估计的方法，并根据研究现状展望了未来强气流扰动下无人直升机的自主导航研究发展趋势.对无人直升机自主导航中强气流扰动的有效解决能够有助于提高直升机在复杂环境下的飞行和导航性能，促进我国无人直升机自主导航技术的发展.