车载惯导系统抗扰动自对准方法对比研究

自对准技术是陆基机动平台及装备用惯导系统的一项关键技术,其核心在于惯导系统如何在风扰、发动机振动、人员走动等各种干扰下实现快速、高精度对准.针对目前常用的惯性系解析自对准、Kalman滤波估计自对准和惯性系奇异值分解(SVD)自对准等三种方法进行了研究和对比分析,根据三种对准方法各自的实现原理,提出了一种有针对性的抗扰动优化方法,并通过了数学仿真分析和车载试验验证.结果 表明,在车载使用环境下,后两种方法都能获得较为准确的姿态信息,惯性系SVD方法可以达到与Kalman滤波方法相当的对准精度和收敛速度,且无需先验信息即可获得最优解,表现出了较好的工程应用优势.     

扰动线运动对惯性系粗对准影响分析及优化方法

针对扰动线运动对惯性系粗对准精度影响较大的问题，通过分析惯性体坐标系下重力加速度积分矢量的物理含义，给出了受扰动线运动影响的惯性系粗对准的误差分析。并在此基础上提出了基于位移积分矢量构造定姿矢量矩阵的抗扰动粗对准算法，利用对速度积分矢量进一步积分得到的3个时间点的位移积分矢量构建姿态解算矩阵，抑制扰动线运动对粗对准精度的影响。仿真结果表明，该算法可有效减小扰动线运动影响下的对准结果振动幅值，能够快速收敛到满足精对准使用的精度范围，从而提高武器装备环境适应性。     

基于改进EKF的IMU动态误差抑制

惯性测量单元（Inertial measurement unit,IMU）三轴欧拉角的解算数据精度和抗干扰性能常受到系统高频噪音以及震动干扰的影响。基于此问题，本文提出一种适合嵌入式系统的低计算量、实时性好、低成本的动态误差抑制方法。该方法通过在扩展卡尔曼滤波器（Extended Kalman filter, EKF）算法前端引入一种无限脉冲响应滤波器（Infiniteimpulseresponse-extendedKalmanfilter,IIR-EKF），借助于二阶巴特沃斯低通滤波器（Butterworth filter, BF）对数据进行预处理来帮助EKF抑制高频或强干扰。IIR-EKF算法在STM32H743微控制器中实现，经过几种实验对比验证，结果表明：在EKF单独作用时，其数据方差较大，遇到震动干扰时，瞬时值误差较大；在无迹卡尔曼滤波（Unscented Kalman filter, UKF）单独作用时，虽然其并不依赖初始噪音参数，其数据方差比EKF小，但还不足以满足要求；在加入BF后，数据方差明显减小，瞬时误差被大幅抑制，增强了系统的稳定性、抗干扰能力。     

基于改进大气散射模型的单幅图像去雾方法

雾天情况下获得的图像通常会出现对比度低、色彩丢失及噪声等问题，传统的去雾方法主要着眼于解决对比度低、色彩损失等问题，而没有考虑空气中灰尘颗粒散射隐藏的噪声光，导致去雾结果中易出现大量的噪声。针对该问题，提出了一种基于改进大气散射模型的单幅图像去雾方法。结合雾霾天气的特点，通过增加空气中介质散射的噪声光对传统雾天成像的大气散射模型进行改进；针对暗通道先验计算透射率不准确的问题，根据改进的模型构建一种透射率精细化的求取方法；结合全变分模型保边抑噪的思想，构造一种新的目标函数，迭代求解获得去雾图像。实验结果和对比分析表明:所提方法能有效去除图像中的雾，减少去雾结果中的噪声，同时也能保留图像中丰富的纹理信息。