模糊灰色聚类评估方法在导航滤波中的应用

目前针对深空探测导航中滤波算法的综合评估的方法种类繁多,但是仍然有较多评估方法由于其单一性,存在或多或少的问题。提出了一套反映滤波算法优劣程度的评估指标体系,并为其建立相应的数学模型。深空探测器采样点数据通过该数学模型计算后,由模糊灰色聚类方法进行综合评估。该方法是以灰色系统理论为基础,结合模糊综合评估方法所建立的评估模型。该模型可以摒弃二者单一使用时的缺点,提升评估结果的准确性。评估结果表明,此评估模型能够对滤波算法进行比较准确、合理、全面的评估。     

Kalman滤波在频率估计中的应用与仿真

推导并建立了Kalman滤波器用于频偏估计的仿真模型,提出先对信号倍频,而后进行差积运算,得出载有频偏二倍频信息的复信号,再用Kalman滤波器估计复信号的相位和相位变化率,避免符号相位模糊,运算简洁便于数字实现。设计了一个Kalman滤波辅助解调的系统模型,给出了仿真结果。仿真表明,Kalman滤波技术用于频率的快捕可以大大降低失锁概率。     

随机扰动情况下绳系卫星状态保持阶段的最优控制

在考虑系绳弹性的情况下, 建立绳系卫星轨道面内运动的动力学模型, 并在系统平衡位置线性化, 得到绳系子星在随机扰动作用下的稳态保持状态方程. 引入基于卡尔曼滤波的状态估计方法和最优状态反馈控制策略, 提出了保持系统稳态运行的控制方法, 并以YES2空间系绳试验为参考模型设计了稳态保持控制系统. 分别在不考虑系绳弹性和考虑系绳弹性的系统模型下进行相应仿真分析, 结果表明所提出的控制方法能使系统具有良好的抗干扰性能, 系绳控制张力变化平缓且幅值小, 提高了系统状态保持阶段的可靠性和安全性. 同时系绳刚度系数的减小可使系绳纵向振动加剧, 但对横向摆动影响较小, 这为选取合适的系绳材料提供了理论参考.      

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。      

一种新的雷达组网实时误差配准算法

雷达组网系统首先要解决误差配准问题,来准确地估计和消除系统误差。本文研究了异地雷达组网误差配准问题,在考虑随机量测噪声影响的基础上,提出了一种实时Kalman滤波(RTKF)误差配准算法,然后针对多条配准航迹,给出了该算法的扩展形式,即ERTKF误差配准算法,并对两种算法进行了性能分析。仿真表明两种算法能有效地对雷达系统误差进行估计,尤其是当系统偏差发生变化时,配准效果明显优于实时质量控制(RTQC)配准算法。     

序列图像背景重建方法

研究了基于Kalman滤波理论的有色噪声滤波,探讨了其在序列图像背景重建中的应用。首先针对光线变化对背景的影响,建立背景的二阶滤波方程和观测方程,然后给出有色噪声滤波模型,利用Kalman滤波器对背景进行预测更新。试验结果表明,该方法能迅速更新背景,对光线变化具有良好的适应能力。     

基于人体运动学辅助的可穿戴式行人导航系统

针对行人导航定位问题,研究了基于人体运动学辅助的可穿戴式行人导航系统实现的关键技术。首先基于人体运动学原理构建了零速检测模型,使用最优综合判断条件有效检测出对应的零速时刻,实时进行速度和姿态的更新修正。在检测到零速时刻时,将速度误差、位置误差作为观测量,经Kalman滤波估计惯导系统误差并进行反馈校正,抑制惯导系统的误差,提高导航定位精度。研制了集信息采集、数据传输、导航解算与监控显示于一体的可穿戴式行人导航系统,可对行人的运动状态进行实时监控。所设计的基于人体运动学辅助的可穿戴式行人导航系统,平均定位误差小于行走距离的1.1%,最大不超过1.7%,验证了本系统的可靠性和适用性。     

有色噪声作用下的机载INS/GPS组合导航方法

针对机载导航过程中有色噪声模型系数难以精确获取的问题,提出了一种基于滤波残差处理有色噪声的方法,并将其应用到INS/GPS组合导航系统中。首先分析了有色状态噪声和有色量测噪声对状态参数估值的影响,接着分别将状态残差和量测残差作为有色状态噪声和有色量测噪声的样本观测值,通过滤波所得的多个历元的残差序列获取拟合模型参数,然后计算有色噪声的预报值并将其进行补偿,从而得到有色噪声修正后的组合导航模型。最后设计了转台试验验证提出的有色噪声作用下的INS/GPS组合导航方法,结果表明该方法能有效地减小有色噪声对组合系统的影响,且当GPS暂时失效时,能显著提高系统的导航精度。     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。