单星只测角对低轨卫星的EKF跟踪分析

利用扩展卡尔曼（EKF）滤波原理研究基于天基光学平台对低轨卫星的跟踪问题,根据单星只测角观测值建立了相应的状态模型和观测模型,并进行低轨卫星的跟踪仿真,结果表明：该方法可以获得较高的跟踪精度,这使得基于单星只测角星上滤波跟踪成为可能。     

一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题,提出一种基于粒子滤波的双目视觉惯导SLAM（即时定位与地图构建）方法。算法基于传统粒子滤波思想设计实现,后端处理时仅对位姿状态量进行滤波,有效解决了传统算法的维度爆炸问题,减少计算量的同时保证一定的精确度,兼顾SLAM算法精确性和即时性的要求。实验结果表明,方法整体定位精度相对误差低于5%,在光照条件适宜的小型场景效果更佳,误差低于3%,能够达到分米级精度,证明了SLAM方法能够完成SLAM系统的要求,实现即时定位与地图构建功能,具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。     

谐波小波在信号滤波中的应用

谐波小波在频域具有良好的盒形谱特性 ,另外它比通常由二进尺度函数得到的小波还具如下优越性 :存在确定的函数表达式 ;时频定位更加准确 ;算法实现简单 ;可以得到任意频率段的信号。本文重点对谐波小波在数字信号滤波中的应用进行研究     

基于自适应融合网络的无人机目标跟踪算法

针对无人机视频跟踪过程中,目标占比较小且易受复杂背景信息干扰等问题,提出一种基于自适应融合网络的无人机目标跟踪算法。首先,基于感受野模块和残差网络构建深度网络模型,能够有效提取目标特征并增强特征的有效感受野;其次,提出一种多尺度自适应融合网络,能够自适应地融合深层网络的语义特征和浅层网络的细节特征,增强特征的表达能力;最后,将融合的目标特征输入到相关滤波模型中,计算出响应图的最大置信分数,从而确定跟踪目标位置。仿真实验结果表明,该算法在跟踪成功率和精确率上都达到了较高水平,有效提升了无人机目标跟踪算法性能。     

一种提高捷联惯性/里程计组合导航系统定位精度的后处理方法

测绘用捷联惯性/里程计组合导航系统多采用离线后处理技术.此类系统利用里程计位移微分获得的速度作为观测量,采用速度匹配,并通过待测路径中预置的Mark点校正航位推算的位置信息.本文建立了基于速度匹配的16维Kalman滤波模型,对全程采样数据进行正反向导航和滤波处理,以估计惯性器件和里程计的误差;在补偿相关误差后,再次进...     

基于残差学习的自适应无人机目标跟踪算法

无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建深度网络提取目标特征,同时克服网络退化问题;其次,将提取的目标特征信息输入核相关滤波算法,构建定位滤波器确定目标的中心位置;最后,根据目标外观特性的不同进行自适应分块,并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响,在跟踪成功率和精确度上均高于其他对比算法。      

基于盒粒子滤波的低成本皮纳卫星高效姿态确定算法

针对低成本皮纳卫星姿态确定系统在质量、体积、计算量以及能耗等方面的限制问题,本文基于区间分析理论提出了卫星姿态区间化描述方法并建立了运动学区间化方程,提出了基于盒粒子滤波(BPF)的皮纳卫星姿态确定算法。该算法首先采用双矢量算法对太阳敏感器和磁强计得到的量测进行姿态解算,并将解算出的姿态四元数作为伪量测值输入传递给BPF,从而降低敏感器噪声对估计精度的影响。仿真实验表明,相比于传统粒子滤波的姿态确定算法,本文所提出的BPF姿态确定算法能够在保证姿态确定精度的同时大幅缩短算法运行时间。     

基于无迹卡尔曼滤波的空间目标双星定位方法

利用双星对空间目标的观测角进行目标定位,可以很好地避免地基探测系统探测弧段短的缺点。研究了基于动力学滤波的双星定位方法,介绍了无迹卡尔曼滤波的基本原理,建立了考虑地球非球形J2项引力摄动的空间目标动力学方程和基于无偏量测转换的双星观测方程。通过仿真比较两种滤波方法在相同条件下对目标的定位误差,可知无迹卡尔曼滤波方法在收敛速度和定位精度上均优于扩展卡尔曼滤波方法。     

一种基于ST-EKF的惯性/里程计滑动窗口滤波技术

针对在卫星拒止的复杂野外环境下传统的惯性/里程计组合导航系统存在的误差随时间积累和方差不一致的问题,提出了一种基于状态变换Kalman滤波(State Transformation Extended Kalman Filter,ST-EKF)的惯性/里程计滑动窗口滤波技术.一方面,引入滤波鲁棒性更好的ST-EKF替代扩...     

一种实时飞行轨迹重构方法

提出一种有效的实时纵向飞行轨迹重构的新方法。为了得到状态估计的快速算法,本文把非线性飞行轨迹重构转化为线性、离散、时变状态和参数估计问题。将数值稳定性好、计算量也小的序列U-D分解滤波算法用于状态方程为线性、观测方程为线性或非线性的滤波问题中。由于测量值中常常含有系统偏差,本文把这些偏差作为增广状态加入增广状态模型中,并利用模型的一些特点,提出偏差分离的U-D分解算法,使计算量大大减少。仿真和实际试飞数据计算表明、本文的方法可得到比平方根协方差滤波更有效的实时飞行轨迹重构结果。