基于常规多普勒滤波器组结构的合成宽带距离像性能分析

为了消除散布效应对宽带信号的不利影响,可以利用多个窄带信号合成宽带信号;同时,通过在子带内处理相干脉冲串,可进行杂波抑制、目标速度估计和区分不同速度的目标。然而,在子带内分别使用常规多普勒滤波器组,会引进多普勒散布效应所造成的输出失配误差,从而造成合成距离像的失真。分析了多普勒散布效应与子带常规多普勒滤波器组输出失配之间的关系,推导了运动目标通过滤波器组后所成高分辨距离像的距离走动公式,给出了适合子带常规多普勒滤波器组的目标速度临界值。仿真实验验证了以上结论。     

基于分层变块大小运动估计的边信息提取算法(英文)

在分布式视频编码(DVC)中,边信息的质量对视频序列的压缩效果有很大影响。本文中,一种基于分层运动估计的边信息提取算法引入到DVC系统中。首先,采用了两种运动估计模式,向前运动估计和双向运动估计,然后利用分层变块大小运动估计算法获得了比较准确的运动矢量。接着运动矢量滤波器修正了由于局部相似造成的错误运动矢量。最后,选择决策模块更好地处理了帧内插技术中的多种估计模式的问题。这些算法为DVC提供了更好的边信息,提高了DVC系统的性能。实验结果显示,基于这种新算法的DVC系统高于传统视频编码帧内模式 3-4dB,而仅仅低于传统视频编码IBIB模式0.5-1dB。     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

吸气式高超声速飞行器鲁棒反演控制器设计

针对吸气式高超声速飞行器气动／推进／结构弹性耦合控制问题,提出了鲁棒反演控制器设计方法。采用反演和动态逆方法设计虚拟控制量和实际控制量,通过引入一阶低通滤波器来获取虚拟控制量的导数,解决了虚拟控制量求导复杂问题;为了增强控制器的鲁棒性,采用充分光滑投影算子对模型非匹配不确定项进行估计和补偿,同时避免了可能出现的参数漂移问题。仿真结果表明,该控制器对模型气动参数拟合误差、攻角和升降舵偏角摄动、气动弹性影响具有鲁棒性,对速度指令和高度指令具有很好的跟踪效果。     

基于QPSO粒子滤波的航空发动机突变故障诊断

针对标准粒子滤波算法对突变故障诊断迟缓的问题,提出了量子行为粒子群优化(Quantum-behaved particle swarm optimization,QPSO)的粒子滤波算法。该算法引入权值偏差系数的概念,当权值偏差系数超出设置的阈值时,认为系统发生故障,并结合最新的观测值,将量子行为粒子群优化算法融入到粒子的采样过程中,驱使粒子向高似然区域移动,提高粒子群对突变故障的估计性能。仿真结果表明,与标准粒子滤波算法相比,量子行为粒子群优化的粒子滤波算法显著提高了对突变故障的反应速度。     

自识别自校准Kalman滤波方法

在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。     

惯性/里程计组合导航技术在管道定位中的应用

石油天然气管道担负着油气传输的重任, 定期对传输管道检测能使其安 全、高效地运行。为此设计了管道导航定位系统,用于对管道探伤位置的精确定位。管 道导航定位系统主要由激光捷联惯性导航系统与里程计组成,搭载在管道检测设备中。 通过测量、存储检测过程中的传感器信息,在检测结束后离线处理数据,得到管道导航 定位信息。通过对惯性/里程计分别进行误差分析与建模, 搭建了组合导航系统卡尔曼 滤波器模型, 进行了跑车试验与实际管道定位试验。试验结果表明该惯性/里程计组合 导航管道定位精度满足管道高精度定位要求。     

小波分析在GPS卫星故障检测中的应用

目前基于扩展卡尔曼滤波的残差卡方检测法已在接收机自主进行GPS卫星故障检测方面得到广泛应用,但该方法存在依赖系统数学模型、检验延迟等问题。文章提出一种基于小波分析的GPS卫星故障检测法,利用小波分析在时频域表现出良好的细节处理特性,将GPS接收机的可测数据即伪距观测数据和位置定位数据作为处理对象,进行多尺度下的分析,通过识别异常点来判断故障的发生。仿真结果表明,该方法具有高效灵敏、简洁直观、易于工程实现等特性,有助于保证导航系统的可靠性和稳定性。     

基于扩展卡尔曼滤波的永磁同步电机无电流传感器预测控制

针对永磁同步电机(PMSM)因过电压、过电流及误操作等容易造成电流传感器故障,影响PMSM的控制精度的问题,提出一种基于扩展卡尔曼滤波的PMSM无电流传感器预测控制算法。对于PMSM,通常需要两个电流传感器来采集定子电流信息,所提方法通过扩展卡尔曼滤波估计定子电流代替电流传感器。通过基于扩展卡尔曼滤波的PMSM无电流传感器预测控制算法与常规有电流传感器在线变速和变载仿真对比得到,所提方法具有和有电流传感器相同的控制性能。参数鲁棒性仿真表明,所提方法具有较强的参数鲁棒性,能够满足实际控制需要。     

Rapid and robust initialization for monocular visual inertial navigation within multi-state Kalman filter

Sensor-fusion based navigation attracts significant attentions for its robustness and accuracy in various applications. To achieve a versatile and efficient state estimation both indoor and outdoor, this paper presents an improved monocular visual inertial navigation architecture within the Multi-State Constraint Kalman Filter (MSCKF). In addition, to alleviate the initialization demands by appending enough stable poses in MSCKF, a rapid and robust Initialization MSCKF (I-MSCKF) navigation method is proposed in the paper. Based on the trifocal tensor and sigma-point filter, the initialization of the integrated navigation can be accomplished within three consecutive visual frames. Thus, the proposed I-MSCKF method can improve the navigation performance when suffered from shocks at the initial stage. Moreover, the sigma-point filter is applied at initial stage to improve the accuracy for state estimation. The state vector generated at initial stage from the proposed method is consistent with MSCKF, and thus a seamless transition can be achieved between the initialization and the subsequent navigation in I-MSCKF. Finally, the experimental results show that the proposed I-MSCKF method can improve the robustness and accuracy for monocular visual inertial navigations.