红外成像导引头抗干扰技术研究

红外成像制导是红外制导技术发展的趋势,在未来战争中将发挥重要作用。介绍了红外成像导引头的优缺点及其简单工作过程,重点分析了红外成像导引头针对不同的干扰源所采取的相应对抗措施,总结出了红外成像导引头的发展趋势是向着焦平面、智能化、通用化以及多模复合制导等方向发展。     

结构光三维视觉检测中光条图像处理方法研究

在结构光视觉检测系统中,光条中心的提取精度直接影响到整个测量系统的测量精度.光条图像的处理是其中重要的一步,尤其是受到严重噪声干扰的图像.探讨了被多种噪声干扰的光条图像的处理和精确提取光条中心的方法.给出了一种消除环境干扰的滤波模板并实验验证了其滤波效果.使用这些光条图像处理方法使整个测量系统在200mm×200mm的测量范围内测量精度达到0.083mm.      

改良点云过滤技术在汽车冲压件逆向中的应用

点云数据一般是由非接触式三坐标测量系统获取,得到的结果需要进行点云过滤.由于一般扫描的点云数据量比较大,单是过滤点云就要化费大量的时间.为此利用点云数据过滤原理,并结合逆向工程设计软件Image ware与设计软件CATIA,改进了原来的过滤技术,缩短了逆向设计的时间,提高了工作的效率.     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

一种新的星载GPS定轨滤波算法

针对传统EKF(Extended Kalman Filtering)算法应用于星载GPS(Global Positioning System)低轨卫星定轨时系统噪声方差初值不易确定的问题,提出了一种新的定轨滤波算法.该算法在非线性方程线性化过程中,在前一时刻滤波估值点进行线性化,从而得到扰动方程,并将该扰动方程引入到传统EKF进行滤波处理.该算法与传统EKF分别应用在星载GPS低轨卫星的定轨中,通过比较,结果表明改进的算法在一定程度上抑制了由于系统噪声方差阵选取偏差较大而引起的滤波发散现象,且对于系统噪声方差的初值选取有较强的鲁棒性.      

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

具有约束项的自校准卡尔曼实时滤波定轨方法

针对在传统卫星定轨方法中存在的轨道根数解算复杂 ,实时定轨精度低 ,以及系统误差校不准等问题 ,提出并详细阐述了具有约束项的自校准卡尔曼实时滤波定轨方法。该方法复杂度低、实时性强、计算量小 ,仿真结果表明该方法同时具有收敛速度快、定轨精度高的优点 ,具有很好的应用前景     

卫星姿态测量信息的二阶非线性滤波技术研究

卫星应用任务要求卫星姿态在空间保持高精度定向 ,为此有必要研究精确的递推非线性姿态估计算法。文中针对星光 陀螺这种典型的三轴稳定卫星姿态确定系统模式 ,应用基于二阶泰勒级数近似得到的非线性滤波算法处理姿态测量信息 ,设计了二阶非线性姿态估计器的实现方案。在设计过程中 ,把QUEST法作为矢量观测数据压缩技术有效地结合进姿态估计器中 ,使得在多矢量观测情况下的滤波修正算法得到了简化。相同条件下的仿真测试结果证明 ,二阶非线性姿态估计器的滤波性能要优于采用扩展卡尔曼滤波技术的一阶线性姿态估计器     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。