一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

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。     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

谱估计理论在弹道数据参数化建模中的应用

针对高超声速飞行器防御作战中目标运动规律的描述问题,提出一种基于经典和现代谱估计理论的弹道数据参数化分析和建模方法。该方法将弹道数据视作非平稳随机信号,研究其变化规律：首先,通过线性消势法消除信号的线性趋势,将其转变为平稳信号,以便于进行谱估计;然后,采用Welch算法给出大致的谱图,结合该谱图和改进的协方差法确定自回归参数模型的阶数,以避免模型阶数选择准则引起的不确定性问题;最终,给出弹道数据的参数化模型。仿真结果表明,使用本文算法建立的弹道数据参数化模型与动力学模型具有较高的一 致性。     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

崎岖地形中关节式月球车姿态估计数值求解方法

 以被动关节式地形自适应月球车为研究对象,融合关节机器人D-H坐标建模方法构建了月球车悬架运动学模型和以侧倾、俯仰和偏转角表示姿态的欧拉角方式建立了车轮到世界坐标系的悬架完整表达模型。利用悬架完整表达模型,用带有迭代因子的连续迭代和离散迭代数值求解方法,建立了光滑和离散崎岖地形姿态估计算法。最后以8轮扭杆双摇杆摇臂月球车原理样机为例来验证此模型求解方法。仿真结果验证了所建立的基于数值方法的崎岖地形被动关节式月球车姿态估计模型的正确性,其求解模型精度能够满足仿真要求。     

一种改进的Lucas—Kanade光流估计方法

Lucas—Kanade算法是一种重要的光流估计技术,在计算机视觉领域有广泛的应用。但对于图像纹理欠丰富的区域,Lucas—Kanade算法光流估计结果较差。文章提出了一种改进的Lucas—Kanade算法：首先,计算跟踪置信度因子;然后,通过阈值检测剔除不可靠的光流估计结果;最后,进行邻域填充。该方法改善了纹理欠丰富区域的光流估计,对矮人模型图像序列进行了实验,证明了方法的有效性及优于Poelman方法和Chiba方法。     

基于模型的转子系统不平衡量的估计

采用基于模型的方法对转子系统的不平衡量进行估计,首先记录初始状态下的振动信号,然后根据实时测得的不平衡响应信号,得出差值振动信号,联立转子系统的动力学方程,得出不平衡等效载荷,根据等效载荷,得出不平衡的位置、相位及大小.采用模态扩展技术实现由有限几个点的振动响应获取所需点上的响应.由于噪声的影响,提出了基于高斯小波的降噪方法.仿真与实验结果表明,这一方法能够比较准确地估计出转子系统的不平衡量.      

基于Monte-Carlo方法的终端区容量计算分析

终端区的容量评估一直是容量评估的难点和关键所在。首先分析了影响终端区容量的因素;然后结合终端区的特点,建立了终端区容量评估的计算模型。并考虑到有关的随机影响因素,利用随机模拟的方法,对终端区容量进行了较为准确的分析和估计。结合乌鲁木齐终端区的实际,对终端区容量进行了评估,仿真结果验证了评估方法的可行性。     

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。