基于相互测距信息的机群组网协同定位技术

在网络中心战条件下,针对无GPS(Global Positioning System)时如何提高机群的导航定位精度问题,构建了以机载数据链和惯导系统为核心的协同定位系统,设计了协同定位系统的测距方案,分析了协同定位过程中的时间同步问题,提出了一种基于机间相互测距信息的机群组网协同定位方法.该方法利用几何图形平移旋转来估计机群各飞机的惯导系统定位误差.仿真表明:该方法可以用于长时间估计惯导位置误差,有效延缓惯导位置误差的发散速度,当5架飞机协同定位时,机群惯导位置精度将提高2倍左右.     

基于二维单基线的单星高精度无源定位算法

针对长短基线干涉仪定位系统设备量大、系统复杂的问题,提出了基于运动学原理的单星高精度无源定位技术。以模糊相位差和相位差变化率为观测量,并采用三通道二维单基线阵列构型,充分利用长基线相位差定位精度高的特点,并结合相位差变化率的无模糊特性,通过粒子群改进算法实现高精度的定位。仿真结果表明,该算法定位精度高,定位性能接近CRLB。     

基于MCIS技术的相位差变化率单站无源定位

针对最大似然估计（ML）方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术（MCIS）高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样（IS）技术构建符合高斯分布概率密度（PDF）的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。     

激光辅助局部电化学沉积的试验研究

在局部电化学沉积加工体系中引入纳秒脉冲激光,利用激光辐照和局部电化学沉积的方法对铜进行三维微结构的沉积试验。分析了激光的热力效应对局部电化学沉积的作用机理。构建了激光辅助局部电化学沉积的试验系统,进行了沉积试验,并利用扫描电子显微镜(Scanning electron microscope,SEM)和X射线能量色散色谱仪对电沉积体进行了检测。试验结果表明激光辅助局部电化学沉积相较于普通的局部电化学沉积,定域性好。随着激光能量的增加,沉积体的高宽比增加,定域性提高。同时,激光还可以减少阴极杂质的吸附,提高沉积体的纯度。     

失效卫星远距离相对位姿估计与优化方法

针对远距离非合作慢旋目标位姿估计精度问题,提出一种融合图像超分辨与视觉SLAM的相对位姿估计方法。算法主要包含3个步骤：通过梯度引导生成式对抗超分辨技术,提升目标图像的质量以获取更多更高质量的特征点;构建特征数据库实现当前帧与特征数据库的匹配,提升旋转目标的特征跟踪稳定性;利用图优化对多帧图像进行联合位姿优化,消除累计误差,得到更为精确的估计结果。为稳定网络的训练,将自然进化算法引入到对抗训练中。为增强模型的泛化性和鲁棒性,实验中的数据集采用半物理仿真获得。实验结果表明,当等效距离为25 m且失效卫星以25（°）/s的速度旋转时,目标图像经超分辨网络增强后,能够实现连续稳定的长时间测量。     

基于增量式路标表观学习的移动机器人定位

在全景图像中,机器人参考定位的路标表观受到畸变、观察视角、路标尺度变化以及环境亮度的影响,致使基于全景视觉的机器人自主定位存在着许多难点有待解决.提出增量式的路标表观学习方法,准确估计路标的表观变化,并为基于粒子滤波的机器人定位过程提供准确的观测信息.增量式路标学习过程利用增量式概率主元分析为理论工具,将不同视角的路标表观的主元特征表示成不断自主更新的特征基底,为计算观测量与路标真实表观的相似度提供了实现途径和理论依据.该学习算法能够被集成到带有重采样的贯序权值采样粒子滤波算法过程中,实现了全景视觉机器人的精确自主定位.实验结果表明:该算法的定位误差小,计算量小,执行效率高,对全景图像中的各类干扰均不敏感.     

利用旋转多普勒的单站无源定位性能分析

针对只测相位差变化率无源定位问题,提出了一种利用旋转多普勒的单站无源定位体制。该体制利用两接收天线构成长基线干涉仪(LBI),不但利用干涉仪平动带来的相位差变化率信息,还利用干涉仪自身转动引入的相位差变化率信息。从定位线特性的角度分析了该定位体制的原理,并推导了定位误差的克拉美-罗下限(CRLB)。理论分析和计算结果表明,通过干涉仪转动,能够提高定位精度,且干涉仪转动越快、基线方向变化范围越大,定位性能越好。
     

基于置信度的自适应Kalman滤波定位方法

针对室外自主移动机器人因感知信息缺失或异常波动造成的定位失败或偏差过大的问题,设计了一种基于置信度的自适应Kalman滤波定位方法。该方法根据置信距离和置信度函数计算局部滤波器的置信度,并将其进行加权运算后作为全局滤波器的自适应因子,以得到更为准确的位姿估计。采用D—S证据理论对全局位姿进行评价,并给出单一传感器失效时的组合方案。试验结果验证了方法的有效性和鲁棒性,能满足实际定位的需要。     

复杂背景中条码检测定位技术的研究

研究了复杂背景中条码检测定住技术。先分析每个子区域的特征,选出可能包含条码的子区域,然后对子区域进行合并筛选,检测条码所在位置。最后根据Hough变换．找出条码边界．并用双线性插值将条码旋至水平。实验表明文中提出的条码检测定位算法具有很好的性能,优于传统的基于梯度特征的检测算法。