动态测量数据的高保真容错Q-滤波算法

针对航天器遥测和跟踪数据非平稳、噪声干扰、数据散乱、野值多、真实信息往往被随机误差淹没等问题,提出一组新型滑动容错滤波算法,称Q-滤波容错算法。 采用原始数据滑动四分位滤波和滤波残差四分位过滤补偿相结合的方式,实现各种带野值、非平稳、强噪声干扰和超低信噪比的采样数据序列剔除野值、削弱扰动和提取信号。理论分析、仿真计算和飞行数据应用实例证实了该Q-滤波算法有强容错能力和提取采样数据本真变化的能力,可以从被噪声淹没和低信噪比的非平稳采样数据序列中或者在采样数据变化形态杂乱的情况下,高保真地准确提取测量对象的真实变化信息。     

基于Kalman滤波的GPS/INS接收机自适应干扰抑制方法

 考虑到惯导信息辅助GPS(GPS/INS)接收机对干扰抑制实时性的要求,提出一种基于Kalman滤波的GPS/INS接收机自适应干扰抑制方法。自适应广义旁瓣相消(GSC)多采用低复杂度最小均方(LMS)算法更新权矢量,收敛速率较低,严重时会导致接收机定位中断。首先利用Householder变换构建GSC下支路的阻塞矩阵,用于阻塞任意二维阵型阵列接收的期望信号;再用Kalman滤波自适应更新下支路权矢量,从而有效提高阵列输出信干噪比(SINR)。理论分析和仿真结果说明本文方法可有效抑制干扰对接收机的影响,且具有实时性高的特点。     

基于CUDA的椒盐噪声自适应中值滤波算法

针对传统中值滤波算法的优缺点,结合椒盐噪声的特征,提出了一种有效的自适应中值滤波算法。首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后根据窗口内噪声点的个数自适应地确定滤波窗口的尺寸,仅对噪声像素进行中值滤波。但随着噪声密度和图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在CUDA平台中实现了算法。实验结果表明,所提出的算法能够有效地去除椒盐噪声、保留边缘和细节,并且能显著缩短计算时间,随着噪声密度和图像规模的增大,最大加速比达到6 000倍。     

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。     

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。     

高超声速弹性飞行器振动模态自适应抑制技术

为保证超燃冲压发动机的良好进气,需要对高超声速飞行器进行精细姿态控制。针对高超声速飞行器特有的气动参数和结构模态参数不确定性问题,基于自适应模态抑制思想,设计了一种精细姿态控制系统,包括观测刚体模态状态信息的鲁棒H∞滤波器,提高跟踪性能的LQR刚体控制器,实时辨识弯曲模态频率的结构模态观测器和结构滤波器四部分。仿真表明,设计的控制系统在气动参数±20%,模态频率±30%的随机摄动下仍能够很好地跟踪刚体攻角,抑制弹性攻角,保证超燃冲压发动机进气道±0.6度的攻角控制精度,满足精细姿态控制的要求。     

基于梯度方向二值模式特征的飞机翼尖跟踪技术

研究基于视频图像分析与定位的飞机翼尖跟踪技术,为飞机地面移动提供安全保障.现有图像特征进行翼尖跟踪经常失效且计算效率低下,本文结合纹理和轮廓信息,提出以梯度方向二值模式( OG_ LBP)为特征的粒子滤波跟踪算法,降低特征维数的同时建立局部和全局的翼尖特征直方图描述,提高识别效果.同时,该算法在粒子滤波基本框架之下,结...     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

一个用于目标跟踪的改进粒子滤波算法

简化UT（unscented transformation）转化参数，修改UKF（unscented Kalmanfilter）提议分布，提出了改进的粒子滤波算法。调节因子的增加使得能在线自适应估计，滤波性能提高，并形成一个自适应的算法。仅有角测量的目标跟踪仿真试验证实了改进的粒子滤波算法要优于其它滤波方式。