高精度惯性平台连续自标定自对准技术

提出了一种新的惯导误差系数标定方法——连续自标定自对准方法。利用外部参考力矩驱动平台按照一定角速度旋转，在平台加矩角速度、地球自转角速度和重力加速度的影响下，惯导平台的加速度表输出包含陀螺误差系数、加速度表误差系数、平台对准误差以及陀螺和加速度表的安装误差等全部误差信息，并由此得到平台失准角动态方程与加速度表的输出方程。在设计的平台连续旋转轨迹下，使用迭代Kalman滤波获得了全部平台误差系数的精确估计。与传统的多位置翻滚标定方法相比，该方法标定时间短，标定精度高，系统误差参数估值具有良好的收敛性。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

基于H∞与Kalman联合滤波的二次快速传递对准方法研究

将H∞滤波用于舰载导弹捷联惯导系统（SINS）的动基座传递对准。仿真研究结果表明，在测量噪声强度较小时，H∞滤波方法的显著特点是估计速度优于Kalman滤波，其估计精度略低于Kalman滤波。为提高动基座传递对准的快速性，将精对准分为两次进行。第一次精对准利用日。滤波估计速度快的这一优点，通过速度匹配进行水平对准，第二次精对准采用Kalman滤波通过速度加姿态变化量匹配进行航向对准。仿真结果表明，在测量噪声强度较小时，第一次对准可在2秒钟之内完成，第二次对准可在7秒钟之内完成。两次传递对准可在9秒钟之内完成。     

基于FY-3C/VIRR海温资料的超强厄尔尼诺演变过程诊断分析

为了定量评估FY-3C卫星可见光红外扫描辐射计的海表面温度(SST)产品数据在厄尔尼诺事件分析中的可用性,利用FY-3C SST产品数据对2014/2016年超强厄尔尼诺形成、发展的时空演变过程进行诊断分析,并与气候态分析中常用的美国气象环境预报中心(NCEP)和美国国家大气研究中心(NCAR)联合制作的最优插值海表温度(OISST)资料进行对比评估。研究认为:FY-3C/VIRR月均海温数据能够刻画出厄尔尼诺期间海表面温度异常升高的基本时空分布特征;FY-3C/VIRR SST与OISST资料相比,海温距平场振幅变化范围较小,FY-3C/VIRR SST全样本资料在进行重采样及异常值剔除处理后的气候特征分析效果更好,在具体应用海温产品时可根据应用目标选取高产品等级像元参与运算;中高纬度与赤道低纬度的海温距平存在区域偏差现象,具体表现为FY-3C SST中高纬度海温暖异常值相比OISST偏高,赤道中东太平洋海温暖异常值相对OISST偏低,全局回归系数的代表性是造成这种区域偏差现象出现的主要原因,为FY-3C SST海温资料在气候态分析中的应用提供了借鉴,并为海温资料的进一步完善提供了改进建议。     

基于联合滤波的卫星姿态确定

对由星敏感器、陀螺、太阳敏感器和磁强计构成的组合姿态确定系统,建立了卫星确定系统模型、子系统滤波方程。基于信息融合设计了改进的联合滤波,讨论了信息分配因子确定,给出了改进的系统滤波流程。仿真结果表明：改进后卫星姿态确定的算法有能效提高卫星姿态的估计精度。     

小波阈值滤波在过滤PPG信号时的误差分析

近年来,随着人们对心率变异性的认知越来越深入,各种分析心电数据的算法应运而生。小波变换技术在识别RR间期过程中的起到了非常重要的作用。然而小波变换本身存在一定的误差,这种误差产生的原因是由小波变换的本质决定的。该误差对测试数据的影响,需要具体情况具体分析,不能一概而论。本文分析了小波阈值滤波在过滤PPG信号数据时产生误差的原因,并给出了这一误差的实际测试结果。     

基于GNSS通道差分的紧组合滤波方法研究

在基于伪距、伪距率的常规紧组合导航系统中,若GNSS出现时钟异常等情况,则会引起伪距、伪距率误差异常,从而导致组合导航精度下降;与松组合滤波器相比,常规紧组合滤波器扩充了状态变量的维数,增加了运算复杂度,降低了组合滤波的实时性.本文提出了一种双通道降维滤波算法,其中状态变量不再包含伪距、伪距率误差;以GNSS通道伪距、伪距率差分信息作为观测量.通过仿真表明,采用双通道降维滤波算法可以有效削弱时钟异常等的影响,并且有效提高组合滤波的实时性.     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统,针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题,提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数,以提高SINS单独工作时的定位精度;此外,提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验,结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差,相比于速度约束与卡尔曼滤波相结合的常规算法,有效地提高了GNSS失效时的车载SINS定位精度。     

多普勒辅助测量IMM-PF机动目标跟踪

针对机动目标跟踪问题,提出了一种辅助多普勒测量的交互多模型粒子滤波算法.该算法利用粒子滤波解决系统观测与目标状态之间的非线性问题,并辅助多普勒测量信息在线估计目标角速率,作为目标转弯模型的参数.采用两个可内部切换的运动模型(常速度/逆时针转弯模型、常速度/顺时针转弯模型)作为交互模型,有效地描述了目标机动并减少了模型个数,进一步提高了算法的效率.对一个以不同角速率多次转弯的机动目标进行跟踪仿真,结果验证了算法的可行性和优越性.     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。