Duane模型的导数最小二乘估计

 针对传统最小二乘估计仅仅考虑回归模型曲线本身的试验样本,不能同时对曲线动态变化规律进行描述、未能充分利用模型与数据信息的问题,依据在一次观测中待定参数的取值应使得随机样本与模型各阶导函数在概率尺度下具有最小距离的原理,通过构造模型曲线导数意义下的损失函数,提出了一种能够综合利用模型与试验数据导数信息的导数最小乘方估计方法,推广了传统最小二乘估计的模型条件与使用范围。并结合复杂可修产品可靠性增长的Duane模型给出了参数的一般导数最小二乘估计与最佳导数最小二乘估计式,证明了模型参数的导数最小二乘估计较传统最小二乘估计具有更好的统计性质。为实际中确定模型曲线,进行工程预测提供了一条新的技术途径。     

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

基于视频帧间运动估计的无人机图像车辆检测

基于人工智能(AI)芯片搭建轻量化深度神经网络,可以在无人机(UAV)机载端实现视频中车辆目标的自动检测,具有重要的应用前景。为此,提出了一种针对无人机图像车辆目标的检测方法,并在AI芯片上进行部署与测试。方法具体包括:结合无人机图像中车辆目标的尺寸范围,对MobileNet-SSD网络进行裁剪,构建轻量化单帧图像检测器;为解决小目标特性在轻量网络框架下引发的检测性能下降问题,引入帧间运动矢量估计,根据相邻帧信息辅助预测当前帧丢失目标的位置范围,并利用检测结果进行修正,实现丢失目标的再召回。通过对多个数据集进行融合与自动补充标注,搭建了一个高质量的无人机图像车辆目标数据集;同时将方法在基于RK3399芯片计算的嵌入式开发平台上进行实验验证,结果表明:搭建的网络能够显著减少存储资源占用,具有轻量化的特点;同时相比于单帧检测法,引入视频帧间运动估计方法可以有效提高检测精度,并在AI芯片上实现125.3 ms/帧的检测速度。      

卫星自主导航系统存在常值偏差的滤波方法研究

由于敏感器常值偏差对导航精度影响较大,因此有必要对其进行标定。考虑到传统常偏扩维算法计算量大,且可能出现数值病态的问题,提出了两步UKF算法,该算法对状态和偏差实施分离估计,从而达到解耦目的。不仅能够准确标定常值偏差,而且还可以提高导航精度。近地卫星自主导航系统仿真结果验证了该算法的有效性。     

基于瞬时相位的BPSK信噪比估计算法

通过对加性高斯白噪声条件下正弦型信号瞬时相位分布情况进行研究,提出了一种新的BPSK(Binary Phase Shift Keying)信噪比估计方法.含噪信号瞬时相位的方差与信噪比之间存在近似线性的一一对应关系,以此为基础通过将含噪信号的估计方差与理论值相比较获得信噪比估计值.该方法直接对基带过采样信号进行处理,不需要事先进行符号定时与同步.使用计算机仿真测试了算法的估计性能,并与高阶累积量方法和子空间分解方法进行了比较,结果表明该算法具有更高的估计精度.      

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF,Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE,Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF, Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE, Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

单人行走运动参数估计方法

人体运动雷达微多普勒能够为目标识别提供特征。由于行人雷达回波的复杂性,从雷达回波中提取运动参数难度很大。为了实现目标精确识别,提出了一种估计单人行走平动速度、步态周期和步长的方法。首先应用广义S变换(GST)得到雷达回波的微多普勒谱,然后提取出躯干部位的微多普勒分量,并将此分量转为一维时间频率序列,最后从序列中直接估计行走的平动速度和步态周期,用这2个估计值间接估计步长。仿真实验证明:本文方法抗噪声性能好,当信噪比大于4 dB时,估计精度高。      

火星沙尘环境光学图像增强方法

针对火星探测器着陆时沙尘天气对机器视觉的影响,提出一种去除沙尘天气对光学成像影响的方法,为视觉系统提供清晰输入图像。首先对受沙尘天气影响的图像建立模型,然后求取模型中大气光值与透射系数值。对于大气光值的计算采用基于四叉树细分的方法,在最小值图像上搜寻指定阈值面积中灰度均值最大的区域,在初始图像中相同区域计算各通道均值,作为大气光值。在此基础上计算透射系数,完成清晰图像的恢复。通过对受沙尘影响图像测试表明,该方法能够将受沙尘影响的图像恢复成清晰的图像。即使在复杂的环境中,该方法对光照变化、沙尘强度变化和场景变化等仍具有较好的效果。与其他方法相比,本文方法在去除沙尘对光学图像影响方面效果较好,在恢复图像评价指标等方面优于其他方法,能够进一步提高图像清晰度,为光学图像的后期处理提供更丰富信息。      

高超声速飞行器的干扰补偿Terminal滑模控制

研究了一种基于干扰补偿Terminal滑模的高超声速飞行器姿态控制方法.针对传统Terminal滑模控制存在的奇异问题,提出了一种简单的改进型Terminal滑模面,通过在平衡点附近从非线性滑模面切换至高增益线性滑模面,避免了控制奇异问题,同时保持了较高的收敛速度,并对改进Terminal滑模控制在干扰作用下的误差收敛特性进行了理论分析.为进一步提高控制的鲁棒性和控制精度,设计了扩张状态观测器对干扰进行估计和补偿.进行了六自由度数学仿真验证,仿真结果表明:该方法可有效提高控制系统的控制性能和鲁棒性.