微惯性/卫星组合导航系统算法研究

微惯导系统(MINS)与卫星导航系统(GNSS)的结合不仅可以充分利用微惯导系统良好的短期性能和GNSS的长期稳定性,弥补MINS系统误差随时间积累和GNSS采样频率低、动态性能差的缺陷,而且使得组合导航系统的精度和动态能力同步提高,保证了系统在卫星信号受遮挡或失效的环境下仍能够以较高的精度自主运行一段时间,正常工作.采用星网宇达的产品采集真实数据进行了离线仿真,比较了多种滤波算法,实验证明,采用UKF取得的效果最好,EKF次之,KF最差.     

基于Kalman滤波和奇偶矢量法的优化RAIM算法

针对传统RAIM算法很难检测微小伪距偏差的问题,可以通过对多个历元的统计检验量进行归一化处理,增大统计检验量的非中心化参数,提高对微小故障的检测率.Kalman新息检测法可以对卫星的故障进行独立检测,具有运算量小、在少星情况时仍能进行故障检测和识别的优点,但是对微小伪距偏差不敏感.针对两种方法的优点提出了基于Kalman滤波和奇偶矢量法的综合RAIM算法.仿真结果表明,该方法不仅可以提高对微小伪距偏差的检测率,同时减少了对可见卫星数的要求,验证了该算法应用于接收机自主完好性检测的可行性和正确性.     

基于宽带滤波巴伦的端射滤波天线

端射天线是一种辐射方向与阵轴的方向一致的天线,因为其具有良好的方向图特性,通常应用在军用雷达探测系统用来解决“盲区”问题。端射天线和滤波器之间由于匹配电路的存在导致系统尺寸较大、损耗增加。将端射天线和滤波器作为整体器件设计成端射滤波天线,端射滤波天线不仅具有辐射、阻抗匹配、滤波和平衡转换功能,而且可以减小电路尺寸,使系统结构更加紧凑。文章通过采用闭合环谐振器设计一款结构紧凑的多层宽带滤波巴伦,并将宽带滤波巴伦和准八木天线进行集成,设计出了一款中心频率 2.5 GHz的端射滤波天线。该滤波天线具有频率带宽较宽、频率选择性高、带外抑制好、结构紧凑等特点。     

涡扇发动机变参数鲁棒H_∞滤波器设计

针对存在建模误差及测量噪声干扰条件下的涡扇发动机性能参数估计问题,标准卡尔曼滤波及其改进算法滤波估计误差收敛速度慢,滤波估计精度低,对不确定测量噪声及建模误差较为敏感,为此本文提出了一种变参数鲁棒H_∞滤波器设计方法。该方法采用仿射参数依赖Lyapunov函数设计满足H_∞性能指标要求的鲁棒滤波器,通过引入凸多胞技术,将参数依赖线性矩阵不等式(Linear Matrix Inequality,LMI)中变参数Lyapunov矩阵与系统系数矩阵之间耦合乘积导致的非凸优化问题,转化为常规LMI约束下的凸优化问题进行求解,降低了线性变参数(Linear Parameter Varying,LPV)鲁棒滤波器设计的保守性,得到了全局解。针对涡扇发动机的仿真结果表明:与扩展卡尔曼滤波器对比,采用该方法设计的滤波器具有较快的动态跟踪速度和较高的滤波精度,ΔFn的稳态估计误差不大于0.1%,ΔFn的相对估计误差不大于2.5%,同时对建模误差和测量噪声干扰具有较强的抑制能力。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

基于联邦自适应滤波的分布式传递对准方法CSCD

为解决复杂飞行环境下由于机翼的挠曲变形等因素导致分布式传递对准的精度下降和稳定性差的问题,提出了一种基于27维状态变量传递对准模型的新型联邦自适应滤波算法。首先,子滤波器采用基于R和P自适应更新的卡尔曼滤波算法并结合27维传递对准模型进行单点传递对准。然后,主滤波器采用基于误差协方差矩阵的原则,对多个子滤波器的冗余信息和信息权重进行信息融合以及自适应分配。基于实际飞行数据的半物理仿真实验表明:该方法在一定程度上提高了分布式传递对准的稳定性和精度,姿态估计稳定性得到明显提高,动态杆臂以及航向角估计精度分别提高了61.54%和42.35%。     

BP神经网络在惯导系统传递对准中的应用

针对系统阶次较高时卡尔曼滤波实时性较差的特点,将多层BP神经网络替代卡尔曼滤波应用于舰载机惯导系统的传递对准。利用卡尔曼滤波的输入、输出作为BP神经网络滤波的样本对值进行训练,得到了神经网络的输出值,实现了惯导传递对准中的滤波功能。仿真结果表明,将BP神经网络用于传递对准,既获得了与卡尔曼滤波相当的精度,又有效地降低了系统的解算时间,提高了系统的实时性。     

基于FPGA的自适应陷波器研究和设计

对基于FPGA的自适应滤波器进行了研究.首先,分析了最小均方根(LMS)算法原理,并介绍了陷波器的稳定性问题.然后,提出了一种基于FPGA的自适应滤波器的实现方法,并进行了仿真验证.最后搭建了试验平台验证了陷波器的功能.仿真和试验结果表明,该自适应陷波器有良好的滤波功能.     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

一种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法

目前,行人导航定位技术已经深入社会的众多领域,受到诸多学者的广泛关注。针对行人跑步状态,研究了一种惯性/零速/GPS室内外无缝组合导航定位方法。首先提出了可靠的、适用于行人跑步零速检测的方法,有效提高了在行人跑步状态下的零速检测的准确性。针对GPS信号容易受到高楼、高架等环境的干扰及在室内容易完全丢失的特点,提出了基于BP神经网络的GPS可用信号筛选方法,提高了GPS信息的可靠性与精准性。在此基础上,研究了基于可变量测的Kalman滤波器,实现了惯性/零速/GPS信息的有效融合,显著提高了在行人跑步状态下的导航定位精度。试验结果表明,所提出的这种适用于跑步状态的惯性/零速/GPS室内外无缝组合导航定位方法的平均定位误差可减小到行人跑步总里程的1%以内。