基于光纤陀螺ARMA模型的罗经法自主对准工程实现

在完成光纤陀螺捷联惯导系统样机的罗经法初始对准基础上,为进一步提高初始对准的精度,建立3个光纤陀螺仪随机漂移数据的ARMA模型,采用卡尔曼滤波算法进行光纤陀螺仪随机漂移的精确估计.在三轴转台试验中分析了加入光纤陀螺随机漂移ARMA模型前后的罗经法对准精度,得出光纤陀螺ARMA模型能有效地提高初始对准的精度,验证了其在工程应用中的价值.     

光纤陀螺随机建模与仿真研究

研究光纤陀螺的随机漂移特性对提高光纤陀螺的精度具有重要意义.分析了光纤陀螺的随机误差特性的总方差特征,建立了光纤陀螺的随机模型,给出了各种随机噪声的仿真方法,提出了模拟光纤陀螺随机漂移的方法.在随机仿真中,采用平衡多小波变换的方法来模拟1/f噪声,用白噪声一次离散积分的方法来模拟速率随机游走噪声,用一阶马尔可夫过程来模拟指数相关噪声.进行了随机仿真实验,结果表明,建立的随机模型和采用的仿真方法是合理有效的.     

斜装液浮陀螺一次项漂移系数系统级分离算法

在免拆卸条件下,为实现实时监测倾斜安装在惯性测量单元(IMU,inertial measurement unit)中的液浮陀螺一次项漂移系数DI、Ds,提出一种利用惯性测量单元标定参数解算液浮陀螺一次项漂移系数的系统级分离算法.通过对液浮陀螺结构和斜装原理的分析,给出了液浮陀螺单表和系统的误差模型,并基于误差模型和已经获取的斜装IMU的误差参数,设计了液浮陀螺一次项漂移系数的系统级分离算法,该算法不需要设计复杂的倾斜标定工装,同时免去了液浮陀螺从惯性测量单元上拆卸的麻烦,减少了误差积累,参数的分离精度高、残差小,与单表一次项漂移系数分离结果的极差优于1.301×10-3(°)·(h·g0)-1,完全满足工程应用中高精度惯性测量单元对液浮陀螺一次项漂移系数的分离精度要求.     

函数型神经网络在捷联陀螺非线性估计中的应用

针对神经网络的强自学习性、自适应能力及非线性变换特性,结合陀螺静态漂移误差模型,采用函数型神经网络对捷联陀螺静态漂移误差系数进行了非线性估计,解决了捷联陀螺重复启动时的静态漂移误差系数的在线动态标定问题。     

正则粒子滤波算法在MEMS陀螺滤波处理中的应用

针对MEMS陀螺随机漂移的滤除,引入正则粒子滤波算法对其进行处理。首先,采集MEMS陀螺静态漂移数据,对其预处理;然后,采用时间序列分析方法建立自回归AR模型,并将其转化为相应的状态空间模型;最后,利用正则粒子滤波算法对MEMS陀螺随机漂移进行估计和补偿,并与工程中常见的方法进行对比。试验及仿真结果表明,正则粒子滤波在抑制MEMS陀螺随机漂移时效果显著,具有较高的实际应用价值。     

神经网络在光纤陀螺温度补偿中的应用

为了消除光纤陀螺的温度效应并提高陀螺的精度,将神经网络应用于光纤陀螺温度漂移模型的辨识和温度补偿中.采用神经网络算法中的误差反向传播算法,在采集的光纤陀螺漂移数据样本的基础上对其进行了非线性辨识,通过对所采集数据的学习训练出了有效的温度补偿网络,并用实验测试数据验证了该方法的有效性.数据分析表明,神经网络温度补偿方法可以明显改善陀螺的零偏稳定性能.     

一种渐消自适应滤波算法在陀螺监控中的应用

依据卡尔曼滤波器在使用最佳增益时，其余差互不相关的性质，提出一种基于陀螺随机漂移ARMA模型的渐消自适应卡尔曼滤波算法，可以有效地得到系统陀螺随机漂移的最优估计，保证误差补偿的精度．     

船用极区格网惯性导航系统综合校正方法

为抑制适用于极区的船用格网惯性导航系统随时间积累的导航误差,提出一种基于格网坐标系的综合校正方法对陀螺常值漂移进行估计和补偿. 该方法首先基于格网坐标系推导了P方程,该方程建立起位置误差、格网航向误差与平台漂移角ψ的关系;其次推导了ψ方程,该方程建立起陀螺常值漂移与平台漂移角的关系;最后基于P方程与ψ方程设计了一种两点式综合校正方案,该方案通过建立观测量误差与载体坐标系下陀螺常值漂移之间的关系完成对陀螺常值漂移的估计和补偿.系统在外水平阻尼条件下间断地获取两次外部位置和航向信息后对陀螺常值漂移进行估计,进而对位置和格网航向误差重调并补偿陀螺常值漂移即可完成船用格网惯导系统的综合校正. 仿真结果表明:在两次间断的外部位置和航向信息辅助下,所设计的两点校综合校正算法可以准确地估计出载体坐标系下的陀螺常值漂移,补偿陀螺常值漂移并进行系统重调可有效抑制船用格网惯导系统随时间积累的导航误差,从而有效地保证了船舶在极区航行时的导航精度.     

动力学模型系统误差的随机加权估计

提出用新兴的随机加权估计算法对动力学模型系统误差进行估计,以控制动态模型噪声异常对状态参数估值的影响.该算法根据实际需要对动力学模型误差和状态预报值向量的协方差阵进行随机加权,以控制残差向量协方差阵和新息向量协方差阵的大小,削弱模型误差对状态参数向量的影响,提高动态导航解算的滤波精度.仿真结果表明,提出的随机加权估计算法的估计精度,明显优于经典Kalman滤波和抗差自适应Kalman滤波,能提高飞行器动态导航定位的精度.     

一种数字式寻北陀螺仪的研究

介绍一种数字式寻北陀螺仪，它立足于国内现有条件，以计算罗经原理为基础，采用双位置力反馈平衡法和补角修正措施，用来消除陀螺常值漂移的影响以提高方位计算精度。文中除介绍其一般构造原理外，在假定陀螺漂移为一阶马尔可夫过程的情况下进行了计算机仿真，结果表明：在陀螺漂移的常值分量为０．１°／ｈ和随机漂移为０．０１°／ｈ时，方位误差小于２０＂，并且无方位角效应的影响     

多变量受控自回归滑动平均系统的极大似然辨识方法

提出了一种针对多变量受控自回归滑动平均(controlled autoregressive moving average system-like, CARMA-like)系统的极大似然参数估计算法。将CARMA-like系统分解成为m个辨识模型(m是输出量的个数),使每一个辨识模型仅包含一个需要估计的参数向量,通过极大似然方法估计每个辨识模型的参数向量,从而得到整个系统的参数估计值。仿真结果验证了该算法的有效性。     

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.     

一种基于ARMA模型的欠定混合快速跳频信号参数盲估计算法

针对欠定情况下的快速跳频信号的参数估计问题,在基于自回归滑动平均(ARMA)模型的跳变点检测方法的基础上,提出了一种改进的快速跳频信号参数盲估计算法. 通过跳周期修正ARMA模型预测点和傅里叶变换分别得到准确的跳变时刻和载频估计,从而实现快速跳频信号的参数估计. 实验结果表明,该算法在欠定条件下,当信噪比大于10 dB时,相对现有算法跳变点检测准确率增加了5倍左右,检测准确的概率可以达到90%以上.     

利用AR模型解决全相位技术数据长度限制

针对在建筑结构领域全相位技术中对数据长度的限制问题,提出使用基于自回归（AR）模型的数据外推方法（AREX）,给出适用于全相位技术的AR模型定阶算法. 提出以有效频段最大能量集中为原则确定AR模型阶数的算法（ECC）,与最终预测误差（FPE）、阿凯克信息准则（AIC）、贝叶斯信息准则（BIC）及奇异值差分谱准则（SVD）进行对比. 结果表明,ECC算法更适合AREX方法. 将原始信号及AREX方法与常见数据扩展方法的估计信号进行全相位处理,结果表明,AREX估计信号的波形和频谱的相似程度均优于其余方法. 将AREX方法用于建筑结构有限元分析数据和振动台试验信号的全相位数据处理,结果表明,AREX估计信号基本上可以等效原始信号结果,表明AREX可以解决全相位数据长度的限制问题.     

自回归估计模型在广西某高层建筑变形监测中的应用

采用先进的GPS应用技术——连续运行参考站系统（CORS）,结合自回归模型最小二乘参数估计数学模型,通过对2年的CORS和高层建筑上的变形监测点的观测数据,分析广西某高层建筑的倾斜变形．已知有2年共24周期的观测数据,通过自回归估计获得第25—27周期的参数估值,并与实际观测的第25—27周期数据进行比对,估值和似然值较接近,第25周期数据基本一致,26和27周期数据分别有3mm和6mm的误差,但误差均在置信区间内．从而验证了自回归估计模型在该高层建筑变形监测中应用的可行性．     

DSP-TMM: A Robust Cluster Analysis Method Based on Diversity Self-Paced T-Mixture Model

In order to implement the robust cluster analysis, solve the problem that the outliers in the data will have a serious disturbance to the probability density parameter estimation, and therefore affect the accuracy of clustering, a robust cluster analysis method is proposed which is based on the diversity self-paced t-mixture model. This model firstly adopts the t-distribution as the sub-model which tail is easily controllable. On this basis, it utilizes the entropy penalty expectation conditional maximal algorithm as a pre-clustering step to estimate the initial parameters. After that, this model introduces l_2,1-norm as a self-paced regularization term and developes a new ECM optimization algorithm, in order to select high confidence samples from each component in training. Finally, experimental results on several real-world datasets in different noise environments show that the diversity self-paced t-mixture model outperforms the state-of-the-art clustering methods. It provides significant guidance for the construction of the robust mixture distribution model.     

改进的三次相位函数法LFM雷达信号参数估计

为了研究对线性调频(LFM)雷达信号的参数估计,提出了利用改进的三次相位函数法对LFM雷达信号进行参数估计.三次相位函数法可提取信号的相位函数的各项系数,并且只需通过二阶非线性变换在信号参数空间形成最大值来进行估计参数,具有较高的精度和良好的低信噪比能力,但是计算量较大.针对三次相位函数法计算量大的问题,提出调频斜率搜索范围设定准则及双尺度调频斜率搜索法,可减少大量计算量,同时保持了低信噪比下的算法精度.仿真测试结果表明,新算法有效地减小了计算量,并且保证了低信噪比下的算法精度,算法性能得到了提高.     

同元次分数阶模型的一种具有稳定约束的频域辨识算法

摘 要：为了进一步提高同元次分数阶模型的辨识精度与可靠性,提出一种具有稳定约束的可分离非线性最小二乘法(记为:SC-SNLS)来优化频域均方误差指标函数。模型中线性参数与非线性参数分别用最小二乘法与Levenberg-Marquardt(LM)法来交替迭代估计。通过对线性参数估计值的扰动分析,揭示了优化算法的四种不稳定因素,并在迭代中加以约束与处理,从而增强优化算法的稳定性与收敛性。仿真结果表明,该辨识算法性能优于相关的算法,具有更高的辨识精度与收敛速度。     

考虑不确定测量的惯性平台剩余寿命自适应预测

针对现有剩余寿命预测方法未考虑测量误差引起的不确定性,且存在预测不确定性大的问题,提出了一种基于Wiener过程的退化过程建模方法,并将测量的不确定性考虑到剩余寿命预测中,推导出了剩余寿命的概率分布。为了实时更新模型参数,利用Kalman滤波算法实时估计Wiener过程中的漂移系数,并利用期望最大化算法实时估计其它相关参数。以某型号惯性平台的退化测量数据为例,进行了实验验证,结果表明,相比其它算法,文中算法能够降低剩余寿命预测的不确定性,提高预测精度。     

一种用于人体运动捕获的自适应混合滤波融合算法

针对基于惯性传感器的人体运动捕获系统存在陀螺漂移和噪声干扰等问题,提出一种多元传感器信息融合的自适应混合滤波融合算法。算法首先利用快速高斯牛顿法对加速度计和磁力计数据进行姿态信息迭代估算,用四元数将参考坐标系中的加速度和磁场强度分量转换到载体坐标中,将转换后的值与当前时刻测量值的差值代入高斯牛顿迭代算法中用于四元数的实时值估计,通过确定搜索步长的最优值来缩短迭代次数,提高算法收敛速度。设计自适应的互补滤波器将高斯牛顿法解算的姿态信息作为观测矢量对陀螺漂移进行补偿,分别使用高通滤波器和低通滤波器处理陀螺仪数据和高斯牛顿算法优化过后的加速度计、磁力计数据。在互补滤波器中引入重力矢量及地磁参考矢量自适应调节滤波器参数用于实时调整不同算法的权重大小,融合后输出最终的姿态信息,实现最优估计。进行实验对比分析本算法和其他算法融合效果,结果表明,本算法有效降低陀螺累积误差、线性加速度及磁场对解算精度的干扰,磁干扰状态下误差为0.94 °,自由运动状态下误差为1 °。对比扩展卡尔曼滤波融合算法,本文算法执行时间缩短25 %,有效提升了运动捕获系统的性能。