采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法

针对低成本惯性测量单元精度受载体机动影响大、先验知识难以准确获知的问题,提出一种采用卡方检验的模糊自适应无迹卡尔曼滤波组合导航算法.首先,根据惯性测量单元的基本情况构造系统噪声的粗略模型;然后,引入卡方检验对系统状态模型进行评估,得到相应的卡方检验值;最后,通过预设的模糊逻辑函数和卡方检验值求取系统噪声估计值,得到具有系统噪声统计特性调整的自适应无迹卡尔曼滤波算法.所提出的算法可以克服低成本惯性测量单元难以准确获知先验知识的缺陷.通过SINS/GPS组合导航系统的仿真实例,验证了所提出算法的有效性.     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

基于改进卡尔曼滤波的陀螺仪误差补偿算法

针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.     

线性离散随机系统输入和状态的多步估计方法及应用

具有未知输入的系统的状态估计问题已经在过去几十年里引起了相当的关注.本文对于线性离散随机系统提出了一种基于多步信息的输入和状态同步估计方法.首先,采用多步信息的最小方差方法来获得未知输入.由于引入了包含多个时间步骤的扩张状态和测量向量而计算多步信息,使估计结果与一步估计相比减少了对噪声的敏感性.其次,利用输入估计值和卡尔曼滤波估计过去和当前的状态.该方法在未知输入维数等于状态维数时仍然有良好的估计效果.数值仿真验证了提出的估计方法的有效性.最后,该方法应用于厌氧消化过程反应罐中的溶解甲烷和二氧化碳的浓度估计以验证方法的实用性.     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

基于贝叶斯分类算法的电子呼啦圈设计

针对实体的呼啦圈体积大,不易携带,使用不当可能对身体造成伤害的问题,设计了一种基于贝叶斯分类算法的电子呼啦圈.系统使用三轴加速度计采集呼啦圈旋转时腰部的加速度信号,经卡尔曼滤波后,提取特定周期内的波形特征并以此训练贝叶斯分类器,利用训练后的分类器对实时滑动窗口内加速度计数据进行判断是否符合转实体呼啦圈腰部的运动特征,并将分类结果通过蓝牙发送至Android终端.实验证明:该设计功耗低,实时性好,准确率高.     

DTN网络中一种基于灰色预测和状态估计的位置预测方法

典型的延迟容忍网络（DTN）中,由于中继节点间的链路延时和间歇性中断,用于预测运动节点位置的观测数据在传输中常常滞后、丢失。为了在这样的环境下对这些节点的位置进行及时、准确的预测,该文首先建立了基于方位角的节点运动状态方程,然后利用灰色预测理论对方位角进行预测,再基于该预测值利用扩展卡尔曼滤波算法对目标节点的坐标值进行递推估计。仿真分析表明,采用这样的位置预测算法,可以克服DTN网络中观测数据经常缺失的缺点,可实现对DTN网络节点的位置进行在线预测,相较于对坐标值进行直接预测,其准确性有进一步提高。     

一种新的车辆辅助驾驶动态障碍物检测与分类方法

车前动态障碍物的检测与识别在智能车辆辅助驾驶中具有重要意义。为了解决道路视频中的运动障碍物检测和分类准确率低的问题,提出了一种基于卡尔曼滤波和朴素贝叶斯网络结合的检测与分类方法。首先采用卡尔曼滤波算法检测视频中的障碍物,并将检测到的障碍物进行特征提取。采用障碍物对称性与边缘直线水平度等特征,建立朴素贝叶斯网络对车辆前方的障碍物进行分类。实验结果表明,障碍物检测的准确率达到95％,对摩托车或自行车、汽车正面、汽车侧面和行人等障碍物识别准确率达到98.75%。     

基于单片机控制的旋转倒立摆建模分析与系统设计

旋转倒立摆结构简单,但控制系统较为复杂。介绍了旋转倒立摆的结构原理,运用分析力学中的Lagrange方程建立了旋转倒立摆的线性数学模型,推导出其公式及较为准确的状态方程描述,分析了旋转倒立摆的不稳定性和可控性。设计了控制系统硬件电路及软件程序编写,对系统整个控制过程进行了数据采集、图形展示,分析了摆杆从自然下垂到摆起180°实现倒立的整个过程。系统采用离散PID调节算法进行控制,保证了系统的稳定性,融入卡尔曼滤波算法滤除可能出现的干扰信号,保证了数据的准确性。     

采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法

太阳能高空长航时无人机导航系统中,捷联惯导/北斗2κ全球卫星导航/星光导航(SINS/BD2/GPS/CNS)是一种可用的组合方案.针对常规容错组合导航算法故障检测类型单一,故障时滤波精度下降的问题,提出一种采用双状态卡方检验(TSPCST)和模糊自适应滤波(FAF)的容错组合导航算法.为了同时检测多种故障,将TSPCST应用于联邦滤波结构中;为了防止故障数据污染系统,利用FAF输出的高精度导航信息,对双状态传播器定期交替校正;进一步,FAF运用TSPCST检测得到的故障信息变量,定义量测子系统模糊有效域,将检测阈值模糊化,以弥补常规固定检测阈值算法难以选取阈值的不足;最后,通过计算信息分配因子,自适应处理多种故障数据.仿真结果表明,该容错组合导航算法性能优于常规固定检测阈值算法.