神经网络辅助卡尔曼滤波在组合导航中的应用

为使基于微机电系统的捷联惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS接收机无法正常工作时,仍能提供满足精度要求的导航信息,提出了径向基函数神经网络(RBFNN)辅助自适应卡尔曼滤波(AKF)的信息融合方法。首先,基于该方法设计了由神经网络训练与预测两种模式构成的组合导航系统。在GPS可用时,对RBFNN进行在线训练;在GPS失锁时,由RBFNN预测AKF更新过程的量测输入。然后,建立了RBFNN与AKF的数学模型,并设计了RBFNN的训练策略与AKF的自适应算法。最后,通过跑车实验验证了该信息融合方法的有效性。实验结果表明,在GPS断开时间为40s和100s时,系统的位置精度分别优于15m和90m。该信息融合方法能在GPS失锁时对导航误差发散进行有效阻尼,是适用于小型无人机、制导炸弹与车辆的一种低成本、高鲁棒性、中等精度的导航方案。     

一种多核DSP的距离多普勒成像设计

距离多普勒算法是合成孔径雷达成像的一种经典方法。随着信号处理性能需求的逐步提高,多核并行处理器已经逐步发展起来,如TI的C6678处理器为8核DSP。在多核DSP实现成像算法时,多核多线程设计、多核任务分配、计算传输平衡等问题是影响性能的关键问题。采用数据并行的方式实现并行设计框架。针对距离多普勒算法的特点,设计收数同时脉压、8核协同处理大点数脉压,以及每个核独立处理小点数任务等多种并行方式。通过基于多核DSP的并行设计,大大提高了距离多普勒算法的处理性能。