基于北斗导航的车载SINS传递对准研究

针对车载捷联惯性导航系统(SINS)的初始对准问题,研究北斗导航(BD)对SINS的动基座传递对准方法。分析车载传递对准特点,基于速度匹配,建立简化的传递对准误差模型;提出用最小二乘支持向量机网络(LS-SVM)来补偿Kalman滤波器误差并加速传递对准过程。提出传递对准试验方案,进行实际跑车试验,验证了其传递对准方法的快速性和精确性。     

传递对准数字仿真系统Kalman滤波池设计

针对传递对准数字仿真系统匹配方案、滤波算法的研究需求,提出了一种通用滤波机制——Kalman滤波池.滤波池基于VC++6.0开发环境,结合数据库技术、动态链接库技术实现.通过设计通用符号集、操作面板、匹配模型数据库、导航、滤波算法动态链接库及数据库,将对准匹配模型、滤波参数、矩阵、算法等信息压缩为滤波池记录并管理.通过...     

管道地理坐标测量中低精度IMU初始对准技术

针对管道地理坐标测量系统低精度惯性测量单元（inertial measurment unit,IMU）初始对准问题,提出一种管道定位的初始对准方法.针对大角度情况进行粗对准,然后在小角度范围内再进行精对准.在精对准过程中,对测量信号采用一阶马尔科夫模型,提取出符合kalman滤波模型的白噪声分量,随后建立13维状态量的kalman状态方程以及观测方程.对于较大方位误差角引起的非线性,采用Cubature Kalman滤波（Cubature Kalman filtering,CKF）算法对非线性模型进行状态估计,解决了滤波模型的非线性问题并进行了静态对准实验.实验结果表明,设计的算法在计算时间上优于Unscented粒子滤波（Unsented particle filtering,UPF）算法,适于作为管道地理坐标测量的初始对准算法.     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

基于Potter算法的水下航行器动基座初始对准滤波方法

研究了水下航行器动基座对准问题。建立了动基座对准误差模型。在对准时利用GPS提供的速度和姿态信息进行辅助对准,采用速度、姿态匹配的对准方式,建立了系统的观测方程。当考虑加速度计和陀螺仪引起的系统噪声激励时,方位失准角D的估计值振荡幅度较大。针对这一问题,提出了基于Potter算法的动基座对准滤波方法估计3个失准角。理论研究与仿真表明,该方法不但能快速精确地估计出水平失准角,而且解决了D的振荡问题,提高了其估计精度。     

基于视频流的目标检测反馈模型

为了增强智能视觉监控系统的实时性,提出了一种反馈模型。首先采用基于混合高斯模型的减背景算法进行运动目标检测;然后采用Kalman滤波算法进行运动目标跟踪;进而提出了一种反馈模型,将跟踪阶段Kalman滤波的状态预测值反馈到检测阶段的减背景操作中来约束目标检测的有效范围。最后将本文方法(采用反馈模型)与一般方法(未采用反馈模型)进行了对比实验,结果表明,本文方法具有良好的目标检测与跟踪效果,在不影响准确性的前提下,显著降低了运算量,增强了系统的实时性,对于智能视觉监控系统的现实应用具有重要意义。     

多尺度Kalman滤波图像复原

提出了一种小波域多尺度Kalman滤波图像复原方法。根据信号的降晰退化模型在各个尺度上的频域表现形式,建立了Kalman滤波的观测方程,以及小波重构在频域上的形式而建立尺度之间的状态转移方程。将大尺度上得到的复原结果作为多尺度Kalman滤波状态变量的初始值,然后在分解后的各个低频子带上预测复原,最后得到在小尺度(最高分辨率)上的频域复原结果,经过傅立叶逆变换就可以得到最终的复原结果。实验结果表明多尺度Kalman滤波图像复原算法能够产生比较好峰值信噪比。     

船舶运动纵向受扰力和受扰力矩估计方法研究

研究船舶纵向运动受扰力和力矩的估计对于船舶纵向减摇控制是非常必要的.针对典型船舶,建立了船舶纵向运动模型,论述了3种受扰估计方法,中心差分法、有色Kalman滤波方法及扩展Kalman滤波方法.仿真结果表明,以上3种估计方法均可行.若选取相同精度的测量仪表,扩展Kalman滤波估计效果最好,其估计方差相对值在10%以内,有色Kalman滤波估计次之,中心差分法估计最差,但中心差分法计算简便,而扩展Kalman滤波估计方法较繁,且需知干扰力和干扰力矩能量Rw的先验知识.若提高测量仪表精度,则中心差分法估计方差相对值明显改善,可提高到10%以内.     

基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.     

CDKF在捷联惯导系统大失准角初始对准的应用

文章基于欧拉平台误差角的概念,建立了大失准角条件下的捷联惯导系统(SINS)非线性误差模型,深入研究了中心差分卡尔曼滤波(CDKF)技术及其在大失准角对准中的应用,进行了静基座下基于扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)和CDKF滤波的SINS初始对准仿真。仿真结果表明,在失准角均为大角度条件下,用CDKF滤波水平对准精度可达0.18,′方位对准精度可达1.63,′比EKF具有更高的精度,并且避免了求Jacobian矩阵带来的不便,提高了可靠性;与UKF相比具有稍高的精度,并减少了可调参数,在实际应用中更加简单方便。     

多普勒测速声呐的自适应Kalman滤波算法

针对小型自主水下无人潜器的运动特点,设计了一种加速度信息辅助的自适应Kalman滤波器,用于多普勒测速声呐的数据处理.首先基于时间序列分析法,建立了多普勒测速声呐噪声信号的AR模型,并根据当前统计模型设计了多普勒测速声呐Kalman滤波方程.然后针对滤波方程特点,设计了基于S面的自适应Kalman滤波器.实验结果表明,...     

基于Kalman滤波的电容屏触控轨迹平滑算法

针对触控信号易受多种噪声影响而出现触控失真问题,提出了基于Kalman滤波的电容屏触控轨迹平滑算法。通过搭建电容屏触控信号采集和测试平台,获取原始触控电容数据并分析触控轨迹噪声特征,以此建立触控轨迹平滑系统的状态模型和观测模型,经Kalman算法的时域迭代处理实现电容屏触控轨迹的噪声抑制。试验测试结果证明:本文触控轨迹平滑滤波算法对比于传统平滑滤波算法,在不增加计算量的同时获得了更好的轨迹平均平滑度,可用于电容式触摸屏应用系统。     

基于改进Snake模型与Kalman滤波的目标跟踪算法

在基于改进Snake模型的基础上,结合Kalman滤波进行运动预测,提出了跟踪运动物体轮廓的一种方法.在物体轮廓的提取方面,将MINIMAX准则应用于参数的自动选取,对霍夫变换进行改进使其能应用于Snake初始轮廓的自动选取,对动态规划算法进行改进使其应用于Snake模型,使其有更好的收敛效果.并采用Kalman滤波器预测物体的运动轨迹,实现在视频摄像中运动物体的有效跟踪.     

半导体激光器与单模光纤对准平台运动误差分析

为了实现半导体激光器与单模光纤快速精确耦合对准,需分析对准平台的扰动特性.首先,基于半导体激光器与单模光纤的对准误差,构建了五维对准平台.然后,针对半导体激光器与单模光纤对准过程中运动误差的随机性问题,运用多体系统理论,建立了对准平台的拓扑结构模型,并分析了其运动过程中的位姿,得到了半导体激光器末端点运动误差模型.最后,利用Monte Carlo方法,结合该运动误差模型,对运动误差进行了概率分析.结果表明:在不考虑静止误差的情况下,半导体激光器末端点的位置在x、y和z三个方向的运动误差近似为中间高两边低的对称分布.此分析可为对准过程中运动误差补偿提供数据参考.     

广义合作目标跟踪的误差空间估计方法

提出了广义合作目标的概念及误差空间估计方法,提高了光电跟踪系统的跟踪精度与平稳性。该方法采用引导数据与引导误差描述目标的运动,通过将目标的机动分散到引导数据和引导误差,在目标状态空间中根据目标的运动模型进行滤波,在误差空间中根据引导误差模型进行滤波与预测,再进行合成得到目标位置预测数据。实验结果表明在相同的机动水平下,该方法的跟踪性能优于Kalman滤波与强跟踪滤波。     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发，分析了Kalman滤波算法的实质及容量发散的原因，提出在Kalman滤波中引入系统量测噪声协方差阵（R）的计算，并对其加权，从而影响滤波增益，抑制发散，推算舰位／GPS组合导航的应用仿真表明明显测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

Kalman滤波用于舰船运动姿态估计的研究

讨论了 Kalman 滤波用于舰船横摇运动姿态估计的应用方法与应用效果针对海浪干扰及测量噪声均为有色噪声的情况下,提出了如何使用 Kalman 次优滤波器和最优滤波器进行舰船横摇运动姿态的估计和预报的理论基础与方法.在IBM 计算机上进行了数字仿真,并给出了仿真的统计结果与仿真曲线.结果表明,采用本文研究的方法进行舰船横摇运动姿态的估计,可获得令人满意的结果。     

机载PD雷达四维跟踪数据处理原理及实现

在机械PD雷达系统中，建立了机动目标的运动模型和测量模型，着重阐述了Kalman跟踪滤波算法，给出了四维（距离、速度、方位角、俯仰角）跟踪实验系统三重处理器结构的实现，给出了跟踪误差曲线，结果表明：对于跟踪精度高，计算量大的Kalman滤波算法，应用DSP技术能满足实时要求。     

基于Vortex的6自由度平台洗出运动仿真

为了研究并联6自由度平台在车辆驾驶过程中的洗出运动,实现车辆动力学模型和6自由度运动平台模型的联合仿真,提出利用Vortex多体动力学软件对6自由度平台进行建模,复现车辆模型运动过程的仿真方法.平台液压油缸初始位姿采用解析法进行确定,在Matlab/Simulink中实现运动平台的洗出滤波算法和运动学反解算法,利用转弯和直线2种典型运动进行仿真验证.在给定路面上进行虚拟驾驶,Vortex车辆动力学模型解算结果使车辆产生相应的连续运动状态,相关动力学参数经过洗出滤波算法、平台运动学反解运算得到各油缸伸长量,驱动Vortex软件中建立的6自由度运动平台模型.结果表明,利用Vortex软件可以将车辆动力学模型和并联6自由度平台模型进行联合仿真,实现平台洗出运动的可视化.