多终端仅测速分布式协同实时滤波定轨算法

针对集中式滤波定轨系统中存在信息融合中心导致系统生存能力降低的问题,提出一种基于3阶球面单纯形-径向容积准则(3-SSRCR)的多终端分布式协同定轨算法。首先,使用3-SSRCR计算高斯加权积分,并利用统计线性误差传播的方法将3-SSRCR嵌入EKCF算法的滤波更新方程,将多维非线性系统的分布式滤波精度从1阶提高到3阶,且具有较高的数值计算稳定性。每个终端在EKCF算法框架下仅接收和融合其邻居终端发送的信息,在通信拓扑结构上无需信息融合中心。然后,以带J2项摄动的轨道动力学模型为状态方程,以测速元与轨道状态的非线性关系为量测方程,建立了实时定轨数学模型。仿真结果表明,系统中任何一个终端的失效均不会导致系统崩溃,从而验证了该算法的有效性。     

基于SVD的多终端实时定轨自适应鲁棒CKF算法

针对多终端实时定轨过程中难以精确获得量测噪声统计特性及存在异常测速值导致滤波精度降低的问题,提出一种基于奇异值分解(SVD)的自适应鲁棒容积卡尔曼滤波(CKF)算法。使用欧拉预测校正法离散带J2项摄动的轨道动力学方程以得到状态方程。将H∞鲁棒滤波思想应用于CKF算法,建立了非线性条件下约束水平与滤波信息的反比关系,实现对约束水平的自适应调整,并使用SVD代替传统的Cholesky分解以提高数值计算的稳定性。仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度;相比标准CKF算法,自适应鲁棒CKF算法具有更高的定轨精度及鲁棒性。     

复杂有色噪声广义系统信息融合Kalman滤波器

针对带复杂有色噪声的线性广义系统,提出了矩阵加权融合稳态Kalman滤波器.应用奇异值分解将原广义系统滤波问题转化为两个正常子系统滤波问题.通过状态增广与量测变换法将有色过程噪声、有色量测噪声化为白噪声,因此问题转化为带相关白噪声正常系统Kalman预报问题.基于线性最小方差意义与矩阵加权融合准则得到了复杂有色噪声作用下的广义系统融合Kalman预报器,进而得到带复杂有色噪声的原广义系统滤波器.该滤波加权融合算法精度高于各单传感器局部滤波器,低于集中式融合滤波器.Monte-Carlo仿真实验证明了该滤波融合算法的有效性与可行性.     

一类不确定系统分布式鲁棒融合滤波器设计

结合鲁棒滤波理论与数据融合技术,基于参数依赖Lyapunov函数,研究了一类多传感器不确定连续系统的鲁棒融合滤波器设计问题.在集中式融合的基础上,探讨了分布式加权融合滤波器的设计方法,通过仿真实验比较了鲁棒融合滤波器的性能.仿真结果表明,利用该分布式加权融合算法,不仅可解决系统模型中存在参数不确定性时的滤波问题,且鲁棒性好和计算量低,可以满足不同精度鲁棒融合滤波器的设计需要,具有较大的灵活性.     

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。     

基于最大一致的水下目标协同定位

针对水下运动目标定位时,现有的平均一致无迹Kalman 滤波器仅能实现近似一致而带来定位精度低的问题,提出一种分布式最大一致无迹 Kalman 信息滤波算法。首先,建立目标与传感器模型,构建水下目标协同定位框架;然后,通过等价变换将集中式无迹 Kalman 滤波算法改写为信息滤波形式,降低传感器计算维数;最后,对改写后的信息向量和信息矩阵采用最大一致处理策略,并引入虚拟节点技术来处理节点同值问题。结果表明,所提算法的定位轨迹与目标实际轨迹重合度更高且误差整体水平更小,验证了所提算法的有效性。     

基于高斯和与SCKF的非线性非高斯滤波算法

针对均方根容积卡尔曼滤波(SCKF)对非高斯情况滤波效果差的问题,在分析SCKF和高斯和滤波基础上,提出一种高斯和均方根容积卡尔曼滤波新算法。算法采用高斯和形式来逼近非高斯后验概率密度,将SCKF作为子滤波器,对每个高斯分量进行时间和量测更新,使其有效解决非线性非高斯滤波问题。仿真结果表明,高斯和均方根容积卡尔曼滤波估计精度高于粒子滤波和高斯和扩展卡尔曼滤波算法,与容积粒子滤波精度相当,但耗时约为容积粒子滤波的15%,是一种较好平衡跟踪精度和实时性的非线性非高斯滤波算法。     

多终端五阶强跟踪容积卡尔曼滤波实时定轨

为了提高多手持终端对卫星脉冲机动轨道的实时确定精度,并降低定轨精度对滤波初值的敏感性,提出一种五阶强跟踪球面单形-径向容积卡尔曼滤波(5-STSSRCKF)方法。采用n维正则单形变换群和矩匹配法推导五阶球面单形-径向容积准则,并将该准则嵌入强跟踪滤波(STF)框架。利用STF的等价表示计算次优渐消因子,实现了在滤波稳定时在线实时调整增益矩阵,克服了残差增大时增益矩阵仍保持极小值的缺点,提高了对系统突变状态的跟踪能力。进行了仿真实验,结果表明,当滤波初值误差增大时,已有方法的定轨精度降低为1 798.199m,而提出的5-STSSRCKF的定轨精度可以维持在8.688m;当卫星进行脉冲机动时,已有方法不具备对机动轨道状态的跟踪能力,而5-STSSRCKF的定轨精度仍然维持在8.976m。实验显示,5-STSSRCKF对滤波初值不敏感,并且对卫星脉冲机动轨道的实时确定精度更高。     

半球谐振陀螺滤波算法研究

针对半球谐振陀螺输出信号噪声的特点,提出了一种处理该噪声的前向线性预测(FLP)滤波与小波变换相结合的滤波方法,运用Allan方差法对滤波结果进行了分析.该方法以FLP滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器.为了改进该级联滤波算法的不足,提出了基于神经网络的滤波融合算法.仿真结果表明,该滤波融合算法保留了级联滤波算法的优势,同时最大程度的保留了信息的完整度,滤波精度得到极大提高.     

多旋翼姿态解算中的改进自适应扩展Kalman算法

提出了一种改进的Sage-Husa自适应扩展Kalman滤波算法,用于保证多旋翼无人机在噪声统计特性未知且时变、振动为主要扰动源、姿态角高动态变化等飞行条件下飞行姿态角解算的精度与稳定性。该算法采用微机电系统陀螺仪实时动态解算的姿态角方差估计系统噪声方差;并采用自适应滤波算法在线估计量测噪声方差,从而保证滤波的精度与稳定性;同时引入滤波器收敛性判据,结合强跟踪Kalman滤波算法来抑制滤波发散。飞行实验与分析表明:改进算法解算的俯仰角与横滚角均方根误差分别为1.722°和1.182°,明显优于常规的Sage-Husa自适应滤波算法。实验还显示:改进的算法自适应能力强、实时性好、精度高、运行可靠,能够满足多旋翼无人机自主飞行的需要,若对参数进行适当修改,还可应用于其它动态性能要求较高的导航信息测量系统中。     

基于 Huber 鲁棒容积裂变粒子滤波的协同导航方法

数据融合作为多源协同导航方案中的一环对状态估计质量影响重大。粒子滤波由于其在非线性非高斯系统中具备的独特理论优势已逐渐成为众多融合方法焦点。但粒子退化及其导致的样本枯竭却制约粒子滤波在复杂工程中的应用。提出采用鲁棒容积裂变粒子滤波解决上述问题。首先在容积法则框架下利用Huber函数将L2范数与L1范数结合来改进重要性密度函数,抑制观测噪声并通过高斯分布融合拉普拉斯分布进一步优化建议分布,以此缓解粒子退化;在重采样前对粒子群进行裂变衍生,通过对高权值粒子进行裂变并覆盖低权值粒子重构粒子权值实现对样本枯竭的抑制。多源协同导航车载实验表明,在相同条件下,相对于扩展卡尔曼滤波、容积粒子滤波、强跟踪粒子滤波,提出的算法在精确度上分别提高了23.04%、42.62%、37.74%,为缓解粒子退化和多源协同定位提供了新的思路。     

非同步量测特性的惯性/星光/卫星组合算法研究

多传感器组合是提高导航系统定位精度和增强系统容错性的有效手段.在分析惯性、星光、卫星导航工作特性的基础上,提出了基于集中滤波器结构的捷联惯性/星光/卫星信息融合导航方案.针对多传感器信息融合中非等间隔量测特性,设计了时间更新和量测更新分离的异步集中卡尔曼滤波算法,设计了基于外推法的卫星信息补偿算法,有效解决了多传感器非等间隔信息融合问题;针对垂直机动研究了惯性/星光姿态组合模型.仿真结果表明,算法可以有效实现对捷联惯导、星光、卫星导航信息的融合,组合精度提高1倍,具有重要的实际应用价值.     

结合引导滤波和卷积稀疏表示的红外与可见光图像融合

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题,将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合,提出一种新的图像融合方法。利用引导滤波和高斯低通滤波,将源图像分解为低频近似部分、强边缘部分和高频细节部分,并将高频细节部分进行非下采样方向滤波,进一步得到高频方向细节部分;对低频近似部分应用基于局部区域能量的融合规则,对强边缘部分提出一种基于卷积稀疏表示的融合规则,对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则,得到相应的融合部分,并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明,算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法,其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。     

基于置信传播的多运动平台随机组网协同导航

在协同网络中,随着导航个体数目的增加,如何确定参与组网的导航平台并获取其状态与观测量的数据关联性是实现 小型规模的多运动平台协同导航的关键。 本文提出一种基于置信传播的多运动平台随机组网协同导航方法,采用随机有限集 对状态和量测量进行建模并附加标签,构造带有标签的多伯努利粒子滤波器,采用基于置信传播的多运动平台随机组网协同导 航方法,并利用运动目标平台与基站的绝对观测、运动目标平台与临近平台相对观测融合,通过粒子滤波器和置信传播对系统 中的量测信息进行处理,相比较于非参数置信传播算法扩展因子结构作为置信度算法的逼近,该算法实现概率数据关联进行导 航系统状态估计。 仿真和物理实验结果表明:非参数置信传播算法在不同基站和不同粒子数的解算结果性能较差;本文提出的 算法受基站个数和粒子个数的影响较小鲁棒性好,收敛性好,均方根误差不高于 0. 3 cm,精度高于前者一个数量级,该算法能 够有效获取导航平台的位置信息。     

采用自适应一致性UKF的分布式目标跟踪

由于传统分布式跟踪方法在先验噪声协方差与其实际值不相匹配时跟踪误差较大,提出了一种采用自适应一致性无迹卡尔曼滤波的分布式目标跟踪方法,该方法首先执行分布式UKF算法得到对当前移动目标状态的估计值,然后通过一个系统错误检测机制,确定是否需要对噪声协方差值进行更新。如需要,则根据当前获得的测量信息去估计当前噪声协方差,并联合该估计值和先前的噪声协方差值获得一个新的先验噪声协方差值。最后根据新获得的噪声协方差值对获得的目标状态估计值进行修正。实验结果表明该方法具有较好的准确性和鲁棒性：在噪声未知环境下,基于ACUKF的分布式跟踪方法相比于基于容积信息滤波和基于分布式无迹卡尔曼滤波的跟踪方法,最大跟踪误差值分别减少了49.93%和 51.46%;在目标过程噪声发生动态变化的情况下,提出的方法相比于上述两种传统跟踪方法,跟踪误差值分别减少了40.67%和40.06%。     

基于多基站IMMKF-DOA辅助车辆协同定位算法研究

针对传统卡尔曼滤波算法在进行车辆实时运动过程中难以精准定位问题,提出一种基于运动状态自适应的交互多模型卡尔曼滤波(Interacting multiple model Kalman filter,IMMKF)与多基站到达方向(Direction-of-arrival,DOA)相融合进行车辆位置实时估计算法。基于无偏估计器对测量噪声协方差进行实时更新并将其嵌入标准卡尔曼滤波算法中实现自适应交互多模型卡尔曼滤波。针对车辆不同运动状态及动态行驶环境对车辆定位估计精度的影响,构建自适应交互多模型卡尔曼滤波器与多基站信息融合算法进行车辆位置实时估计,考虑不同车速与不同基站数等行驶工况下车辆定位精度的变化趋势,实现车辆实时位置的准确估计。利用PreScan-Simulink联合仿真平台进行虚拟仿真验证和实车试验验证。结果表明,基于交互多模型卡尔曼滤波与到达方向角的融合算法相对标准的卡尔曼滤波估计精度高,较好地改善了传统单一模型的卡尔曼滤波算法在进行车辆实时运动状态估计过程中精准定位问题,实车试验验证了提出算法对车辆定位精度较传统卡尔曼滤波算法的精度提高了一个数量级,实现了更精确的车辆位置估计。     

油管壁厚测量数据的一致性加权融合估计算法

在随机拔动环境中采用漏磁场法在线测量油管壁厚时，每个磁性传感器只能得到环境的部分信息。为了对各传感器的局部测量值进行稳健融合估计，提出了油管壁厚测量数据的一致性加权融合估计算法。利用改进的数据探测技术中的分布图方法对各个传感器的一致性进行检验，并采用简单加权平均法求得一致性传感器测量数据的稳健融合估计值。融合实例表明，该算法能有效地提高系统测量的稳健性，且具有精度高、运算简单等特点。该算法适用于多传感器测量数据的实时高精度融合估计。     

光针轮廓扫描技术测量内螺纹曲面

分析了激光光针扫描在测量内螺纹曲面时的特性及影响精度的因素。根据光斑在被测面的噪声分布特点,采用中值滤波与小波阈值去噪相结合的综合滤波算法对光斑图像进行了去噪处理,其中中值滤波可以有效地消除光斑图像中的脉冲噪声,而基于小波变换的阈值去噪算法可以消除图像中的高斯噪声。通过综合滤波算法对光斑图像进行处理,可以有效消除激光光斑噪声,消除图像噪声对测量精度的影响,同时保持了光斑图像的细部特征。根据激光光斑图像在倾斜被测物体表面光强分布特点,设计了近似圆拟合算法来确定光斑中心,该算法相对传统算法具有计算量小、计算效率高,适合在线检测的特点,可以克服测量面倾斜对激光光斑中心的影响。利用采用上述方法的坐标机激光光针扫描系统,对标准内螺纹量规进行测量,对比应用前后的测量结果,螺距精度提高了0.48 mm,中径测量精度提高了0.44 mm,牙型角精度提高0.57°。     

基于多源信息融合的配电网停电风险预警方法研究

:针对现有的配电网停电风险预警方法中多源数据的交换过程耗时较长,造成预警响应的时间 过长,预警效率偏低的问题。提出基于多源信息融合的配电网停电风险预警方法。根据配电网停电风险的 具体情况确定关键风险源大致范围,在其中设置多个传感器监测配电网运行状态,获得传感器阻抗变化信 息,建立配电网停电风险预判模型。利用多源信息融合技术将多个传感器阻抗变化信息融合在一起,以生 成的融合结果为依据判断预警级别,在经过预警模块核实后,通过可视化模块显示出预警结果,实现对配电 网停电风险的预警。测试结果表明,对于相同的停电风险,与现有的预警方法相比,所提的基于多源信息融 合的配电网停电风险预警方法的预警响应明显缩短,预警效率大大提高。