基于神经网络的武器声控系统的实现

文中介绍了利用神经网络进行实际系统设计的要点和实际中遇到的问题。由于语音信号的时域时变和频域漂移干扰神经网络．系统采用了降采样、频域归一化技术、倒谱域信号移位技术进行补偿。武器声控控制系统采用了VxWorks嵌入式实时操作系统．保证了对命令的及时响应。基于神经网络的武器声控控制系统能够大大地减轻武器操作的复杂程度．降低误操作率,并极大地提高作战效率。     

无陀螺捷联惯导系统角速度解算新方法

针对无陀螺捷联惯导系统解算载体角速度精度不高的系统瓶颈,提出了两种新的角速度解算方法.基于一种九加速度计配置方案,利用比力方程解算得到的角加速度项、角速度平方项和乘积项,构造了两种角速度的辅助算法.此法避免了由于积分导致误差积累的同时,也避免符号判断、数据开方的过程.仿真结果不仅表明了两种辅助算法的可行性,而且在解算精度方面也优于积分法和开方法.     

用概率假设密度滤波实现同步定位与地图创建

针对杂波环境中传统同步定位与地图创建(SLAM)算法无法有效表达传感器多种信息以及容易发生错误数据关联的问题,提出一种基于概率假设密度滤波的SLAM算法。该算法将每一时刻传感器的观测信息和环境地图表示为随机有限集,建立联合目标状态变量;通过概率假设密度(PHD)滤波对机器人位姿和环境地图状态进行同时估计,并利用粒子滤波实现PHD滤波。在进行目标状态提取时,为避免聚类算法引入的误差,对粒子集进行时滞输出。提出的SLAM算法能准确表达观测的不确定性、漏检以及杂波引起的虚警等多种传感器信息,且避免了数据关联过程,使系统状态估计更接近真实值。仿真实验结果表明:与传统SLAM算法相比,新算法的机器人定位及环境构图精度提高了50%以上,为杂波环境下SLAM问题的研究提供了新的途径。