一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

一种改进的基于正弦函数变步长LMS算法的谐波检测方法

自适应谐波电流检测方法相对于其他谐波电流检测方法来说,具有实现简单、鲁棒性强等特点。针对有源电力滤波器(APF)的滤波特性,提出了一种改进的基于正弦函数变步长LMS算法的谐波电流检测方法。对于单纯抑制系统谐波电流以及同时兼顾抑制谐波与补偿无功这两种情况,该改进算法分别采取与传统方法不同的反馈信号作为自适应滤波器权系数迭代反馈量,并采用基于正弦函数的变步长LMS算法控制步长的变化,达到有效跟踪目标信号的目的。详细推导了两种情况下系统的直接误差信号,并将其作为正弦函数LMS算法的控制量来控制步长更新。通过MATLAB仿真对改进算法与传统固定步长算法进行比较,证明了改进算法的优越性。     

一种改进的自适应卡尔曼滤波算法

针对多传感器数据融合时传统卡尔曼滤波算法极易引起滤波发散,降低滤波精度和系统实时性的问题,研究一种改进的自适应滤波算法对多传感器数据进行融合,得到更为准确的信息数据。该算法在简化的Sage-Husa滤波基础上引入滤波收敛性判据,抑制滤波发散并提高滤波精度和稳定性。同时结合强跟踪滤波思想调整增益矩阵,使滤波器具有强跟踪滤波的特性,提高改进的滤波算法对不确定系统模型的鲁棒性以及对突变状态的滤波处理能力。将改进算法与传统卡尔曼滤波算法进行仿真比较。仿真结果表明,在系统模型参数失配或实变噪声未知情况下,改进的自适应滤波算法有更好的鲁棒性,并且在系统状态突变时仍有较好的滤波效果,明显提高了滤波精度和实时性。     

主被动雷达分层融合机动目标跟踪仿真研究

以目标跟踪为主要目的,对主被动雷达基于改进算法的分布式分层融合进行了仿真研究。仿真研究验证了基于固定指数加权模糊自适应EKF滤波算法的主被动雷达分层融合系统,能够显著提高目标跟踪精度且稳定性好。同时验证了分布式分层融合跟踪性能,明显优越于分布式平均加权融合方法。     

SAPF并网LCL滤波器稳定性

针对并联有源电力滤波器并网接口LCL滤波器存在谐振峰,易使系统发散的问题,利用增加系统阻尼的方式对滤波器进行改进.研究分析有源阻尼方式优于无源阻尼方式,提出电容电流内环反馈、电容电压内环反馈以及电感电流内环反馈三种双闭环控制模型.通过伯德图法、根轨迹法确定系统的稳定性以及稳定范围,并确定最佳增阻尼.研究结果表明:该方法可有效抑制谐振峰,且稳定性好、成本低、效率高.     

微小卫星姿态确定系统多信息融合滤波技术

采用微小卫星姿态动力学,并针对太阳敏感器/磁强计/卫星导航系统(GPS)接收机多姿态信息融合的特点,提出一种基于融合反馈模式的改进联邦滤波姿态确定方法,各子滤波器只完成量测更新,由主滤波器完成时间更新与预测信息的分配.给出了由四元数描述卫星姿态的误差状态方程和各子系统的量测方程,基于磁强计测量信息,对微小卫星的主要干扰源剩磁进行建模.仿真结果分析表明:基于剩磁建模的姿态动力学模型可有效提高姿态确定的精度;改进联邦滤波算法减少了系统的计算量,保证了可靠性.     

小波滤波在光纤陀螺信号处理中的应用

光纤陀螺作为陀螺稳定平台伺服系统稳定回路的反馈测量元件,其输出噪声直接影响伺服系统控制精度。抑制陀螺的输出噪声是改善伺服系统特性的有效手段之一。本文提出一种基于小波多分辨分析结合均值滤波的方法,能有效降低陀螺的输出噪声。通过仿真实验,验证了小波实时滤波算法对陀螺输出信号进行滤波消噪处理的可行性和有效性。     

目标对载机准确定位的数据融合方法的分析

主要研究在机载光电跟踪系统中，红外传感器和传统的雷达传感器测量信息的融合c基于Kalman滤波的数据融合理论，建立目标对载机准确定位的物理模型和极坐标下的数学模型，研究观测值加权融合算法、观测状态向量合并和状态估值融合反馈3种算法，并进行了协方差分析比较，通过仿真实验表明：观测值加权融合算法的性能更优于其它两种算法。     

基于LCLLC滤波的并网逆变器联合控制策略

针对传统滤波器采用电流控制策略难以提高并网电流波形质量的问题,在滤波性能较好的LCLLC滤波器的基础上,提出一种改进的加权电流平均值反馈的联合控制策略.在内环采用将滤波电容电流和串联谐振电容电流之和作为反馈量的阻尼控制,在外环采用加权电流平均值反馈的基于比例积分(PI)与准比例谐振(QPR)的联合控制.采用Matlab/Simulink软件进行仿真研究,结果表明:联合控制策略能提高并网电流波形质量、提升电流跟踪效果.     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

基于有限元分析的永磁同步电机实时模拟器研究

针对三相永磁同步电机,设计了一种功率硬件在环的实时电机模拟器结构.提出了一种基于三相定子坐标系的永磁同步电机电流-磁链有限元反查表模型,建立了接口电路的数学模型,基于此提出了电压前馈电流反馈控制的接口算法,并针对电流反馈环节提出了一种模糊PI控制算法.通过Matlab/Simulink及其与JMAG-RT的联合仿真实验测试方法对接口控制算法和电机模拟器进行了测试与对比分析.仿真结果表明:在额定工况下,所提出的接口控制算法对期望相电流值的跟踪误差小于2%,所提出的电机模拟器对电机相电流及转速特性的模拟误差均小于3%,验证了其有效性.      

多传感器数据的处理及融合

针对多传感器数据的多样性, 提出一种改进的数据融合算法. 首先, 利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩; 其次, 对处理后的数据进行分层, 并对系数进行Kalman滤波, 同时利用Mallat快速重建算法重构数据; 最后, 利用最大、 最小贴近度计算传感器数据的信噪比, 并通过信噪比进行数据融合. 基于实际采集的多传感器数据对比实验结果表明, 该数据融合算法在稳定性上优于简单加权数据融合、 小波数据融合和Kalman滤波融合等算法.     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

基于改进G-K算法的多节点网络安全态势预测模型研究

影响多节点网络安全态势的因素有很多,传统方法未考虑影响因素,导致预测精度低。为此,构建一种新的改进G-K算法的多节点网络安全态势预测模型。通过灰熵均衡关联度实现关联分析,通过关联分析法对影响多节点网络安全态势的因素进行研究,按照关联程度大小获取重要因素。依据多节点网络日志信息,从主机层、服务层和系统层对多节点网络安全态势值进行计算。分析改进G-K算法预测基本思想:通过多节点网络安全态势重要影响因子值与安全态势值计算状态向量,利用当前状态矢量观测向量对多节点网络安全态势在下一段时间的值进行描述。在此基础上,构建改进G-K算法的多节点网络安全态势预测模型。实验结果表明,采用构建的模型对多节点网络安全态势进行预测,有很高的预测精度,对突变态势也可有效预测。     

融合分层抽样和动态抽样的多状态网络可靠度M-C估计算法

基于多状态网络可靠度的Monte-Carlo(M-C)估计算法, 考虑融合分层抽样和动态抽样的M C估计算法. 先在基于状态树搜索分层抽样方法的基础上, 通过设定概率阈值α改变分层原则, 使分层抽样便于实现; 再利用动态抽样, 在产生网络无效状态时动态生成网络各边的容量值, 从而不需对所有边进行抽样即可产生无效网络状态, 缩短了仿真时间. 仿真实验表明, 动态抽样能缩短仿真时间, 但优势会随着网络可靠度的增大而逐步消失, 较适用于可靠度低的多状态网络.     

基于联邦网络的传递对准滤波补偿算法

针对空中环境各种干扰因素对空空导弹传递对准(TA)滤波的影响,提出一种基于联邦网络的补偿算法.将干扰误差考虑为量测输入纳入滤波系统,改进标准Kalman滤波结构.将补偿神经网络设计成联邦结构,两个子系统分别用于训练量测输入估计误差、输出层权值误差和隐层权值误差.推导了联邦网络的训练算法并对算法进行了稳定性证明,保证了网络在结构上计算量小,系统反馈能力强,能够对干扰误差进行有效在线预测,辅助改进Kalman滤波器对失准角进行精确估计.仿真比较实验验证了该算法能够在不需任何先验信息的条件下,及时适应对准环境,预测校正干扰误差,滤波收敛快、精度高,适合空空导弹在具体设备和环境条件下的快速精确传递对准.     

基于改进SPBO算法的水下推进永磁同步电机参数辨识

精确的永磁同步电机(permanent magnet synchronous motor，PMSM)模型是集成电机水下推进器恒转矩控制的关键。为了提高水下推进PMSM参数辨识的精度，提出一种融合Tent映射与t分布变异策略的改进学生心理优化算法辨识水下推进PMSM参数。该算法在标准学生心理优化算法的基础上，引入Tent映射策略增加初始种群多样性，引入t分布变异策略平衡算法的前期与后期搜索能力，提高了算法的收敛速度和收敛精度。仿真和实验结果表明，该算法的辨识误差可达1%以内，且具有更快的收敛速度和更好的辨识稳定性。     

网络流量监测中在线数据融合方法设计

在线数据融合方法在网络流量检测中一直有融合精确度低、接收点差的问题。提出一种新的网络流量监测中在线数据融合方法,采集网络流量监测中的实时在线数据,通过卡尔曼滤波法对在线数据进行预测,获取网络流量状态值;并以此为基础,通过时空综合分析,计算节点的量测实时方差;并依据最小二乘准则,对数据进行加权处理,求出加权系数,引入加权数据融合算法,实现在线数据的融合。实验结果表明,改进的融合方法不仅融合精度高,而且所需能耗低,适应能力较强。     

基于动态网格传输和数据融合的改进WSN分簇路由协议

针对低能量自适应聚类层次(LEACH)协议的不足,提出一种基于聚类机制动态网格传输和数据融合的改进路由协议.该协议建立了层次聚类路由结构,使用动态网格理论控制数据量传输,并应用数据过滤算法进行数据融合.仿真实验结果表明,改进的协议可有效降低网络的能耗,延长网络生命周期.     

基于改进粒子滤波的超宽带与惯性测量单元融合定位算法

为了提高UWB与IMU融合定位算法的定位精度,提出了一种基于改进自适应加权数据融合的粒子滤波定位算法。首先利用自适应最优加权融合算法中最小方差估计理论,对粒子滤波中粒子分布权重进行调整;利用阈值限制所求观测方差,避免了因实际环境导致观测方差发散;利用观测噪声协方差和测量值,在粒子滤波后RMSE限制区间求得各传感器最优加权因子,避免因传感器信号弱或丢失产生的算法发散问题。最后,进行了UWB与IMU融合定位的对比实验,实验结果显示该算法与EKF融合算法相比定位精度提高了15%以上。