基于模糊逻辑的SLAM数据关联方法

提出了一种基于模糊逻辑的同步定位与地图创建(simultaneous localization and maping, SLAM)数据关联方法,该方法计算特征观测和特征估计的误差椭圆,对归一化新息和误差椭圆重叠比例进行模糊化处理,作为模糊系统输入变量,将数据关联结果作为模糊输出变量。通过融合这些特征信息建立模糊规则,进行模糊推理,最终获得数据关联结果。这种方法可以有效表达数据关联中存在的不确定性和模糊性,具有处理多个候选关联假设的能力,并且在实际观测与特征估计值距离较小时减少了误关联的发生,在实际观测与特征估计值距离较大时又避免了丢弃正确关联。仿真实验表明,新算法具有更好的抗干扰能力和鲁棒性,为SLAM的数据关联提供了一条新的途径。     

基于多次测量更新的移动机器人SLAM仿真

针对移动机器人同时定位与地图构建(SLAM)技术中,非线性系统进行线性化处理所产生的线性化误差问题,从费切尔信息角度分析,提出多次测量更新算法.该算法利用滤波中预测和各次更新阶段状态向量的费切尔信息加权关系,解算每次测量更新后的状态估计,通过多次将更接近于真实状态的估计值融入观测信息,可得到较高精度的后验状态估计,降低线性化误差的同时提高了机器人定位与构图准确性.实验部分实现多次测量更新与一次测量更新算法的仿真与对比,结果表明:所提算法能有效降低机器人位姿误差和地图估计误差.     

异类传感器系统目标快速定位方法

在异类传感器系统中,快速、准确地定位技术对于数据的关联、目标的跟踪至关重要。为解决异类传感器系统中目标定位问题,提出了快速目标定位法。该方法首先将不完整的测量补充为完整测量,然后用精度加权法实现多测量之间的融合得到目标的位置估计,为提高估计的精度,最后采用扩展加权最小二乘法进行目标位置的二次估计。仿真实验结果表明,提出的目标定位方法是一种快速、有效的目标定位方法,定位误差的方差接近Cramer-Rao下界。     

超宽带传感器网络室内信道建模与定位算法研究

针对超宽带传感器网络室内定位问题,建立了一种符合IEEE 802.15.4a标准的超宽带室内传播信道模型.在此模型基础上提出基于最大似然估计的RSsI测距方法,给出了测距误差的Cramer-Rao下界(CLRB),分析了定位误差与测距误差的关系并应用到定位算法中,最后提出一种面向测距和定位的超宽带传感器网络模型.仿真实验结果表明采用该信道模型,测距和定位算法,显著提高无线传感器网络的测距和定位性能.     

基于多频模糊度解算的BDS/GPS中基线 AEKF RTK算法

为了提高中基线实时动态(real time kinematic, RTK)定位的模糊度解算成功率和定位精度,提出一种基于三频北斗系统(BeiDou navigation satellite system, BDS)和双频全球定位系统的多频模糊度解算算法。该算法结合三频模糊度解算(three carrier ambiguity resolution, TCAR)和最小二乘降相关(least square ambiguity decorrelation adjustment, LAMBDA)算法通过三级迭代固定模糊度。此外,为了减少电离层延迟等误差对模糊度解算的影响,提出一种组合系数搜索算法。利用自适应扩展卡尔曼滤波实现RTK定位。在中基线实验中,将提出算法与BDS TCAR和单/双系统LAMBDA算法在成功率和定位精度方面进行比较。结果表明,所提算法的成功率最高,可即时固定模糊度,且定位误差在毫米级,精度在3种算法中最优。     

一类非线性MIMO系统的自适应模糊输出反馈控制

针对一类多输入多输出非线性系统设计了自适应模糊观测器和控制器。该方法不需要系统状态完全可测的条件，而是通过自适应模糊观测器估计系统的状态。采用基于状态估计的模糊基函数模型的模糊逻辑系统逼近非线性函数，并对模糊建模误差和外扰的存在采用了鲁棒补偿控制项以保证良好的观测与跟踪性能，该控制器保证了跟踪误差和观测误差的一致最终有界性。仿真结果表明所提出的方法具有良好的观测效果与跟踪效果。     

非仿射非线性系统的自适应模糊输出反馈控制

针对一类单输入单输出非仿射非线性系统,提出了基于观测器的自适应模糊输出反馈控制。该算法通过构造线性误差观测器估计系统输出误差和系统状态,利用估计状态变量和估计输出误差变量设计自适应控制律,采用模糊逻辑系统在线消除非线性系统中的不确定模型,引入监督控制消除系统逼近误差和外界干扰,并利用Lyapunov方法严格证明了在该控制律作用下闭环系统所有信号一致最终有解,闭环系统的输出能最终跟踪期望输出。仿真结果表明了该方法的有效性。     

干扰源定位中到达时间差参数估计方法

卫星干扰源定位技术的关键之一是定位参数的测量。目前传统的定位时延估计算法无法满足在低信噪比环境下的到达时间差(time difference of arrival, TDOA)参数估计。为了进一步提高定位性能,提出了基于四阶累积量的最小均方误差算法(least mean square algorithm based on fourth-order cumulant, CUM-LMS),在使用四阶累积量进行时延估计的基础上,提取峰值信息,计算均方误差,得到准确的TDOA参数。实验结果表明,所提出的算法有效地提高了时延参数估计的性能。     

基于水声通信延迟的多UUV协同定位算法

针对多水下自治机器人(unmanned underwater vehicle, UUV)协同定位过程中水声通信延迟造成的定位失效问题,提出了一种基于状态估计均方误差最小的延时扩展卡尔曼滤波(delayed extended Kalman filter, DEKF)定位误差修正方法。首先建立考虑水声通信延迟的系统状态方程,利用状态转移矩阵推导系统等效量测方程,然后给出多UUV 考虑水声通信延迟的扩展卡尔曼滤波(extended Kalman filter, EKF)定位方法并分析其不足;最后在EKF方法的基础上,分析量测信息延迟对状态估计的影响,建立系统真实量测模型,设计基于状态估计均方误差最小的DEKF 算法。仿真结果表明,该方法能够有效地修正多UUV 协同定位中由于水声通信延迟造成的定位误差,在工程实践中具有一定参考意义。     

基于射频识别的室内定位系统算法研究

针对无源射频识别(Radio Frequency Identification,RFID)定位问题,在对比分析基于信号到达角(Angle Of Arrival,AOA)和信号到达时间差(Time Difference Of Arrival,TDOA)2种定位算法的原理和优缺点的基础上提出了无源超高频(Ultra High Frequency,UHF)RFID室内定位混合方法,该方法以AOA定位算法为核心,融入了 TDOA算法时间差的思想,并使用步进电机代替天线阵列,以一定的角速度带着UHF RFID阅读器绕轴旋转扫描标签以估算待定位标签的位置.仿真结果表明:该室内定位混合方法的精度优于以上任何一种单独的定位算法,是一种更加有效、定位更加精确的技术手段.     

车载GNSS失锁下基于BPNN的微陀螺误差估计及定位方法研究

针对在全球导航卫星系统(global navigation satellite system, GNSS)失锁阶段将微陀螺惯性系统作为备用定位系统时,由于微陀螺误差引起的定位误差发散问题,提出了基于后向传播神经网络(back propagation neural network, BPNN)的微陀螺误差估计及定位算法。在GNSS有效阶段为车辆提供定位信息,同时对微陀螺误差进行估计,并利用后向传播神经网络BPNN建立微陀螺误差预测模型,为GNSS失锁阶段车辆定位做准备;在GNSS失锁阶段,利用已建立好的微陀螺误差预测模型估计微陀螺误差,对微陀螺输出信息进行补偿,以抑制由陀螺误差引起的定位误差。最后利用仿真与试验验证了此方法的正确性与有效性。     

基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

Local prediction of the chaotic fh-code based on LS-SVM

Support vector machine （SVM） is powerful to solve some problems such as nonlinear classification, function estimation and density estimation. To consider the chaotic fh （frequency hopping）-code＇s characters in chaotic dynamic system, the forecasting model of the support vector machine in combination with Takens＇ delay coordinate phase reconstruction of chaotic times is established and the least squares model for large-scale problems is used in local training for this model. Finally, a fh-code series generated by Logistic-Kent mapping is applied to verify the local prediction model. Simulation results show that the high accuracy and fault tolerant SVM model has an excellent performance in predicting the fh code, with a very low mean square error and a high relative coefficient.     

基于因子图的协同定位与误差估计算法

针对多自主水下航行器协同定位系统中从艇的数据融合问题,首先建立了协同定位系统的数学模型,然后分析了速度误差及航向误差对从艇定位误差的影响,同时设计了协同定位及误差估计的因子图模型。接着,提出了基于高斯噪声的协同定位及误差估计算法,利用均值和方差在因子图各节点间传递完成对从艇位置、速度误差和航向误差的估计。为了验证算法的有效性,通过仿真实验和实船试验的离线数据对协同定位及误差估计算法进行验证。结果表明,所提算法可以有效降低从艇的定位误差,在从艇自主定位时尤其明显,大幅提高了从艇的导航定位能力。     

基于多智能体导航的高超飞行器信息融合方法

精确导航技术是高超飞行器(hypersonic vehicle, HV)充分发挥威力的关键所在。然而,高马赫数和强机动性致使HV的导航系统误差及其观测噪声无法准确描述,制约着导航信息的精确性和实时性。为及时获取高精度导航信息,设计基于集员框架的卡尔曼滤波算法。一方面采用多智能体分布式协同探测,形成观测椭球交叉集合,提高了观测效率和测量精度;另一方面,通过设计两类噪声模型,求其与状态估值的最小均方误差,实现滤波增益的计算,提高算法对噪声的抗扰动能力,使状态估值达到均方误差最小。通过数字仿真,将设计方法应用到HV导航模型中,并与扩展卡尔曼滤波和集员滤波的状态估值进行比较,结果表明,提出算法在不同噪声影响下具有更高的估计精度。研究成果将为HV实现实时精确导航提供技术支持,并具有重要的理论意义和应用价值。     

基于EKF/SF的BDS短基线多径抑制方法

多径是影响载波相位差分定位性能的主要误差源。针对传统恒星日滤波(sidereal filter, SF)无法同时抑制系统部分和随机部分多径误差影响的问题,提出一种扩展卡尔曼滤波(extended Kalman filter, EKF)和SF组合的北斗卫星导航系统(BeiDou navigation satellite system,BDS)短基线多径误差抑制方法(EKF/SF)。首先使用基于单差观测量的SF削弱多径系统误差带来的影响,再结合EKF的优势,对残余多径误差所包含的随机误差影响进行抑制,从而达到最大化抑制多径误差的目的。BDS短基线单频载波相位差分定位实验表明,相对于单纯的SF和EKF,采用EKF/SF方法的模糊度固定率分别提高了10%和43%,定位精度可分别提高84%和90%。     

包络相位联合自聚焦高分辨SAR运动补偿

提出了一种包络相位联合自聚焦运动补偿算法,解决了机载高分辨合成孔径雷达(synthetic aperture radar, SAR)成像过程中复杂的运动误差问题。该方法不但可以实现对高阶运动误差的估计,而且可以同时补偿包络和相位误差。通过对运动误差进行归一化多项式拟合建立关于运动误差多项式系数的最小熵优化方程,同时利用阻尼牛顿法对其进行求解,实现高效精确的多项式系数估计。另外,设计了交替联合自聚焦算法,以实现对较大运动误差的精确估计。最后,应用实测机载聚束SAR数据验证该方法的有效性和优越性。     

空基外辐射源定位系统的观测站航迹优化

针对空基外辐射源定位(airborne passive coherent location, APCL)系统容易出现可观测性差、定位性能不稳定的问题,提出了观测站航迹优化算法以提高系统的定位跟踪性能。首先，建立APCL系统的二维运动学模型与量测方程,并选取系统可观测度和几何精度因子(geometrical dilution of precision, GDOP)作为优化指标,推导出航迹优化函数。然后，使用加权离散搜索优化算法控制观测站机动至最优观测位置,并以容积卡尔曼滤波(cubature Kalman filter, CKF)为工具,对目标和外辐射源进行定位跟踪。仿真结果表明,观测站采用航迹优化算法能大幅提高系统定位的稳定性,显著减小跟踪估计误差。     

基于TDOA的无人机集群协同单目标定位

无源定位作为现代信息化战场中电子侦察的重要技术, 可以在自身不辐射电磁波的情况下实现对敌方目标的精确定位。以高灵活性、高安全性的无人机(unmanned aerial vehicle, UAV)集群为接收站, 研究基于到达时差测量的辐射源定位方法。作为高机动平台, UAV集群的位置误差更大, 基于该情况对Chan算法、Taylor算法进行改进, 并提出了一种粒子群泰勒协同的解算方法。与其他方法的定位结果进行对比, 仿真结果表明所提的方法定位精度接近克拉美罗下界(Cramer-Rao lower bound, CRLB), 解决了Taylor算法的初值问题。