双向不敏卡尔曼滤波的无源定位算法

针对不敏卡尔曼滤波算法在单站无源定位的应用中受初始状态误差和可观测条件等影响易产生滤波发散、收敛精度低、收敛速度慢的问题.提出一种双向平方根不敏卡尔曼滤波的无源定位算法.充分利用了平方根不敏卡尔曼滤波算法数值稳定性高的优点,采用后向平滑算法逐次修正状态估计值,从而提高了定位算法对初始状态的鲁棒性.试验结果验证了该算法的有效性.     

基于高斯混合容积卡尔曼滤波移动机器人SLAM算法

针对移动机器人在陌生环境中的定位与地图构建(Simultaneous localization and mapping,SLAM)的问题,提出高斯混合容积卡尔曼滤波SLAM算法.将该算法与扩展卡尔曼滤波(extended karman filter,EKF)、容积卡尔曼滤波(cubature karman filter,CKF)进行实验对比,仿真结果表明GM-CKF的定位精度及算法运算速度高于其他两种算法.     

基于无抽取Haar算法的实时卡尔曼滤波方法

针对基于分段方式的多尺度卡尔曼滤波其计算量大、延时长的问题,提出基于无抽取Haar算法的实时卡尔曼滤波方法,该方法采用简单的加减、移位运算在t时刻完成多尺度变换,然后在各个尺度进行小波阈值去噪和卡尔曼滤波;为了验证该方法的有效性,在自主改装的智能车上对低精度加速度传感器进行实验.研究结果表明:通过小波重构完成信号处理,提高了算法实时性,并且有效减少重复运算;实时卡尔曼滤波方法有效提高了传感器的性能,在不能准确估计状态转移误差情况下,该方法的去噪性能优于单独的卡尔曼滤波去噪性能.     

未知环境下移动机器人自主避障算法的研究

移动机器人是完成救援、运输等各种任务的重要工具,如何让机器人系统自主适应不同的复杂场景是目前的研究热点。本文针对具有静态和动态障碍物的复杂未知环境,对移动机器人进行运动学建模,提出了基于长短期记忆网络的近端策略优化避障算法。在无障碍物和有障碍物的仿真训练环境中,实现无先验地图信息情况下机器人在非结构化环境中的自主避障。仿真和实验结果表明,本文所提算法能够有效使机器人避开静态及动态障碍物,性能高于D3QN算法、PPO算法,解决了深度强化学习算法在训练机器人避障时收敛速度较慢的问题。     

异步2D-Torus片上网络自适应路由算法

采用异步电路设计方法学,针对确定性路由算法在异步片上网络实现中遇到的容易阻塞和路由资源浪费等问题,提出了一种适用于2D-Torus拓扑结构的异步片上网络自适应路由算法,并搭建测试平台,对基于该算法的异步片上网络的功能和性能进行分析、验证与测试.结果表明,该算法可以满足路由自适应的要求,有效减小片上网络的路由延迟.基于该算法的异步片上网络可以满足多方向数据通信、多路数据并行通信和数据请求平等仲裁等性能要求,并且可以实现对从节点IP核的访问调用.     

对运动目标的固定单站无源定位算法研究

针对新型无源探测系统中单站无源定位问题,建立了基于多普勒频率变化率的同定单站对运动目标的定位和跟踪模型,并对该模型应用修正增益的扩展卡尔曼滤波算法(MGEKF)对原始滤波结果进行处理.计算机仿真结果验证了该方法的稳定性和有效性.     

配电网故障定位算法研究

针对配电网故障快速准确定位问题，研究了故障定位的矩阵算法，分析了不对称矩阵算法的基本原理，针对该算法存在判别盲区的缺陷，提出了在辐射网和树状网末端增加零节点编号的改进方法，消除了判别盲区；该方法具有简单、实时性强的特点，在配电自动化系统中有很强的实用性。论文最后用算例验证了该算法的有效性。     

基于多目标优化的移动机器人避障算法

针对移动机器人自主导航过程中由于过多寻求当前时刻最优路径或最优解而产生死锁或震荡现象,提出了一种动态变化权重的移动机器人行为融合避障算法.该算法利用多目标优化方法获得移动机器人最有效解,并把指定目标的移动机器人避障导航过程分解为3个子行为避障系统.通过动态改变子行为函数的权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果表明,该算法可在确保避障过程鲁棒性前提下,有效地改善避障导航的安全性和平滑性。     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法.仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性.     

单频精密单点定位中基于卡尔曼滤波的、自适应导航算法

提出一种应用于单频精密单点定位的动态实时导航算法,该方法利用卡尔曼滤波对载波相位等观测量进行实时处理,无需静态初始化并能达到较高的定位精度。通过改进基于新息自适应的卡尔曼滤波,提高导航算法在动态环境下的稳定性与定位精度。针对单频定位中的电离层修正问题,通过建立映射模型,将电离层影响作为待估计量进行滤波。在可见星数不小于...     

WK混合滤波算法在雷达数据处理中的应用

通常的Kalman滤波算法不能很好的解决信号的时频局部性问题,往往只能在低频和高频两种滤波算法间通过机动检测器(变维滤波算法)或马尔可夫链的转移概率矩阵(VD算法)来进行切换,因为有一定的滞后,并受到机动检测器和转移概率矩阵的影响较大,从而产生较大的滤波误差.笔者将二维可分离小波变换良好的时频局部性和Kalman滤波的实时最佳预测修正跟踪滤波估计结合起来,得出一种有效的混合滤波算法(WK算法),并将该算法用于进行雷达数据的滤波处理,使得滤波估计值逐步逼近真实轨迹.通过实际的仿真验证了该算法比其它单一的滤波算法更为有效.     

Mobile Robot Positioning and Tracking Based on Ultra-wideband Technology

To solve the precision self-positioning problem for mobile robot, a positioning program based on ultra-wideband technology was proposed. Ultra-wideband pulse has very high bandwidth; ranging accuracy can achieve centimeter-level theoretically. The mobile robot obtained the distance to the reference node by sending uitra-wideband pulse. According to the geometric relations among the References and the robot, establish equations to calculate the position coordinates.Then Kalman filter algorithm was applied for mobile robot tracking.Simulation results show that robot positioning and tracking based on ultra-wideband technology can achieve indoor and outdoor seamless docking.     

CUKF算法及其在移动机器人组合导航中的应用

针对移动机器人位置的精确估计问题,提出一种附有约束的无色卡尔曼滤波(CUKF)算法.由于无色卡尔曼滤波(UKF)在处理非线性问题时,无需计算Jacobian矩阵或Hessian矩阵,从而有效地减小了线性化对非线性系统误差的影响.CUKF算法很好地利用了UKF的非线性滤波特点,在其基础上增加某种约束.将地理信息系统(GIS)环境下的地图数据库中的道路方向信息作为约束条件,通过引入拉格朗日函数解决具有约束的差分全球定位系统/航位推算(DGPS/DR)组合导航系统的非线性最优估计.仿真实验结果表明:CUKF比UKF能够更有效地提高定位精度.     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

移动机器人定位的自适应功率调节射频识别系统

针对超高频UHF (Ultra High Frequency)射频识别RFID (Radio Frequency Identification)技术,提出了一种应用于移动机器人自定位的RFID自适应功率调节方法.在粒子滤波算法中,采用马氏距离作为粒子权重的评价函数,避免了粒子分离问题;同时,给出了粒子滤波定位性能的评价指标,并依此动态调节RF（Radio Frequency）功率,来适应当前局部环境中标签的分布特征.实验结果表明,该方法定位精度较高且一致性较好,同时优化了系统能耗.     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

基于集群空间机器人的合作目标协同定位技术

根据集群空间机器人群内各成员功能的差异,设计了合作目标的协同定位方法. 首先,采用状态方程建立了集群动力学模型,并基于线性Kalman滤波理论,设计了集中式协同定位滤波算法,为降低集中式协同定位滤波算法的计算量,进一步设计了分布式协同定位滤波算法. 研究结果表明,本文分析了所提出的协同定位滤波算法的性能,并通过数学仿真进行了验证其稳定性和精度.      

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

Robust SLAM using square-root cubature Kalman filter and Huber’ s GM-estimator

Mobile robot systems performing simultaneous localization and mapping ( SLAM) are generally plagued by non-Gaussian noise.To improve both accuracy and robustness under non-Gaussian meas-urement noise, a robust SLAM algorithm is proposed.It is based on the square-root cubature Kal-man filter equipped with a Huber’ s generalized maximum likelihood estimator ( GM-estimator) .In particular, the square-root cubature rule is applied to propagate the robot state vector and covariance matrix in the time update, the measurement update and the new landmark initialization stages of the SLAM.Moreover, gain weight matrices with respect to the measurement residuals are calculated by utilizing Huber’ s technique in the measurement update step.The measurement outliers are sup-pressed by lower Kalman gains as merging into the system.The proposed algorithm can achieve bet-ter performance under the condition of non-Gaussian measurement noise in comparison with benchmark algorithms.The simulation results demonstrate the advantages of the proposed SLAM algorithm.     

基于SR-UKF的移动机器人主动故障检测和容错控制

提出了一种基于SR-UKF的主动状态建模方法用于移动机器人的在线故障检测和容错跟踪控制.通过对履带式机器人常见滑动故障的运动学分析,建立了带未知滑动故障参数的机器人运动学模型,并采用SR-UKF非线性滤波方法来联合估计机器人的位姿和滑动参数,在对机器人进行实时定位的同时实现了对快速变化(或突变)的滑动故障的在线跟踪和检测.在此基础上,将估计得到的自适应参数模型与基于Lyapunov分析的反馈控制律设计方法结合,获得了一致渐近稳定的轨迹跟踪控制结果,实现了针对在线故障自适应模型的容错控制重构.针对典型的阶跃式滑动故障参数变化的轨迹跟踪仿真实验表明了该方法的有效性.