MEMS器件捷联惯导系统旋转调制技术

使用微机电(MEMS)惯性器件利于捷联惯导系统的低成本和小型化,但MEMS器件误差较大.为提高系统精度,引入了一种全自主误差补偿方法——旋转调制.说明了旋转调制对常值误差的抑制作用和对导航精度的改善效果,并在旋转轴数目、旋转方向、旋转连续性和旋转速度等方面比较了不同旋转调制方案.根据MEMS器件的误差特性,选择了一种适合MEMS器件捷联惯导系统的旋转调制方案并自主研发了原理样机.静态和车载实验表明:旋转调制可以明显抑制MEMS器件常值误差对导航精度的影响,200s内俯仰和横滚姿态精度提高了5倍,速度和位置精度提高了近10倍.     

基于IMU与sEMG混合信号的实时手势分类算法研究

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率，通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号，提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测，定位运动态数据起始点；第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化，分类算法识别时间低于40 ms，突变点检测精度88.7%以上，手势分类准确率为85%，信息传输率(informationtranslaterate, ITR)达到89.9 bits/min，与基于机器学习的分类算法相比，在准确率与计算效率上具有优势。     

基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.     

基于IMU/GPS的性能导航方法研究

利用直角坐标系与大地坐标系之间的关系,将状态方程直接采用经纬度描述,GPS测量数据与电子地图上的经纬度相匹配,建立了混合模型,给出了一种新的GPS与IMU融合估计方法,提高了重复定位精度,更方便地实现组合导航系统功能。采用GPS和IMU装置进行了地面车辆试验和实际飞行试验,说明了模型和方法的适用性。

Abstract：

A mixed model was established and a new fusion estimation method for GPS and IMU was proposed through the relationship between the Cartesian coordinate system and the ground coordinate system,and the state equation described by the latitude and longitude directly,and the GPS measurement data and electronic map matched to the latitude and longitude.The provided method has improved the repeatability positioning accuracy and more easily integrated navigation system functions.The ground and actual flight were tested to illustrate the applicability of the model and method with GPS and IMU device.     

基于异步估计自适应Kalman滤波系统设计

一般的Kalman滤波器时系统噪声和测量噪声统计特性要求较为严格,当统计特性存在不确定性时,估计会造成较大的估计误差,甚至使滤波器发散.针对此问题,在基于新息的自适应估计和极大后验估计的基础上对Q和R进行异步估计;以某型号光纤惯性测量装置和GPS系统为背景的仿真实验结果表明,该方法能够有效地对Q和R存在不确定的组合导航系统的误差状态变量进行估计,并能较好地保证自适应滤波器的收敛性,进一步提高了估计精度.     

车载激光点云数据精度的提高方法

车载LiDAR系统是继机载LiDAR系统后的又一新型测绘方式,在数据采集和处理中有着自身独特的方法。以StreetMapper360系统采集的一段厦门环岛路数据为例,分析了车载LiDAR系统的主要误差来源,随后从激光点云的数据采集、GPS/IMU数据后处理、安装误差角检校与地面控制点调整4个方面讲述了改善车载激光点云数据精度的方法,最后用地面检查点验证了点云成果数据的精度。     

融合多元信息的武器装备性能评估方法

针对武器装备结构层次复杂、评估指标多元等问题,采用一种融合多元信息的性能评估方法对武器装备性能进行评估。该方法考虑装备指标信息的可靠度和权重,构建了多层评估指标体系。基于证据推理规则将多元信息进行融合,得到装备性能评估结果,从而为解决装备性能评估问题提供决策依据。最后,对某型装备中激光惯性组合(inertial measurement unit, IMU)的性能进行评估,验证了所提方法的有效性。     

基于航测实例的IMU/DGPS辅助航空摄影测量技术探讨

根据笔者多年从事航测相关工作经验,研究探讨IMU/DGPS辅助航空摄影测量新技术具体实施流程和方法。     

IMU/DGPS辅助航空摄影测量实施流程与西安某测量案例分析研究

IMU/GPS组合系统进行航空摄影测量成图具有显著优点,本文基于笔者多年从事航空摄影测量的相关工作经验,以IMU/DGPS辅助航空摄影测量为研究对象,借助笔者具体参与的航摄项目,研究探讨了该方法在具体工程的应用方式,论文首先分析了IMU/DGPS的优点,进而探讨了IMU/DGPS辅助航空摄影测量的实施流程,在此基础上,笔者结合工程案例,探讨了具体的技术方案,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义.     

平原地貌地区城市工程测量中LIDAR数据应用

机载激光雷达系统（Light Detection And Ranging,简称LIDAR）集成了激光扫描仪、全球定位系统（GPS）、高精度惯导系统（IMU）、数码相机,具有同时采集三维地形数据和数字影像的能力.本文以某市1∶500比例尺地形测量为例,详细介绍了LIDAR的基本原理、地面三维数据的获取和处理方法,以及数据成果的检测.