基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

基于地磁定轨和扩维卡尔曼滤波的导航算法

为了克服扩展卡尔曼 (Kalman)滤波算法对噪声统计特性的约束 ,针对磁强计量测噪声为有色噪声伴常值干扰的特性 ,提出了一种基于扩维Kalman滤波算法的地磁导航算法 .该算法为了使量测噪声白噪化 ,引入了 2个新的状态变量 ,此时测量噪声是均值为 0的高斯白噪声 ,并满足扩展Kalman滤波算法的约束条件 .对由此构成的系统使用扩展Kalman滤波算法 ,可以得到扩维Kalman定轨导航算法 ,利用该算法可以获得国产磁强计的导航精度 ,其地心距模的估计误差为 2 0km ,速度模的估计误差为 10m/s .卫星的实测数据仿真结果表明 ,该导航算法具有较好的稳定性和收敛性 ,克服了扩展Kalman滤波算法的发散问题     

基于遗传算法的H2系统降阶方法

提出了基于H2范数的系统降阶准则，并且利用遗传算法实现了基于该准则的系统降阶。这一方法的提出避免了传统方法的缺点，降阶系统达到了非常理想的性能。通过例子表明，该降阶方法优于目前普遍使用的其他降阶方法。     

基于卡尔曼滤波的动态OD矩阵估计

建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效.     

利用遗传算法实现时频混合最小二乘系统降阶

提出了基于Ｈ２范数以及ｈ２范数的混合系统降价准则，并且利用遗传算法实现了基于该准则的系统降阶。这一方法的提出，避免了传统方法的缺点，使降阶系统达到了非常理想的性能。通过例子表明，该降阶方法优于目前普遍使用的其他降低方法。     

基于磁强计的卫星自主定轨算法

为了降低自主导航的成本,针对近地轨道地磁场的特点,提出基于扩展卡尔曼滤波器的地磁导航算法,该算法综合IGRF模型建立了观测方程,根据地磁场的IGRF模型是基于地心固连坐标系的位置函数的特点,采用地心固连坐标系的卫星轨道动力学方程作为状态方程,构造出卫星地磁导航系统的导航模型。仿真研究结果表明,该算法的卫星地磁导航模型结构简单,描述能力更强,导航算法具有较好的稳定性和收敛性。     

双基站卫星星座设计研究

针对双基站卫星星座的特点，分析了卫星和空间站之间的可视窗、通讯窗和过顶时间要求下的通讯约束．根据卫星轨道高度、倾角、升交点赤经、轨道数目及卫星分布选择、星际链路建立等几个方面，对双基站卫星星座进行设计，并研究了长期执行任务的情况下，卫星轨道修正方案．该星座克服了以地球为基地的卫星星座测控信号传递路程长，信号受到环境干扰大的不足，充分利用空间站的优势，更有效地发挥了卫星及其星座的作用。通过仿真计算给出了双基站卫星星座与地面站和空间站的日通讯时间．从结果可以看出，所设计的双基站卫星星座可以作为我国空间站的数据中继系统。     

卫星定位误差的最优星座选择剖析

在分析定位误差的基础上,研究了星座最佳几何配置,以及几何位置相对较好、星的个数较少的4颗卫星的定位问题,并给出了星座的最佳几何分布与定位误差的关系仿真.结果表明,在卫星星座中,星的高度与分布的均匀性是决定星座几何精度的衰减因子,顶座星、底座星的仰角与方位角之差则是几何精度衰减因子的影响因素.通过计算和实验发现,在GPS系统的定位过程中,有一组最优的、由4颗卫星组成的几何配置星座,此时对应的几何精度衰减因子最小,为1.581 2.     

车辆自主导航系统的双滤波器模型及其导航算法

给出了车辆自主导航系统的双滤波器模型及其航位递推算法 ,在导航解算的每步递推中 ,先用航向滤波器进行航向捕获 ,再用航位滤波器进行航位捕获。这种方法利用两个线性滤波器分别进行航向 /航位估计 ,避免了常规导航算法由于观测方程线性化引起的模型误差 ,算法稳定性好 ,且计算量较小。现场跑车试验表明 ,给出的双滤波器模型及其算法能够获得满意的导航精度     

高速公路动态OD矩阵估计

基于广义最小二乘法模型,建立了一种高速路动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD矩阵。对任意估计时段的OD流,通过假定各车辆间的时头距均匀分布,且可按相同比例拉伸或压缩,得出了模型中关键的分配矩阵的解析算式。算法是一种递推的估计过程,仅需较少的先验信息。针对一个具有19个OD对的高速公路网,大量仿真实验表明,提出的方法对具有较大流量的OD对估计效果较好。