ISR-CDKF在SINS大方位失准角初始对准中的应用

针对捷联惯导系统（SINS: Strapdown InertialNavigation System）误差模型在大方位失准角条件下非线性的特点, 对非线性滤波算法的研究具有十分重要的意义。扩展卡尔曼滤波（EKF: Extended Kalman Filter）精度低, 而且需要计算复杂的雅可比（Jacobian）矩阵; 而中心差分卡尔曼滤波（CDKF: Central Difference Kalman Filter）虽然精度稍高, 但计算量大, 且算法不稳定。为克服以上不足,提出了迭代测量更新的平方根中心差分卡尔曼滤波(ISR CDKF: Iterative Square Root Central Difference Kalman Filter)算法, 并应用于SINS大方位初始对准中。通过滤波仿真, 进一步表明了ISR CDKF算法不仅具有更高的精度和收敛性, 同时具有较强的数值稳定性。     

EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.     

R-T-S平滑算法在捷联惯性异航系统初始对准精度事后评估中的应用

捷联惯性导航系统(SINS)通常采用Kalman滤波实现初始对准．由于R-T-S最优固定区间平滑算法的精度比Kalman滤波高，采用R-T-S最优平滑算法通过事后处理SINS对准数据来计算SINS的失准角，作为参考失准角，对SINS初始对准的精度进行事后评估．以船用SINS为例进行了仿真．结果表明，R-T-S最优平滑算法的精度比Kalman滤波精度高，从而说明利用R-T-S平滑算法对SINS初始对准精度进行事后评估是可行的．     

基于变分贝叶斯Cubature KF的SINS海上对准方法

针对SINS海上对准中速度等量测值的先验统计特性未知导致Cubature滤波(Cubature KF)的失准角估计值出现严重振荡的问题,提出变分贝叶斯Cubature滤波.该滤波方法通过近似计算状态变量和量测噪声方差的联合条件后验概率密度,在估计状态变量的同时,实时调整变分贝叶斯参数,估计和修正时变的量测噪声方差,减弱量测噪声方差统计特性对状态变量估计值的影响.半实物仿真结果表明,该方法能够减小Cubature KF海上对准失准角估计值的振荡性,提高海上对准的精度.     

自适应两阶段卡尔曼滤波器在传递对准中的应用

研究自适应两阶段卡尔曼滤波器在动基座传递对准中的应用. 利用两阶段卡尔曼滤波器将子惯导的惯性器件偏差分离,从而减小由于系统状态过多而导致的滤波计算量,提高计算实时性. 加入自适应环节,使得随机系统偏差的先验统计特性不准确时也能取得良好的估计效果. 仿真结果表明,在对准模型存在未知的随机系统偏差时,自适应两阶段卡尔曼滤波器能够快速且准确地估计出失准角,符合传递对准在快速性和精度方面的需求.     

SINS非线性自对准中的强跟踪UKF算法设计

为了实现噪声不确定和干扰环境下捷联惯导系统(SINS)的快速初始对准,结合无迹卡尔曼滤波(UKF),从强跟踪滤波2个条件出发,提出了一种新的强跟踪UKF算法.该算法充分利用了SINS非线性自对准滤波模型的特点,简化了强跟踪UKF的步骤,很大程度上减小了计算量,提高了算法的实时性.在给出算法流程的同时给出了该强跟踪UKF成立的证明,并根据强跟踪滤波充分条件给出了次优渐消因子求解过程,分析了算法的优越性.最后,通过SINS大方位失准角初始对准仿真和车载试验结果证明了新的强跟踪UKF算法的正确性和优越性.     

基于EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.     

ISCPF在捷联惯导初始对准中的应用

针对标准粒子滤波算法中存在的重要性密度函数难以选取的问题,提出了一种新的迭代平方根容积粒子滤波(ISCPF)算法.将高斯-牛顿迭代和平方根容积卡尔曼滤波(SCKF)算法相结合,得到迭代平方根容积卡尔曼滤波(ISCKF)算法.利用ISCKF算法获得粒子滤波算法的重要性密度函数,有效抑制了粒子退化现象.捷联惯导系统大方位失准角初始对准的仿真结果表明:该算法对航向失准角的估计精度可以达到2.21′,相比于标准粒子滤波(PF)算法和容积粒子滤波算法(CPF)具有更高的估计精度.     

基于改进型CKF的SINS初始对准方法

针对在晃动基座和大失准角下水下自主航行器(AUV)采用传统对准方法对准精度下降问题,建立捷联惯导系统(SINS)非线性对准模型,采用改进型CKF(ICKF)方法进行滤波,通过采用球面最简相径(SSR)规则选取CKF的容积点,在CKF的时间和量测更新方程之中引入强跟踪滤波(STF)的渐消因子;在CKF的基础上引入高斯-牛顿迭代算法,提高晃动基座下大失准角SIN对准精度.仿真实验表明:该方法对准精度高、鲁棒性强,克服了模型不准确时滤波精度下降甚至发散的问题,更能满足初始对准的要求.     

捷联惯导初始对准的区间自适应滤波算法

捷联惯导系统在初始对准过程中由于模型参数与实际系统存在偏差,并且系统噪声与量测噪声统计特性往往是未知的,采用卡尔曼滤波不能取得理想的滤波效果。为避免滤波发散以及模型的不确定性,提出了基于Sage-Husa算法的区间自适应卡尔曼滤波方法。给出了捷联惯导系统的误差模型以及区间自适应卡尔曼滤波方程。在噪声统计特性未知时,比较了常规卡尔曼滤波与区间自适应卡尔曼滤波在初始对准中的应用效果。仿真结果表明,区间自适应卡尔曼滤波在噪声统计特性未知时能够有效地提高系统的滤波效果,是一种比较理想的初始对准滤波方法。     

实时自适应噪声对消系统的TMS32010实现

提出了采用TMS32010高速数字信息处理芯片和APLMS算法实现实时自适应噪声对消系统的硬件结构和软件流程，通过实验验证了这种实时系统的有效性。     

瑞利衰落信道下OFDM系统多址接入方案的性能比较

调制方式和多址接入的灵活性是正交频分复用(OFDM)技术的一大优点。对OFDM系统下行链路的不同多址方式进行了比较，介绍了分别用于OFDM-FDMA和OFDM-TDMA的自适应子载波分配和自适应调制。仿真结果表明：带自适应子载波分配的OFDM-FDMA方式性能最佳。     

知识经济与高校管理队伍建设

21世纪是知识经济的时代，知识经济的冲击必然要引发一场教育革命，高校管理干部队伍建设也势必要进行适应性变革。我们只有充分认识知识经济带来的深刻变化，正确认识现阶段高校管理干部队伍建设过程中存在的不足，建立和完善科学的干部管理机制，才能更好地培养出适应时代要求的高素质的管理干部队伍。     

OFDM系统中基于最小平均误码率的自适应预处理算法的研究

提出了一种基于最小平均误码率的自适应预处理算法,并将该算法应用于自适应OFDM系统,在频率选择性衰落信道条件下,与等功率分配的OFDM系统相比,误比特性能有了很大程度的提高.     

瑞利衰落信道下OFDM系统多址接入方案的性能比较

调制方式和多址接入的灵活性是正交频分复用(OFDM)技术的一大优点.对OFDM系统下行链 路的不同多址方式进行了比较,介绍了分别用于OFDM-FDMA和OFDM-TDMA的自适应子载波分配和 自适应调制.仿真结果表明:带自适应子载波分配的OFDM-FDMA方式性能最佳.     

改进型模糊PID控制在光伏系统MPPT中的应用

介绍了一种带有自适应量化因子和比例因子的模糊PID控制方法在光伏发电系统最大功率点跟踪控制中的应用。分析了常规模糊PID控制的不足和量化因子及比例因子对跟踪控制的影响。实验结果表明,该方法设计的自适应MPPT控制器可以获得更好的整体系统性能,在任何环境下更好地使系统运行在最大功率点处,比传统的控制方法有更高的跟踪性能。     

具有自适应交换率和变异率的遗传算法

简单遗传算法存在着收敛速度慢、易陷入局部上等缺陷。针对这些,本文设计出随相对遗传代数呈双曲线下降的自适应换率,并提出与父串间的相对欧氏距离成反比、随相对遗传代数指数下降的自适应异率。实例验证表明,具有自适应交换和变异率的遗传算法在收敛速度和获得全局最优解的概率两个方面都有很大的提高。     

用于去除心电信号工频干扰的多阶自适应滤波器阶数确定策略研究

工频干扰是微弱生物信号采集过程的常见噪音源之一,特别会造成像心电之类信号的信噪比的显著下降.自适应滤波技术对于去除心电信号工频干扰噪音有着显著的效果,但自适应滤波技术中的自适应滤波器阶数确定是关键问题.本文提出了多阶自适应滤波器中适于去除心电信号的阶数选择策略.在以单路正弦波为模拟工频干扰信号源进行实验中,根据提出的阶数选择策略,确定5阶自适应滤波器对心电信号的工频干扰有着明显的抑制效果.同时,实验还证明,与自适应滤波器中的对消器相比,策略所确定的5阶自适应滤波器具有更快的收敛速度,并且还能在工频波动处取得更好的处理增益.     

一个新超混沌系统的自适应控制与同步

研究只有一个平衡点的新超混沌系统的自适应控制与自适用同步问题.首先在假设参数完全未知的情况下,设计了一个非线性控制器,提出了相应的系统参数的自适应律,将系统控制到不稳定的平衡点.其次讨论了该超混沌系统与其自身的单向耦合同步,并提出了一种非线性耦合同步方案,找到了相应的系统参数的自适应律,使得驱动系统与响应系统达到全局完全同步.用Lyapunov函数法从理论上证明了结论的正确性,还用Matlab作了数值模拟,模拟结果表明设计是可行的.     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。