不完全覆盖的多阶段任务系统可靠性综合分析

针对不完全覆盖条件,既有多个动态阶段又有多个静态阶段的多阶段任务系统可靠性分析,提出多阶段任务系统模块化分解的原则以及系统基本结构和算法,对分解后的静态子系统采用IGPMS-CPR算法,对动态的子系统采用覆盖模型结合马尔科夫链的一体化方法,并对动态子系统连接静态子系统的对应关系及简便算法进行了推广.这是一种综合许多成熟可靠性分析算法的方法,其低运算量和容易实施的特点在案例分析中得到充分展示.     

基于粒子滤波的机器人定位及动态目标跟踪

提出了一种基于粒子滤波的动态跟踪算法,解决了传统SLAM理论在处理动态目标时误差不断累加的问题。通过分析移动机器人和激光测距仪,里程计的原理,建立了机器人的运动和观测模型。将数据关联的方法用于动态环境中则提高了系统的稳定性和定位的精度。仿真结果表明此算法能够比较精确地估计出机器人的位姿以及动态目标在地图中的位置,为开展将静态与动态相结合的定位与地图构建的研究提供了一种可行方案。     

基于无轨迹卡尔曼滤波器的感应电机转速估计

借助仿真,深入探讨了卡尔曼滤波器家族新成员—无轨迹卡尔曼滤波器(UKF)用于感应电机转速估计这一问题。分析了采样周期以及滤波器参数对UKF收敛特性的影响,从静态性能、动态响应速度、对电机参数的灵敏度、算法复杂度等各方面评价了UKF转速估计性能,并与经典的扩展卡尔曼滤波器(EKF)转速估计进行了比较。结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF。     

多尺度数据融合算法概述

介绍了多尺度框架在数据融合中的应用,详细分析了几种多尺度数据融合算法。多尺度平滑算法是一种静态算法,具有高度并行、计算有效等特点。基于小波变换的动态多尺度数据融合算法引入了时间动态方程,是一种最优的分布式滤波算法。多尺度递归估计算法有效地解决了计算上的困难,非常适用于大型动态系统。     

短波信道信噪比估计及其在信道均衡中的应用

基于短波Watterson信道模型,理论分析了基于训练序列的信噪比估计算法,并将其应用于短波信道均衡后信噪比估计中,解决信噪比估计过程中要求信道系数为实值、一帧数据范围内信道系数恒定、调制方式已知等问可题;并根据判决反馈均衡器在低信噪比时具有误差传递的特性,提出利用实时信噪比估计指导信道均衡在直接式与判决反馈式均衡算法间动态切换,以获取整体性能的提高;仿真验证了均衡后短波信道信噪比估计算法和信道均衡动态切换方式的可行性和有效性.     

不完全覆盖的多阶段系统可靠性集成分析

针对多阶段任务系统的可靠性分析,提出系统分解方法.在不完全覆盖条件下,综合两种方法:静态的IGPMS-CPR算法和动态的覆盖模型结合马尔科夫链的一体化方法,侧重研究静态子系统连接动态子系统的特殊对应关系并提出相应简便算法.此方法有效地集成多种成熟的分析方法,通过案例分析阐述其低运算量和容易实施的特点.     

复杂战场环境中基于规则格网的动态地形的研究

分析了现有的静态地形的多分辨可视化算法，选择基于规则格网的ROAM(Real-Time Optimally Adapting Meshes)算法作为动态地形研究的基础算法，并对ROAM算法作了适应一般动态地形可视化的通用性的改进，提出了规则动态地形和不规则动态地形的解决方案，并用实验数据证明所设计的方法是可行而且有效的。     

基于手指运动方向的动态碰撞检测算法及实现

通过对虚拟手抓握物体时手指运动过程的分析,提出基于手指运动方向的动态碰撞检测算法,在详细描述该算法的基础上,给出算法流程图、算法实现框图和应用实例。针对单个手指与球体的接触过程,将此动态碰撞检测算法和传统的静态碰撞检测算法进行性能测试比较,结果证实该动态碰撞检测算法在总体性能上优于传统静态碰撞检测算法,主要体现在提高了抓握操作仿真过程中碰撞检测阶段的运行速度、解决了抓握操作中以多面体模型之间的碰撞检测仿真实体模型之间的碰撞检测问题。该动态碰撞检测算法并可以推广应用于其他动态碰撞检测仿真。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰,研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法,利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离,推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数,有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比,提出的方法具有参数估计收敛速度快,辨识精度高,建模误差小等优势,验证了所提学习算法的有效性。     

多阶段系统可靠性的混合式分析

评述两种不同的多阶段任务系统可靠性分析方法:多阶段任务系统的双值决策图组合式方法和马尔科夫链方法.如果多阶段任务系统的每一阶段是静态的,最好采用组合式方法解决;如果其中的一些阶段是动态的,不全是静态的,可能只采用马尔科夫链方法,也可能采用既有组合式又有马尔科夫链的混合式方法.通过研究部件跨阶段依赖性的特征和混合式方法的特点,针对部件失效服从指数分布和系统失效满足一定条件,提出相应的简便算法.这种算法综合了多种成熟的可靠性分析方法,通过案例分析充分说明它的低运算量和容易实施的特点.     

SR-CH∞KF用于弹丸飞行姿态测量研究

为提高弹丸姿态测量精度,提出一种基于H∞滤波的平方根容积卡尔曼滤波.该方法通过三轴地磁传感器和陀螺仪组合测量模型,采用欧拉角算法模型减少状态维数并使状态方程呈现线性化,可以减少计算量.该方法可以适用于量测噪声不确定的情况,引入新息序列不断修正误差限定参数来更新量测噪声估计值,可以提高滤波的精度和鲁棒性.奇异值分解能够保...     

基于UKF神经网络的姿态测量信息融合算法

针对融合系统建模误差、噪声统计特性不精确性和环境的动态变化性致使传统联合滤波过程中融合权值难以确定,引入人工智能中的神经网络,提出了基于神经网络的多信息自适应智能估计融合算法研究;利用神经网络的自适应能力对状态估计融合结果进行实时辅助补偿和修正,将非线性最优估计与神经网络技术相结合,重点研究了基于UKF的神经元融合权重在线自适应学习算法,以便在缺少准确局部子滤波器协方差信息情况下,仍能使全局估计融合结果最优,从理论上证明了UKF学习算法优于传统EKF学习方法,并以卫星多姿态测量信息融合定姿系统为例,给出了计算实例和结论分析,表明了所提出的模型与算法在实际应用中的有效性。

Abstract：

The fusion weight of traditional Federal Kalman Filter is difficult to be determined because of the fusion system modeling error,the inaccuracy of noise statistic characteristics as well as the dynamic variability in the fusion filtering process.In order to solve this problem,a self-adaptive fusion estimation algorithm for multi-information measurement based on neural networks was presented,which used the self-adaptive ability of neural networks to make real-time compensation and amendment for the state fusion estimation results.Combining a nonlinear optimal estimation with neural network,an online adaptive training algorithm for the weights of neuron based on Unscented Kalman filter （UKF） was researched,which could still realize the optimal fusion for the global estimation even if the accurate covariance information of each local sub-filter were absent.The performances of UKF training algorithm and the traditional EKF algorithm were analyzed and compared,and moreover taking the multi-information fusion system for satellite attitude determination as the experimental example,the simulation calculation and analysis were advanced,which show that the presented models and algorithms are effective in the actual application.     

Adaptive deinterlacing algorithm based on motion compensation

Keywords:de interlace,adaptivemotionestimation,Kalmanfilter,motioncompensation.1.INTRODUCTION Inthecurrentworldwidetelevisionsystems,inter lacedscanningtechniqueisadoptedtoreducethe bandwidthofthevideosignals.Butamajordrawback oftheinterlacingonthecurrentbrighthigh resolu tiondisplaysisthelineflickerandjaggedeffectsof movingedges.Thus,manyde interlacingalgorithms havebeenproposedtoreducethoseartifacts.Theex istingalgorithmscanbeclassifiedintointra field,and inter fieldtechniques[1].Intra…     

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.     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

基于“当前”统计模型的高动态GPS信号跟踪算法

提出了一种新的高动态GPS信号跟踪算法,基于＂当前＂统计模型对载波瞬时相位过程、瞬时频率及瞬时频率变化率过程进行建模;在此基础上,结合系统状态方程为线性而量测方程为非线性的特性,采用简化UKF算法对信号参数进行估计,同时采用EKF和标准UKF滤波算法在同等条件下对信号参数进行估计比对。仿真结果表明对信号参数所建模型能真实反映信号的过程,验证了所建模型的正确性的;简化UKF参数估计结果不仅精度与标准UKF相当且具有较高的运算效率,能更好满足高动态下的实时性需求。

Abstract：

A new high dynamic GPS signal tracking algorithm was proposed.Based on current statistical model,a new model for the GPS signal transitional process was established.Since the system involved a linear state equation and a nonlinear measurement equation,a simple Unscented Kalman Filter （UKF） algorithm was applied to estimation the signal parameters.For comparison purpose,an Extended Kalman Filter （EKF） algorithm and a standard UKF algorithm were also applied to the system to illustrate the effectiveness of the proposed filtering algorithm.Simulation results show that the new model can precisely represent the real signal process,and the simple UKF algorithm achieves high precision comparable to standard UKF with higher operation efficiency.Therefore,the new model and the proposed algorithm can satisfy real time requirement in high dynamic environment.     

UKF-based attitude determination method for gyroless satellite

UKF (unscented Kalman filtering) is a new filtering method suitable to nonlinear systems. The method need not linearize nonlinear systems at the prediction stage of filtering, which is indispensable in EKF ( extended Kalman filtering) . As a result, the linearization error is avoided, and the filtering accuracy is greatly improved. UKF is applied to the attitude determination for gyroless satellite. Simulations are made to compare the new filter with the traditional EKF. The results indicate that under same conditions, compared with EKF, UKF has faster convergence speed, higher filtering accuracy and more stable estimation performance.     

基于固定滞后滤波平滑的弹道重构算法

为有效利用雷达测量的飞行数据进行弹箭的实际弹道重构,建立了弹道重构需要的状态方程和量测方程,考虑模型的非线性和重构状态非高斯分布的可能性,结合Bootstrap粒子滤波给出一种一步固定滞后滤波平滑算法的实现,并将其作为弹道重构的估计工具。算例仿真表明,相比于Bootstrap粒子滤波和无迹卡尔曼滤波,该Monte Carlo平滑算法可以进一步提高估计的精度,为弹道重构提供一种新的有效工具。     

基于扩展卡尔曼滤波器的低成本航姿系统设计

针对传统的航姿系统（attitude and heading reference system, AHRS）在微型无人飞行器、机器人等应用上所体现的成本高、体积大、功耗大的问题,提出了一种低成本高精度AHRS。该系统以数字信号处理器为硬件平台,集成了陀螺仪、加速度计、磁罗盘等9自由度微机电系统传感器,采用了基于四元数的姿态估计方法,建立了传感器输出模型和系统状态空间模型,考虑了加速度对系统精度的影响,解决了四元数协方差奇异性问题,通过扩展卡尔曼滤波〖JP3〗器进行数据融合以获得姿态的准确输出。经数值仿真分析和三轴飞行转台测试,姿态角的静态精度优于0.5°、动态精度优于2°,并在微型无人飞行器上进行了飞行验证,结果表明其能够满足小型无人飞行器等的应用需求。     

基于辅助粒子滤波的风估计方法研究

对飞行中风场测量值含连续野值较多的问题,提出了将连续野值当作噪声处理的方法。噪声设置为随机游走模型并在状态方程中引入时变系数,利用辅助粒子滤波(APF)处理。与当前的自适应Kalman方法进行了比较,在含10个连续野值的模拟数据处理中,Kalman方法发生了跳变,而APF方法成功地处理了连续野值;APF方法和Kalman方法的平均均方误差分别为0.8313和1.0021。最后,将APF方法用于飞行测量数据处理。结果表明,APF方法能处理更多的连续野值,具有更好的精度和稳定性,适合工程应用。