基于惯性参考系线性滤波传递对准方法

提出一种机载武器捷联惯导系统任意失准角情况下的传递对准方法。该方法以两个相对惯性空间指向不变的坐标系为基础,将姿态四元数分解为可由子惯导陀螺仪输出计算的四元数、可由主惯导传递的信息计算的四元数以及需要估计的常值四元数。对比力方程进行数学变换,得到了线性量测方程。建立了任意失准角情况下的线性传递对准模型。设计了一种自适应卡尔曼滤波算法以解决观测噪声方差阵难以精确计算的问题。仿真结果表明,该方法在任意失准角情况下都能得到较高的对准精度,为机载武器捷联惯导系统提供了一种有效的传递对准方法。     

传递对准滤波中机翼变形噪声的在线补偿算法

针对机翼变形噪声对传递对准滤波的显著影响,通过特性分析将其处理为时变多阶有色观测噪声,提出了一种在线补偿算法。该算法以标准卡尔曼滤波方程为基础,推导了不扩维情况下补偿多阶有色观测噪声的滤波方程。算法依据滤波过程的序列量测数据,结合模型估计残差的F检验法,在线递推估计机翼变形噪声的自回归阶数、系数及白噪声,构建补偿方程的量测量、量测矩阵和量测噪声进行补偿滤波。通过将该算法应用于速度+姿态对准匹配方案,并与将机翼变形噪声等效为注入量测白噪声和扩充为系统状态的方法比较。仿真结果表明,该算法对时变机翼变形噪声影响下的新息适应性强,收敛稳定,估计精度高,适用于复杂空中环境下机载导弹快速精确传递对准。     

基于测量矢量匹配的传递对准方法研究

给出了一种基于主、子惯导系统测量矢量匹配的传递对准方法。根据主、子惯导系统惯组感测的角增量和速度增量信息,用四元数迭代算法直接估计主、子惯导之间的安装误差四元数,从而实现子惯导系统的快速初始对准。仿真结果表明,在适当的姿态机动条件下算法收敛速度很快,且最终对准精度较高,能满足弹载惯导的对准要求。另外,算法在初始姿态误差达到30°时仍能收敛,可在需要高精度对准的情况下为进一步的基于最优滤波的精对准提供良好的小角度线性化条件。     

惯性系下平台惯导传递对准方法

由于导弹的高速旋转导致其内部的子惯导平台难以施矩,不能跟踪地理系,在发射前需要使子惯导平台跟踪惯性系,而主惯导则一直跟踪地理系。针对这一情况的传递对准应用问题给出了相应的解决办法。首先介绍了跟踪惯性系平台惯导的工作原理,然后针对这种情况,提出了2种惯性系下传递对准的方法,分别是平台惯性系以及地心惯性系下的速度匹配。经过对比分析,仿真结果说明平台惯性系下的方位失准角精度不高,而地心惯性系下在3个方向上都达到了误差小于1′的精度,是一种可行的对准方法。     

一种改进的自适应平方根传递对准滤波算法

提出了一种解决时变噪声条件下传递对准的改进自适应平方根滤波算法。该算法将状态方差调节因子阵、自适应调节的系统噪声和量测噪声方差以及噪声有限记忆尺度融入平方根滤波结构中,采用序列算法滤波解算。算法通过一步控制和多步自适应调节过程,以较少的计算量从数值计算、噪声抑制及自适应调节方面提高滤波性能。仿真结果表明,该算法滤波稳定性强,能够根据实际噪声快速调整,且滤波精度高,为机载导弹提供了一种有效的快速精确传递对准方法。     

基于贝叶斯网络的不确定环境下多属性决策方法

融合贝叶斯网络推理技术来求解不确定多属性决策问题,根据问题的决策变量、环境变量和多个属性之间的依赖关系构造贝叶斯网络,通过推理求解在各个方案下每个属性取值的概率分布,从而把问题转化成风险决策问题.采用此方法求解不确定环境下多属性决策问题时,决策者只需考虑节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.算例表明基于贝叶斯网络的求解方法对不确定环境下的多属性决策问题是有效的.     

案例信息不确定下的多属性分类方法

针对实际决策问题的复杂性以及决策者认知的局限性,提出了一种案例信息不完全确定情况下的多属性分类方法.该方法采用二元语义处理方案的语言评价信息,以方案到正理想点的距离作为分类依据,利用案例集提供的分类概率信息建立区间目标规划模型,推导方案的属性权重及各个类的边界值.在建模过程中,考虑了案例信息的不确定性,并引入了可信度的概念,将总的可信度作为分类模型的评价标准.此外还从理论上证明了模型的合理性.最后,通过一个项目评价的分类实例说明了所提方法的可行性.     

#br# 舰船捷联惯导传递对准的改进自适应滤波算法

针对舰船捷联惯导传递对准性能受系统动态模型和噪声统计特性影响的问题,提出了一种基于改进自适应滤波的“速度+姿态”传递对准算法。针对噪声矩阵半正定性问题而导致的滤波发散,对自适应滤波噪声矩阵的迭代算式进行了改进,并基于协方差匹配技术给出了滤波发散的抑制策略。考虑到舰船航行中的载体变形影响动态模型的问题,在状态量中加入了安装误差角和挠曲变形角,并在算法中进行了补偿。仿真结果表明,改进算法可以在100 s之内有效地估计出姿态失准角和安装误差角,完成舰船捷联惯导的快速传递对准。     

基于FV-OWA算子的不确定多属性决策方法

对基于模糊数Vague集的不确定多属性决策方法进行了研究.定义了模糊数Vague值的一些运算法则,基于这些法则,给出了一种模糊数Vague值的有序加权平均(FV-OWA)算子.基于FV-OWA算子,提出了一种属性权重完全未知、且方案的属性评估信息以模糊数Vague值形式给出的不确定多属性决策方法.最后,进行了实例分析.     

一种基于自适应粒子滤波的捷联初始对准方法研究

针对传统自适应粒子滤波算法的计算负荷太大问题,在Fox的K-L距离采样的基础上,给出一种新的求解七值的方法,将k值的计算从采样过程中分离出来,大大降低算法的复杂度,减少计算量,避免死循环发生.曩后,将该算法应用到大失准角情况下捷联惯导系统动基座初始对准中,并与扩展卡尔曼滤波算法,标准粒子滤波算法和传统自适应粒子滤波算法进行了比较,仿真结果表明简化的自适应粒子滤波算法在保持高精度的同时,有效地提高了算法的计算速度,因此更适合于捷联惯导系统动基座初始对准.     

基于多观测量的舰载惯导传递对准精度评估方法

针对传递对准精度评估采用差分GPS作为基准量存在对载体机动特性要求高的问题,以舰载惯导传递对准精度评估为研究对象,引入差分GPS速度、位置和舰载主惯导姿态为参考信息;以捷联惯导系统误差方程为基础,推导了状态方程和量测方程;设计了基于固定点的卡尔曼平滑算法;考虑不同主惯导姿态误差条件情况,与传统的传递对准精度评估方法的评估效果进行了比对仿真分析,给出了分析结论。仿真结果表明,基于多观测量的精度评估方法仅通过舰船的摇摆运动,能实现对舰载惯导姿态误差的有效估计。     

基于自适应多重渐消因子卡尔曼滤波的

针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预测误差协方差阵进行调整,使得各滤波通道具有不同的调节能力,克服了单渐消因子对多变量跟踪能力差的局限性,从而提高滤波算法的精度和鲁棒性。仿真和试验结果表明,新算法能有效抑制滤波器发散,其滤波精度和鲁棒性优于常规卡尔曼滤波与单渐消因子卡尔曼滤波,能够更好地满足工程应用的要求。     

基于简化路网模型的卡尔曼滤波多步行程时间预测方法

针对目前多步行程时间预测方法研究较少,存在未来一段时间内的观测值不能及时得到的问题,提出基于简化路网模型的卡尔曼滤波多步行程时间预测模型和算法.综合运用上游路段、当前路段的实时和历史行程时间数据,从历史数据中寻找与当前日期交通状况最接近的历史日期,解决卡尔曼滤波未来一段时间内没有观测值而无法进行多步预测的问题.实验表明,算法能够合理地预测未来几个时段的路段行程时间,有效地避免了时滞性.同时,多步行程时间预测算法的精度高(尤其是4步以内,均等系数达到0.9以上), 是一种可行的预测方法.     

基于PCA-SOM的混合协同过滤模型

针对推荐系统中协同过滤技术面临的数据稀疏性和推荐实时性难以保证的问题,提出一种基于主成分分析(Principle component analysis)和SOM(Self-organizing map)聚类的混合协同过滤模型.首先对原始评分数据进行全局降维,并在转换后的主成分空间上进行用户聚类,缩小了目标用户的最近邻搜索空间,减少了在线计算时间复杂度,最后对真实的电子政务门户网站Log日志数据进行了几种常用的推荐算法的比较,实验结果证明新的推荐模型具有较好的预测精度.     

基于动态指导滤波的显著性检测方法

显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法。为了进一步提高检测的有效性,同时降低像素类检测算法的计算量和复杂度,提出了基于动态指导滤波的图像显著性检测方法。在新设计的简单迭代指导滤波中,核函数不再像经典指导滤波器那样只利用固定的指导图像,而是利用了输入图像和动态指导图像的联合结构信息,它保证了指导图像对原输入图像较好的结构传递性。其次,为了节约算法的时间成本,采用采样的方式降低算法计算中需要的计算量。最后,为了提取更有效地的显著性区域,引入了关键显著性区域提取方法,通过修正关键点集合得到更准确的目标区域。实验结果表明,相比于其他像素类的显著性检测方法,该算法可以更快速和有效地检测出显著性目标。     

多水听器分布式扩展Kalman滤波融合算法

数据融合是信号处理领域非常引人注目的问题。在极坐标系下改进了直角坐标系下的扩展Kalman滤波算法,利用多传感器融合的基本理论,提出了用于水下目标的多水听器分布式扩展Kalman滤波融合算法。分别在目标不发生规避和目标发生规避两种情形下进行了仿真实验。结果表明,所提出的融合算法具有很好的跟踪性能,非常适合于工程的实际应用。     

多元不确定性偏好信息集结的目标规划方法

研究群决策过程中区间数偏好序、区间数效用值、区间数互反判断矩阵与区间数互补判断矩阵等四类不确定性偏好信息的集结方法.定义四类不确定性偏好信息的一致性,建立具有相同决策机理的各类不确定性偏好信息的统一权重求解模型.为解决决策误导问题,引入偏差系数建立权重分布范围的估计模型.建立决策群体意见集结的目标规划方法,研究了模型所具有的性质.为度量决策群体意见的一致度,定义了专家偏好与综合偏好的决策关联度系数和排序相关性系数.     

非确定环境下基于分层理论多无人机动态协同设计

针对非确定环境下多无人机自主协同控制这一多约束、强耦合非线性优化问题,采用分层理论将其分解成三个相对独立子 层,即协同感知层、环境态势理解层和协同全局重规划层. 协同感知层借助“层协作感知”算子来进行多模信息融合,解决非确定环境下目 标（包括静态确定目标和动态非确定目标）的感知与识别;环境态势理解层则是解决动态非确定环境更新,以及基于窗口势场法的障碍物（威胁目标）规避问题;而协同全局重规划层则是利用“层场景引擎”来实现多机非确定环境下的自主协同、路径快速寻优及状态决策. 模拟结果显示构建的多机自主协同模型能较好地解决非确定环境下的路径寻优和状态决策问题.