基于矢量重构的双基地MIMO雷达相干多目标定位

提出了一种基于目标信息矢量重构的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达相干信源角度估计方法。利用目标信息矢量中的元素,构造出解相干处理的通用块Hankel矩阵。证明了该矩阵的秩为总目标数时矩阵行数和列数所应满足的条件,并基于奇异值分解求解出信号和噪声子空间,然后利用ESPRIT算法获得角度的估计值。同时,给出了直接数据提取法和特征矢量提取法来获得目标的信息矢量。仿真实验表明：本文算法能够有效地估计出相干信源的收发角度,且实现自动配对;当兼顾角度估计精度和算法的复杂度时,应满足块Hankel矩阵的行数不大于列数;在低信噪比下,本文算法的估计精度优于空间平滑算法,且特征矢量提取法的估计精度优于直接数据提取法。     

星敏感器姿态测量算法研究

针对传统矢量定姿方法精度较低的问题，研究了主流的星敏感器多矢量天文定姿算法，从理论上对奇异值分解(singular value decomposition, SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square, LS)算法、四元数估计(quaternion estimator, QUEST)算法和线性估计算法进行了详细推导。其中，线性估计算法先将各矢量对的坐标变换等式分散表示，推导出对应的四元数形式，再联立所有矢量的坐标变换等式，基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化，再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作，具有良好的创新性与实用性。以最小化Wahba损失函数为目标，对定姿算法的性能进行对比分析。仿真和实验结果表明，线性估计算法较之于其余4种算法，具有更快的解算速度、更高的定姿精度。     

基于凸约束下泰勒估计的主瓣干扰抑制算法

针对真实信号协方差矩阵估计难以直接获取及低快拍条件下传统采样协方差矩阵存在较大误差的问题,提出了基于凸约束下泰勒估计的抗主瓣干扰波束形成算法。该算法首先利用凸约束下的泰勒估计法在低快拍数条件下对信号协方差矩阵进行估计。其次利用多信号分类算法进行波达方向估计,筛选主瓣干扰对应特征矢量。而后利用特征投影矩阵法对主瓣干扰进行抑制。最后,通过添加线性约束获得权值矢量进行波束形成。仿真结果显示,在低快拍数条件下,所提算法对信号协方差矩阵具有更高的估计精度,波束形成性能稳健且具有更高的输出信干噪比。     

基于视觉的近距离编队对偶四元数相对位姿估计算法

针对近距离编队飞行中位姿估计问题,提出了一种新的点到区域匹配航天器间视觉相对位姿估计算法。给定主星表面上的点集及与之匹配的从星摄像机像平面图像凸区域,结合对偶四元数及凸优化数学工具,充分利用对偶四元数描述坐标系变换的简洁性,建立了对偶四元数凸优化位姿估计模型,估计出主星与从星之间的相对位姿参数。该算法不仅利用对偶四元数较传统四元数描述坐标系变换的优势,而且采用凸优化方法可大大降低传统位姿估计方法中需要精确的点到点匹配的要求。仿真结果证明,该算法能满足近距离编队相对位姿估计精度要求,具有较好的鲁棒性,对目前航天任务中航天器间视觉相对位姿估计具有重要参考价值。     

基于随机有限集的SLAM算法

提出一种基于随机有限集的同步定位与地图创建算法,该算法利用随机有限集对环境地图和传感器观测信息建模,建立联合目标状态变量的随机有限集。依据Bayesian估计框架,利用概率假设密度滤波的粒子滤波实现对机器人位姿和环境地图进行同时估计。新算法避免了数据关联过程,并能更加自然有效地表达同步定位与地图创建(simultaneous localization and mapping, SLAM)问题中多特征-多观测特性及多种传感器信息。在仿真实验中,利用FastSLAM2.0算法和新算法进行对比,实验结果验证了新算法的优越性。     

基于乘性四元数和约束滤波的飞行器姿态估计算法

以单位四元数作为姿态描述参数提出一种乘性约束姿态估计算法。四元数具有全局非奇异、运动学方程双线性的优点,但归一化约束条件必须精确保持。首先,比较了加性和乘性滤波算法在估计误差定义和校正方式上的差别,并从物理概念和估计精度上详细分析了无约束四元数估计算法的不足。然后,针对“矢量测量+陀螺”姿态观测模式,利用乘性约束滤波算法设计了姿态估计器。针对状态部分受约束的姿态估计问题,推导了状态和方差预测方程及状态受约束的最优增益矩阵,并将约束增益矩阵应用到姿态估计算法的测量更新过程。最后,通过数学仿真验证了算法在估计精度和收敛性能上的优越性。     

新型拉伸电磁矢量传感器的两维高精度波达方向估计

较之传统的共点电磁矢量传感器,拉伸电磁矢量传感器能够显著降低阵元间互耦,且非共点结构在硬件设计上更易于实现。但是现有拉伸电磁矢量传感器无法实现阵列的两维孔径扩展,导致了两维波达方向估计精度较差。针对此问题,提出一种新型的拉伸电磁矢量传感器。该阵列结构由单个拉伸电磁矢量传感器和单个电偶极子组成。利用单个拉伸电磁矢量传感器提供一维孔径扩展,再利用垂直于该拉伸电磁矢量传感器的单个电偶极子实现另一维的孔径扩展。针对该两维孔径扩展阵列,提出一种矢量叉积算法与相位干涉法相结合的算法来获取两维波达方向的高精度估计。所提阵列在降低互耦的同时,利用电磁矢量传感器提供的极化分集与两维孔径扩展带来的空间分集,使得两维波达方向估计精度大大提高。     

基于范数优化路径的视频稳像算法

针对运动相机中视频的随机抖动和低频晃动问题,提出了一种基于范数优化路径的视频稳像算法。该算法在特征点粗匹配之后引入概率进化抽样一致性算法剔除误匹配点,避免了局部运动对全局运动估计的影响,然后在定制的L1范数约束下构建相机的最优化运动路径,最后利用新的路径进行运动矫正获取稳定的视频图像序列,实验结果验证了算法的有效性。     

基于头盔显示器的视频头位跟踪方法研究

头位跟踪在虚拟现实系统中起着至关重要的作用。提出了一种新的基于头盔显示器的视频头位跟踪方法。首先设计了立体标记物,置于头盔显示器正上方,然后使用CAMSHIFT算法跟踪视频中标记物的四个非共面特征点,获取其像素坐标,跟踪过程中使用OpenMP实现了多点的同步跟踪。最后利用非共面的POSIT算法估计立体标记物的旋转矩阵和平移向量,得到头部位姿。实验表明,该方法是有效可行的,精度高、实时性好、无束缚。     

模值约束的降维MUSIC二维DOA估计

利用传统二维多重信号分类(multiple signal classification, MUSIC)算法进行二维波达方向(direction of arrival, DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。     

惯导系统陀螺漂移的ESO估计算法

为满足舰艇航行的高精度导航要求,提高惯导系统陀螺漂移估计精度,设计了基于扩张状态观测器(extended state observer, ESO)的惯导系统陀螺漂移估计算法。首先引入了惯导系统水平姿态角的ESO估计算法;其次基于惯导系统姿态控制方程,研究并推导了陀螺漂移的ESO估计算法,给出了估计误差的量化分析结论;最后对算法进行了仿真验证。结果表明,基于ESO的陀螺漂移估计方法可在短时间内快速、无超调、高精度地估计出陀螺漂移,当ΔAx=ΔAy=10^-5g时,估计的稳态误差约为10^-4(°)/h,提高了惯导系统后续导航精度。     

基于反双曲正切函数的跟踪微分器设计与应用

通过引入反双曲函数与终端吸引子函数,构造了一种新型跟踪微分器。反双曲正切函数在平衡点较近处优异的线性特性可以保证系统收敛的平滑性,远离平衡点处的非线性特性能保证收敛的快速性。通过引入终端吸引子函数,降低了高频信号引起的抖振,增强了噪声抑制能力。通过扫频测试总结得出了参数整定规则后,与典型的跟踪微分器进行对比仿真,测试了所设计新型跟踪微分器的性能。最后,在控制器设计时,基于所提出的新型跟踪微分器构造了干扰观测器。通过仿真对比,证明所构造的干扰观测器实现了对模型不确定项的有效估计。     

一种极坐标下的改进多目标粒子群优化

对现有多目标粒子群优化算法的全局最优解选择机制进行分析,指出其不足。在此基础上设计一种全新的极坐标下的选择机制:利用极坐标下解和粒子的角度信息计算适应度角度,选择适应度角度最大的解作为粒子的全局最优解。并针对多目标粒子群优化算法在迭代后期收敛变慢的问题改进位置更新公式:将位置更新过程产生的中间点也作为粒子新位置的候选解,有效提高算法收敛速度。对测试函数的仿真试验表明,所提出的改进算法在解集的分布性和收敛性上较其它典型算法有明显提高。     

基于辅助信标的无人机协同目标跟踪

针对无人机姿态角误差与观测误差影响目标定位精度问题, 构建基于辅助信标的无人机协同目标跟踪模型, 提高了对目标的定位精度。提出基于辅助信标的姿态校正方法, 利用辅助信标的精确位置实时校正无人机的姿态角, 减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型, 设计双无人机协同控制律, 得到无人机观测的优化轨迹, 以提高无人机对目标的观测质量, 最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响, 提高目标跟踪精度, 具有一定的工程应用价值。     

基于双欧拉角的UKF组合导航滤波算法

针对非线性滤波组合导航中四元数无迹估计器(unscented quaternion estimator, USQUE)规范性约束导致的算法计算量大、实时性差等问题, 提出一种基于双欧拉角姿态表示的无迹卡尔曼滤波(dual-Euler unscented Kalman filter, DEUKF)算法。通过正、反欧拉角相互切换, 在正、反欧拉微分方程精华区进行姿态滤波更新, 避免了奇异性, 确保了滤波精度。捷联惯性导航系统/全球定位系统直接式组合导航仿真试验与车载实验结果表明, 相比较于USQUE算法, DEUKF算法计算量小、实时性好, 水平姿态角估计精度与USQUE相当。     

重力扰动对惯性导航系统初始对准的影响

随着惯性器件精度的不断提高与高精度导航系统发展的需要,重力扰动成为影响惯性导航系统(inertial navigation system, INS)精度的主要误差源之一。在考虑垂线偏差和重力异常的同时,首先利用解析法推导了重力扰动影响初始对准失准角的误差方程,并将其转化为姿态角误差方程。然后,分析并建立了INS的速度、位置和姿态的误差方程。最后,利用仿真实验验证了重力扰动对INS初始对准的影响。理论分析及仿真实验表明,重力扰动矢量直接影响初始对准姿态角,姿态角误差仅与水平面内的垂线偏差有关,而与重力异常无关。     

基于脸部特征和头部姿态的疲劳检测方法

针对疲劳驾驶检测方法存在疲劳特征单一、鲁棒性低和不能因驾驶员不同定制疲劳阈值等问题,提出了一种基于脸部特征和头部姿态的疲劳检测方法。利用HOG(histogram of oriented gradients)特征算子和回归树算法进行人脸检测和人脸关键点定位;通过脸部关键点结合坐标系变换估计头部姿态欧拉角;建立深度残差神经网络模型对眼部疲劳特征进行提取,同时结合眼部、嘴部纵横比和头部姿态欧拉角进行疲劳特征提取;利用眼部、嘴部和头部姿态疲劳特征建立针对不同驾驶员的支持向量机模型对疲劳驾驶进行预警。实验表明：在YawDD和自建疲劳模拟数据集上,该方法均表现出较高的准确率和鲁棒性,在某一疲劳特征检测受阻时依然能进行较好的疲劳预警。     

UCAV环境感知中路标选取及定位方法

为实现无人作战飞机(unmanned combat aerial vehicles, UCAV)认知导航环境感知中路标的选取和位置求解,提出一种基于增量多层判别回归(incremental hierarchical discriminant regression, IHDR）树的路标选取和定位方法。利用快速鲁棒性特征(speeded up robust feature, SURF)算法提取的特征点描述矢量及其在地理空间中的位置组合为路标信息,构造IHDR树,实现已感知信息的存储记忆。UCAV进行环境感知时,若路标信息已知,以已知路标描述矢量对IHDR树检索,通过已知路标位置与检索输出位置之间误差的大小进行路标选取。若路标信息未知,以SURF算法提取环境中路标的描述矢量,并对IHDR树检索,通过比值法对输出路标进行提纯,以提纯后路标的位置作为对应路标的定位结果输出。仿真结果表明,该方法可有效选取设定位置误差内的路标,低噪声干扰下路标的定位具有高正确率。