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.     

卡尔曼滤波与离散型数值积分相结合的示功图位移计算研究

为解决利用加速度传感器计算油井示功图的难题,提出一种卡尔曼滤波算法与离散型数值积分算法相结合用于油井示功图的位移计算和析出位移周期。卡尔曼滤波算法既过滤了加速度信号的噪声干扰,又保持了加速度信号的原始形状特征。位移周期的准确析出保证了位移计算原始数据的正确性。离散型数值积分算法可使位移测量的相对误差小于1％,满足了示功图精度的要求,适用于不同冲次的井型。     

在摆动相中用于下肢外骨骼跟踪人体踝关节轨迹的方法

为实现外骨骼摆动腿踝关节对人体踝关节运动轨迹的跟踪,建立了外骨骼摆动腿逆运动学模型与卡尔曼滤波预测模型,并在外骨骼摆动腿踝关节处设置人机位姿误差传感器,同时进行了人体步态实验.仿真中以实验测取的人体踝关节相对于其髋关节的运动轨迹作为外骨骼踝关节的跟踪对象,并依此计算外骨骼踝关节处人机位姿误差.采用卡尔曼滤波器对外骨骼摆动腿的髋、膝关节位置进行预测,再利用外骨骼逆运动学模型对预测结果进行校正.结果表明:该方法能良好地实现外骨骼摆动腿踝关节对人体踝关节的运动轨迹跟踪,并且卡尔曼滤波预测能明显改善跟踪的滞后性,同时仅需检测外骨骼踝关节处的人机位姿误差也有助于简化人机之间的传感器布置.     

基于卡尔曼滤波的迟滞神经网络风速序列预测

通过将迟滞特性引入神经元激励函数的方式,构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法,将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上,构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析,并将预测结果利用卡尔曼滤波方法进行融合,从而得到最优预测估计结果.仿真实验结果表明,迟滞神经网络具有更加灵活的网络结构,能够有效改善网络的泛化能力,预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度,降低预测误差.     

紧藕合导航系统中的GDOP估算方法

提出一种针对低成本GPS/SINS（global positioning system/strap-down inertial navigation system）紧耦合导航系统的快速选星方法,充分利用SINS的输出估算几何精度因子（GDOP）,避免大量迭代带来的时间消耗,在卫星失锁后或星座分布发生变化时实现快速选星;并在该方法的基础上设计并实现紧耦合导航系统中量测噪声方差阵的在线修正,提高了组合导航系统滤波估计的精度. 试验结果表明,本文方法弥补了传统GPS/SINS紧耦合导航系统中选星时间消耗代价过大、收敛精度较低的问题,并可相应降低设备成本.      

电离层闪烁下4路信号处理的载波锁相环

针对电离层闪烁导致的卫星导航接收机载波锁相环失锁问题,提出一种基于Kalman滤波器的4路信号处理载波锁相环. 该环路通过增加两路信号处理对锁相结果进行纠正,扩大了锁相环的相位牵引范围,同时根据信号实时载噪比自适应调节滤波系数,有效避免电离层闪烁时信号振幅衰落和相位突变引起的环路失锁. 通过仿真表明,这种锁相环可以在持续中强度和瞬时高强度的电离层闪烁下保持跟踪.      

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

基于多模型检测的视频监控行人跟踪算法

研究了网络视频监控中行人检测和跟踪技术,并提出了基于多模型检测的视频监控行人跟踪算法.首先在已有检测算法的基础上,根据实验结果,分析了算法的优势和存在问题,提出了多模型融合检测算法,多模型融合检测算法充分利用各个单模型算法的优势,提高模型检测准确率,并使用快速特征金字塔算法提高了算法的实时性.随后在提出的检测算法基础上,结合卡尔曼滤波算法和匈牙利最优匹配算法实现多目标行人检测和实时跟踪.MOT测试视频实验结果表明:提出的跟踪算法能够较好地实现多目标行人检测和跟踪,适合网络视频监控场景.     

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

摄动边界元法在随温度变化线胀系数反问题中的应用

将摄动法和边界元法相结合求解物性值随温度变化的热弹性问题,先用摄动法将变系数微分方程转化成常系数微分方程,再按边界元法求解．又采用摄动边界元法和卡尔曼滤波,由有限个观察点的位移值,反算出随温度变化的线膨胀系数．算例表明本文方法简便、有效．