基于对偶四元数的航姿系统姿态更新算法研究

以微小型捷联航姿参考系统为研究对象,建立基于对偶四元数的导航系统姿态更新解算参数模型。该方法区别于描述刚体纯旋转变换的四元数方法,将载体系与地理系之间坐标转换的旋转与平移过程进行统一、融合,通过建立最小方差目标方程,求解最优的姿态更新矩阵。构建Kalman滤波方程,最终确定载体姿态,航向角实时信息。仿真表明,对偶四元数所建姿态四元数误差的均值与均方差均小于0.002。Kalman滤波器构造符合实际系统要求,在传感器测量精度有限的情况下,可使俯仰角、横滚角、航向角误差分别减小到0.1°,0.1°,0.2°。     

基于改进粒子滤波的双站无源定位跟踪算法研究

在非线性非高斯状态空间下,粒子滤波器是一种有效的非线性滤波算法,它的关键问题包括粒子权重的计算、粒子重采样和状态估计等.根据粒子滤波算法思想和双站无源定位跟踪的非线性,将粒子滤波算法用于双站无源定位跟踪问题,给出了一种改进的粒子滤波算法,并对其关键问题根据双站无源定位跟踪的特殊性进行了改进.利用matlab进行了仿真实验,与最小二乘算法、扩展卡尔曼滤波算法进行了比较,结果表明所提算法定位跟踪精度优于其他方法.     

地球静止卫星位置自主确定方法与仿真研究

给出了利用星敏感器测量信息自主确定地球静止卫星位置的方法,利用不同精度的星敏感器测量数据和不同控制精度的卫星姿态测量数据,可以直接计算卫星位置.同时又对测量数据应用卡尔曼滤波进行卫星位置计算仿真,比较两种处理结果的精度.仿真结果表明,提出的方法可以实时自主获取静止卫星的轨道位置,满足静止卫星定点的不同精度需求.     

基于新的采样更新方法的粒子滤波算法

以往的粒子滤波采用由初始先验概率密度产生一组粒子,然后通过重要性密度函数去更新粒子,但会产生粒子退化的问题,因此引入了各种各样的重采样算法,但这样做又产生了粒子多样性丧失的问题。针对粒子滤波的粒子退化现象,提出基于新的采样更新方法的粒子滤波算法,新方法从滤波值和滤波误差协方差矩阵上产生粒子。仿真试验表明,新方法在非线性非高斯情况下要远远好于EKF。     

基于相关鉴频器的载波同步算法

通过对整周期扩频的DS/SS系统伪码分段匹配滤波器的相关峰值与载波多普勒频差之间关系的分析,提出了一种基于分段匹配滤波器的相关鉴频算法,其频率捕获范围为0.75倍数据速率,工作上限可达1倍数据速率.通过计算机仿真对比分析了相关鉴频和四相鉴频的无噪鉴频特性和鉴频输出信噪比,给出了一种相关鉴频器和四相鉴频器的组合载波同步方案.仿真结果显示,与传统的四相鉴频器载波同步方案比较,新方案可缩短大初始频偏下载波同步过程.     

捷联惯导系统快速初始对准的多级组合滤波实现

捷联惯导系统初始对准中利用卡尔曼滤波器进行状态估计时,其数学平台的东向和北向水平失准角估计速度很快,而天向方位失准角的收敛很慢。为了解决这个问题,在基本卡尔曼滤波的基础上引入了多级组合滤波的思想,利用对捷联矩阵的修正和对天向方位失准角φU估计的改进产生了新的信息,形成了两级卡尔曼滤波,并且与小波软阈值法相结合,实现了捷联惯导系统的快速初始对准。     

基于状态信息的条件剩余寿命建模研究

根据监测到的设备状态信息预测其条件剩余寿命一直是基于状态维修中的关键问题。利用滤波理论,建立了基于状态信息的剩余寿命预测通用模型,并推导出采用极大似然估计法下参数估计的通式,使得在已知寿命服从其他任何分布形式时直接代入通式便可快速地得出其模型,从而预测其剩余寿命,省去了复杂繁琐的迭代过程。通过案例发现模型能够根据状态信息很好地预测其剩余寿命,并在不断更新状态信息的条件下越来越精确地预测其剩余寿命。     

基于平方根UKF的多传感器融合跟踪

为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法.     

基于理性期望的利率期限结构预期理论与期限溢酬

推导了两种检验期限结构预期理论的方法.指出基于这些回归方程来检验预期理论,实际上是对理性期望、期限结构预期理论和期限溢酬不变的联合检验,实证研究中对预期理论的拒绝可能是由于未考虑到期限溢酬的时变性.在此基础上,基于Kalman滤波的期限溢酬估计模型.提出了一个利用即期利率数据.利用上海证券交易所国债交易数据对该模型进行实证研究,分析了该市场期限溢酬的行为特征.     

基于视频图像的火灾探测方法

图像型火灾探测是利用摄像机作为探头,对拍摄到的现场视频进行处理和分析,通过形体、颜色等变化特征探测火灾.本文提出一种基于视频图像的火灾探测方法,首先探测视频中是否存在移动区域,然后对移动区域内满足火焰颜色特征的区域利用HIS模型进行分割,分别分割计算区域的圆形度,面积变化率,闪烁频率及面积变化趋势特征等,最后通过分析特征进行火灾的探测.在此基础上,对提取的各项特征进行综合分析,从而实现火灾的探测和判别.仿真实验结果证明了算法的有效性.