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°。     

基于滑模估计器和卡尔曼滤波的PMSM速度估计

针对永磁同步电机(PMSM)无传感器的控制问题,提出了一种结合滑模估计器和扩展卡尔曼滤波(EKF)两种方法优点的混合估计器。混合估计器解决了滑模估计器对于反电动势具有较大"畸变"的电机速度估计效果差的缺点。混合估计器建立了一个3阶EKF滤波器,把反电动势高次谐波分量作为系统和测量噪声处理。降阶后的EKF参数调节变得比传统的EKF估计器相对容易很多,在反电动势有"畸变"单纯滑模估计器估计效果很差时,估计效果依然很好。对滑模估计器、传统EKF估计器和混合控制器三种估计效果做了比较,阐明了混合估计器的优缺点。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

一种基于匹配滤波的空时分组码译码方法

空时分组码译码采用直接法构造判决统计量。两副发射天线、一副接收天线的空时分组码系统的判决统计量还有另外一种构造方法——匹配滤波法。将匹配滤波法进一步推广到多维空时分组码系统,给出了匹配滤波器的构造方法,并在SPW平台上对这种方法进行了仿真。分析和仿真结果表明:提出的增强匹配滤波法易于实现,适用于多维空时分组码系统,其误码性能与直接法相同。     

高速磁浮列车用混合滤波器设计的仿真研究

高速磁悬浮列车系统的谐波是一种典型的强非线性、冲击性负荷,是一种重要的新型谐波源,在没有补偿措施时,它会带来较严重的电网谐波问题。针对高速磁悬浮列车系统谐波的特征,运用自适应谐波检测方法对谐波进行检测分离,通过有源滤波器和无源滤波器的有效配合,最终达到谐波抑制,改善功率因数,优化电网电能质量的目的。     

基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法.在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能.仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号.     

监护信息重构方法研究

监护信息系统中通常采用系统建模的方法对监护数据进行分析处理、并识别异常状况.通常这些模型是在模型结构确定的条件下,应用监护数据辨识获得.实际检测获得的监护数据通常包含大量异常值,这会严重降低模型辨识的准确性.提出了一种监护信息系统中异常值分析处理方法.应用Hampel辨识器算法,识别监护数据中异常值出现的位置;并采用kalman滤波器算法的方法对于出现异常值的数据点进行数据重构,实现监护信息系统中出现异常值分析处理.通过应用PhysioNet生物医学信号研究资源中的两组数据集,包括心率和中心静脉压,进行实验研究,结果表明此方法对监护数据异常值分析和处理中取得很好的效果.     

三维瞬时极化滤波器

以高频地波雷达为背景 ,提出了三维极化滤波方法 ,此方法能够滤除二维极化滤波不能抑制的干扰 ,扩大极化滤波的干扰抑制范围。为实现实时处理和自适应快速变化的干扰 ,推导了一种瞬时极化滤波算法 ,该算法可以根据单样本建立滤波极化矢量 ,按照取样率的速度自适应干扰极化状态的变化 ,为算法的实时处理提供了可能性。     

未知噪声统计的交错估计GPS导航定位算法

将未知噪声统计量的估计与信号状态估计交替进行的算法引入 Ｇ Ｐ Ｓ定位,计算机模拟结果表明效果很好。     

基于卡尔曼滤波的二次型神经网络学习算法及收敛性分析

提出了二次型多层前馈神经网络的卡尔曼滤波学习算法,并证明了该算法的收敛性。与文献［２,３］中的学习算法和经典的误差反向传播学习算法相比,新的学习算法具有更快的学习速度、良好的泛化能力,并且对学习率有很好的鲁棒性,不容易陷入局部极小点。仿真实验结果表明了新算法的有效性。