基于相对观测量的多机器人定位

研究了多机器人队列利用相对观测信息在未知环境中进行同时定位的问题。当队列中某个机器人观测到另外一个或几个机器人时,利用这些信息来同时更新整个队列的位置及协方差矩阵,也即整个队列共享所获得的观测,来得到更精确的位置估计。每个机器人都携带内部及外部传感器,内部传感器感知机器人自身的运动,外部传感器能提供机器人之间的相对观测量,如相对距离和相对方位。利用扩展卡尔曼滤波(EKF)算法融合内部及外部传感器信息,对多机器人队列进行同时定位;并对不同的观测量及机器人个数进行了仿真分析,给出了不同情况下的滤波器结构,研究比较了它们的定位精度。仿真结果表明,利用机器人之间的相对观测信息,可以显著提高定位精度。     

建筑消防供水系统稳压增压方式探析

建筑消防供水系统中,当消防水箱不能满足静压要求时,应设增压设施。给出了稳压增压装置气压罐调节容积及气压罐容积的计算方法,分析了水枪和喷头实际出水量大于规范中的额定值、工况点的选择和增压水泵的出水量等规范中存在的问题。     

基于改进卡尔曼滤波方法的机动目标跟踪研究

针对在机动目标跟踪中当目标作高度机动飞行时卡尔曼滤波可能会出现严重发散的情况,提出利用BP神经网络校正其滤波结果,并将遗传算法应用于BP网络的训练过程,以解决BP网络训练速度慢的缺陷,提高算法的实时性。仿真表明该方法是可行的、有效的。     

数据融合技术在CGF建模中的应用

提出了将数据融合技术应用到计算机生成兵力 (CGF)建模中的思路和方法。在分析数据融合技术的基础上 ,深入讨论了卡尔曼滤波和最小二乘相结合的滤波方法以及一种改进的离散Hopfield神经网络 ,并结合一实际系统 ,建立了模型 ,给出了仿真结果。结果表明 ,数据融合技术和CGF建模相结合具有一定的应用前景和研究价值。     

使用基于电视信号的双基地雷达实施目标跟踪

本文开展了使用非合作电视发射机作为双基地雷达系统照射器的研究,提出利用电视广播视频或声音载波探测和跟踪目标的信号处理方案。此方案不需要与发射机同步,使用多普勒频移和方位测量来估计目标航迹,信号处理包括两个通道的快速傅里叶变换,用以确定接收信号中的多普勒和相位特征,然后经过时域和频域恒虚警处理获得目标回波。对回波中存在的由于天线单元间互耦合产生的相位误差进行校正,并且求得相应的方位。基于卡尔曼滤波的跟踪技术用于多普勒/方位点迹和不同目标航迹之间的互联。每个目标在直角坐标下的位置和方位估计采用扩展卡尔曼滤波,滤波初始化过程采用遗传算法和Levenberg-Marquardt优化算法。实验结果表明能够探测并跟踪很大范围内的目标,最远距离可以达到260公里。     

用四无数法设计一种新型动基座初始对准

利用捷联制导系统固有的硬件资源可构造一种新型的动基座初始对准方案,运用广义卡尔曼滤波技术及四元数法表示,给出了实施初始对准的失调估计器的设计方法,仿真结果表明,该设计可有效地在飞行过程中实施快速初始对准。     

两种跟踪机动目标的方法研究

飞行目标一般沿圆周路径作机动飞行,因而出现了以圆周运动为基础的跟踪滤波器。本文讨论了飞行目标进行转变机动时的两种跟踪方法,即机动中心坐标系法和高阶多项式模型法,对二者给出了性能评价,并给出了目标在标准转弯进入方式下的仿真结果。     

卫星导航弱信号的变维卡尔曼滤波跟踪算法

复杂环境下的多普勒频移变化及信号功率衰减均会造成载波跟踪偏差较大甚至失锁,针对标准卡尔曼滤波算法跟踪机动目标时不能同时满足高动态及高灵敏度要求的问题,提出一种基于变维卡尔曼滤波的载波跟踪算法。引入机动和非机动两种载波跟踪模型,通过机动检测因子监视载波动态变化,实时高效地切换载波跟踪模型,从而实现对载波机动和非机动状态的自适应跟踪,抑制机动改变引起的较大误差突跳。理论分析和仿真结果表明,该算法在低至30d BHz弱信号环境下,相比基于标准卡尔曼滤波的跟踪算法,其在目标动态突变时相位跟踪误差减小约37.5%,频率跟踪误差减小约77%。     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。     

采用压缩感知的卫星高频姿态确定方法

高频振荡通常会超过星载陀螺和星敏的测量频率范围,导致卫星姿态确定精度下降。因此,提出一种基于常规姿态传感器进行高频姿态确定的方法。将高频姿态抖动看作一个稀疏信号,通过压缩感知的方法将该信号从低频采样结果中恢复。利用低带宽姿态传感器和卡尔曼滤波器测量得到低频姿态数据并进行融合,再通过压缩感知算法从融合数据中恢复出高频姿态数据。通过仿真实验验证了该方法的有〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCWP.TIF;%129%129〗听语音 聊科研与作者互动 效性。