基于IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。     

交互式多模型粒子滤波算法综述

指出了交互式多模型方法和粒子滤波结合时存在的主要问题,围绕该问题,重点对国内外关于交互式多模型粒子滤波算法的相关研究成果进行整理和归纳,给出了典型的交互式多模型粒子滤波算法,综述了目前交互式多模型粒子滤波的应用情况,并指出了几个有价值研究方向。     

测试轮直径对路面不平度测试精度的影响

在加速度信号的路面不平度测量过程中,由于测试轮的几何外形对路面的滤波作用,会对功率谱密度的测量产生误差。为解决这一问题,在仿真环境下,通过测量在给定路面等级的随机路上行驶的测试装置测试轮的响应,研究不同直径的测试轮对同一路面不平度的滤波作用,分析其影响关系,从而为路面不平度测试装置测试轮轮径的选择提供参考。     

基于模型概率的自适应交互式多模型算法

传统的交互式多模型算法中过程噪声协方差矩阵固定,不能很好地适应实际目标不同程度的机动。采用匀速和转弯运动模型集合,提出了一种基于模型后验概率的自适应交互式多模型算法。通过后验概率来自适应调整各模型中的系统过程噪声协方差矩阵,进而提高模型同系统运动模式的匹配程度;结合防空作战机动目标跟踪要求,通过典型目标机动仿真,同标准交互式多模型算法进行比较,验证了该算法的合理性和有效性。     

新型管压传感器的研制及应用

针对目前外卡式管压传感器存在的问题,设计制作了一种新型外卡式ICP（Integrated Circuit Piezoelectric）型管压传感器。利用该传感器采集了柴油机高压油管压力信号,通过对测试信号的无延时实时滤波、去趋势项和归一化处理,实现了柴油机转速的准确计算;通过时域波形的分析,提取了4个喷油特征点。研究结果表明：该传感器具有使用方便、性能可靠和测试准确的特点。     

基于“当前”统计模型的衰减因子自适应跟踪算法

针对机动目标跟踪问题,叙述了加速度方差自适应的"当前"统计模型.提出了一种具有自适应衰减因子的滤波算法,并对该算法进行了较为深入的理论分析.这种衰减记忆滤波具有集机动检测与参数自调整于一体的能力,最后Monte-Carlo仿真结果表明,这种自适应算法较原算法有较大的改进.     

超声波扩频测距及其信道自适应均衡技术

在扩频通讯系统框架中,建立一种新颖的多阵元超声波测距定位系统。从测距系统的仿真结果来看,采用二进制相移键控(BPSK)直序信号数字相关解调技术和基于最小均方算法的超声波接收信道自适应均衡器,不仅可以克服本地载波(相干解调)相位偏移所带来的不利影响,而且可以抑制多径信道噪声干扰和接收信道增益、相位随机漂移对测量精度的影响,从而提高了超声波测距系统的信噪比和分辨率。此外,采用伪随机码扩频解扩方法,容易实现码分多址(只要给安装在大范围测量区域中多个传感器分配相应的伪随机码,就可以方便地辨认出各个区域传感器发出的信号),扩大超声波测距系统的测量范围。     

基于卡尔曼滤波器的GPS动态滤波方法

提出了一种解决随机误差影响GPS动态定位精度问题的方法.首先将GPS定位中的各种误差源在各方向造成的总误差等效为一个当前均值与一个符合一阶马尔可夫过程的有色噪声之和;其次对于GPS机动载体的加速度采用当前统计模型,然后通过扩展状态变量的思想和采用自适应算法建立相应的卡尔曼滤波器模型.该模型直接从GPS接收机输出的定位结果入手,实时性好,滤波后定位精度得到提高.     

声纹鉴别及其应用

声纹是人说话声音的频谱图 ,由于人的个性 ,决定了不同人声纹的差异性 ,因此 ,声纹识别或声纹鉴定能够确定说话人的身份。声纹鉴别在很多领域有着广泛的应用价值和前景 ,这里 ,简单介绍声纹和声纹鉴定与识别的概念及其应用的历史与现状 ,探讨声纹鉴别的方法原理和步骤 ,讨论声纹鉴别在个人身份证明、刑事侦察、军事、通信、防伪等领域的应用 ,展望声纹鉴别的应用前景。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。