改进的联合Kalman滤波及其在组合导航中的应用

以组合导航为应用背景,对联合Kalman滤波进行了改进,每循环Ⅳ次,就用主滤波器的估计值来修正子滤波器的值,以改善滤波器的性能,提高组合导航系统精度,并且大大减小收敛时间,提高其效率.最后将该方法应用于GPS/INS/LORAN-C组合导航系统中,仿真结果表明该方法是有效的.     

基于光纤陀螺的INS/GPS组合导航仿真与应用

针对卡尔曼反馈校正难以工程实现的问题,提出了用卡尔曼输出校正来进行组合导航滤波的方法。对卡尔曼输出校正的滤波效果进行了理论分析和仿真验证,并在基于光纤陀螺的INS/GPS(Inertial Navigation System/Global Position System)组合导航系统上进行了实验。实车实验结果表明:卡尔曼输出校正的定位精度和GPS定位精度相当,惯性导航系统误差随时间增长特性得到了有效抑制,从而验证了卡尔曼输出校正的方法在组合导航的应用中是可靠的。     

SINS/北斗/GPS组合导航系统研究

对SINS、北斗双星定位系统以及GPS全球定位系统三者的组合进行了研究.应用联邦自适应卡尔曼滤波技术实现了SINS、北斗和GPS的组合导航,建立了组合导航系统的数学模型,并针对系统产生的量测延时和异步问题给出了较好的解决方案.最后对系统进行了仿真试验,仿真结果表明该组合导航系统具有较高的精度和容错性能,此方案具有较好的工程应用价值.     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。     

考虑非线性退化与随机失效阈值的剩余寿命预测

针对广泛存在的非线性退化设备,现有方法尚未考虑随机失效阈值对剩余寿命预测结果的影响。因此,通过对设备性能退化过程进行分析,提出了一种综合考虑非线性退化与随机失效阈值的剩余寿命预测方法。基于Wiener过程构建了考虑个体差异与测量误差的非线性退化模型;基于卡尔曼滤波算法建立状态空间模型以实现对退化状态的在线更新;基于极大似然法估计失效阈值分布系数估计方法,得到随机失效阈值的概率分布;基于随机失效阈值推导出剩余寿命的概率分布,实现对剩余寿命的在线预测。算例研究表明,所提方法可以有效地提升剩余寿命预测的准确性,具备一定工程应用价值。     

加速度计交叉耦合系数高精度标定

为了在1g重力场用转台标定惯性导航系统加速度计交叉耦合系数，提出基于正交多位置递推滤波算法标定加速度计的方案，通过建立正交多位置标定模型，抑制了转台误差对标定精度的影响，设计基于马尔科夫递推估计滤波算法，克服了一般最小二乘集中估计中多维矩阵求逆算法误差。仿真结果表明通过28位置标定，加速度计交叉耦合系数标定精度可达到10－7 g·g－2（ RMS）量级。     

编队卫星碰撞因素分析

为了便于更准确地进行编队卫星碰撞检测和预报,对影响星间碰撞概率的因素进行了归纳和讨论.给出了编队卫星碰撞概率计算公式,并从Hill方程推导了离散差分方程,建立Kalman滤波器,用于估计编队飞行状态.在此基础上,对引起编队卫星发生碰撞的模型误差、测量误差、故障和意外因素四个方面进行了分析.最后,针对各因素设置了典型仿真想定并进行了仿真,仿真结果显示控制器常开故障是影响最大的因素,工程应用中需要针对它进行专门的防碰撞方案研究.     

第19届国际信息融合会议及获奖论文评述

总结了第19届国际信息融合会议的总体情况和主要特点，通过对大会报告、分会场报告以及国际信息融合界一些著名专家团队发表论文情况的统计分析，提炼出国际信息融合界普遍关注的焦点和难点问题；通过对获奖论文的分析，了解到受大会评奖委员会一致认可的年度优秀成果和技术进步点；最后，面向高层信息融合中的不确定性处理，对信息融合领域的发展进行展望。     

基于HSV模型的运动目标提取与跟踪

为了实现对运动目标跟踪的目的,根据六角椎体模型原理(HSV),运用自适应阈值分割的方法,将运动目标从背景中提取出来,并对目标的运动轨迹进行计算与预测.利用Matlab 6.5,实现了单目标的提取与跟踪.经分析,这种方法速度较快,占用资源较少,非常适合工程应用.     

基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.