微小型飞行器多传感器融合容积姿态估计北大核心

针对微机电系统(MEMs)陀螺仪精度低、噪声大且误差随时间累积的问题,扩展卡尔曼滤波(EKF)线性化误差的问题和无迹卡尔曼滤波(UKF)时间耗费大的问题,提出了一种欧拉角容积卡尔曼滤波(CKF)姿态估计方法。建立了欧拉角姿态运动学模型,以姿态角为状态量、加速度计和磁强计输出解算得到的姿态角为观测量,采用容积数值积分理论来计算非线性函数的均值与方差,实现了多传感器辅助的微小型飞行器(MAVs)CKF姿态估计方法。仿真结果表明:估计精度方面,CKF与UKF相当,优于EKF;滤波稳定性方面,CKF与UKF相当,显著优于EKF;时间耗费方面,CKF优于UKF。     

一种多目标航迹处理的方法

通过对等速直航目标的方位随时间变化规律的研究 ,找到了一个形式简洁的方位随时间线性变化的可量测函数。随后利用该函数的线性以及工作点随时间变化的规律 ,根据目标航迹交叉之前的目标方位序列 ,拟合出方位随时间变化的函数 ,再用该函数与交叉后的目标方位序列之间的相关性完成多目标航迹交叉的处理。     

一种保持图像细节的形态学滤波器

提出了一种保持图像细节的形态学滤波器 .和经典形态学滤波器相比较 ,新的形态学滤波器在其主要算子中使用了结构元素的轮廓 .用测试图和加噪图进行实验 ,表明此滤波器具有良好的保护图像细节和滤噪的性能     

自适应滤波在有源消声中的应用

从分析有源消声的难点出发 ,综述了自适应滤波算法在有源消声中的应用 ,给出了相应的实例 .对自适应滤波在有源消声中应用的未来发展趋势作了展望 .     

GPS动态定位中的自适应扩展卡尔曼滤波算法

针对全球定位系统 (GPS)提出一种扩展卡尔曼滤波器算法。这种滤波器算法直接从GPS接收机输出的定位结果入手 ,将各种误差因素的影响等效为一个总误差 ,对GPS接收机的机动载体的加速度采用当前统计模型 ,并利用线性卡尔曼滤波器进行动态定位数据的处理。本模型简单 ,实时性好 ,滤波后定位精度得到提高。     

一种新的概率数据关联滤波算法

在密集多回波条件下对单个机动目标跟踪的情况下,综合利用"最近邻"法和概率数据关联滤波算法,推出了一种基于"最近邻"方法的概率数据关联滤波算法,采用关联区域内总数固定的候选回波来更新被跟踪目标的状态,并进行了计算机仿真.结果表明,新滤波算法的跟踪性能明显要优于概率数据关联滤波算法,而且降低了概率数据关联滤波算法的计算量.因此,可以通过回波的残差协方差矩阵进行衡量,挑选总数固定的"最近邻"回波,取这些回波的加权和作为目标回波用于概率数据关联滤波算法中更新被跟踪目标的状态.     

改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

自适应网格交互多模型算法

研究和设计了一种模型集合自适应方法——自适应网格方法。并将其与交互多模型算法相结合,提出了自适应网格交互多模型(AGIMM)算法,它是一种变结构多模型算法。仿真显示它能有效地提高IMM估计器的费效比。     

目标自动跟踪与信息处理综合系统的研究与实现

根据将目标自动跟踪与信息处理综合的思想,在目标自动跟踪与信息处理综合的实现方面作了大量工作,并进行了实验.实验结果表明,只有在自动跟踪系统中综合目标信息处理,火控系统性能才能有质的提高.同时,数字信号处理(DSP)技术、自适应滤波算法的应用,使得系统设计能够基本达到实际应用的阶段.     

基于空时滤波的弱干扰信号波达方向估计方法

为实现对强度弱、波达方向比较接近以及信号相干等干扰信号波达方向的准确估计,提出了基于空时滤波的弱干扰信号波达方向估计方法,并在低干噪比条件下分别对一般非相关、波达方向接近非相关以及相干干扰进行了仿真分析。结果表明:所提出方法能够准确估计一般非相关弱干扰信号的波达方向,估计角度偏差不超过0.5°;能够较准确估计角度偏差不低于10°的非相关和弱相干干扰的波达方向,估计角度偏差分别不超过1.4°和1.3°;该方法还具有对干扰信号波达方向角度偏差和干噪比敏感度较低的优点,可为复杂电磁环境下干扰源的准确测向定位提供技术支撑。