基于多传感器信息融合技术的联合卡尔曼波滤器的设计及应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法,并将此方法运用于舰船INS/GPS/Loran-c组合导航系统中。理论分析与仿真结果表明,该联合卡尔曼滤波器的设计合理,算法具有全局最优性,能够提高系统的导航精度和容错能力。     

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。     

基于AS2S80BD设计的双速处理器

AD2S0BD是AD公司生产的一种单片集成电路旋转变压器到数字转换器芯片。本文详细介绍了其功能特点、外部引脚、内部结构、工作特性等。最后给出了以AD2S80BD为核心的一种特殊的双速自整角机(或旋转变压器)到数字的转换器。     

基于多传感器信息融合技术的联合卡尔曼滤波器的设计及应用

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的一般设计方法,并将此方法运用于舰船INS/GPS/Loran-c组合导航系统中.理论分析与仿真结果表明,该联合卡尔曼滤波器的设计合理,算法具有全局最优性,能够提高系统的导航精度和容错能力.     

悬停潜艇目标定位与跟踪

本文研究了获得悬停状态的潜艇如何进行目标定位与跟踪问题。首先,指出了保持悬停的困难,但悬停却为潜艇的目标定位与跟踪提供了难得机遇;其次,指出了悬停潜艇攻击是运动潜艇攻击的特殊情况。它不能违背运动潜艇目标定位与跟踪一般原理,却又呈现悬停潜艇目标定位与跟踪的特有规律。为寻求这些特有规律,从实用角度出发,回顾并补充了与悬停攻击相关的运动潜艇目标定位与跟踪一般理论;第三,研究了悬停潜艇目标定位与跟踪种种方法;最后,给出了悬停潜艇目标定位与跟踪的研究结论。     

国外舰载搜索跟踪技术发展研究

红外搜索跟踪系统(IRST)采用被动探测方式,具有较好的隐身能力,不易遭受攻击,是雷达探测警戒的重要补充手段,也是信息战尤其是光电对抗的重要组成部分。本文论述了舰载IRST系统的组成和工作原理,介绍了国外舰载IRST系统的装备情况,并分析了舰载搜索跟踪技术的发展趋势。     

分布式多目标跟踪中的数据融合问题——一种新的相容性准则及融合过程分析

用一个新观点讨论了利用分布式传感器网络进行多目标跟踪中出现的信息融合问题。对航迹相容性和假设相容性的判别问题 ,从一个新的观点 ,即“无矛盾原则”出发 ,给出了完整的与前人不同的航迹和假设相容性的判别条件。同时对航迹的融合过程和假设的融合过程做了详细的分析 ,证实两个假设相融合得到多个全局假设是合情合理的     

超精密机床进给系统的QFT控制器的设计

超精密机床进给机构中存在的不确定因素及非线性因素对进给系统跟踪控制精度有较大影响 ,采用合适的控制器能够有效提高其跟踪控制精度。QFT是在相频平面上的一种图形化的鲁棒控制系统设计方法。本文采用QFT理论设计了鲁棒跟踪控制器 ,并应用了速度前馈和误差积分控制。仿真结果显示 ,进给系统在被控对象参数发生较大变化时仍达到了数十纳米的跟踪控制精度 ,满足了超精密加工的要求     

用IMMPDA固定延迟平滑算法对杂波环境下机动目标的多传感器跟踪

本文对于在杂波环境下用多个传感器跟踪一个高度机动目标提出了一个次优的固定延迟平滑算法。此固定延迟平滑算法是把基本的交互式多模型方法(IMM)和概率数据互联(PDA)技术应用到扩展状态系统上发展而来的。在过去这种方法只使用在确切考虑量测来源(即无杂波)的马尔科夫开关过程上。本文通过对一个高度机动目标跟踪的仿真例子来说明这个算法,其中仿真假设有两个传感器:一部雷达、一部红外,都作用在密集环境下。提出的平滑算法引进了在估计时刻与最新量测之间的一个短时延迟,使得在航迹估计精度上与已有的IMMPDA滤波算法相比,有了显著地提高。而且其计算量只是随着延迟时间线性增长。然而,在一些应用中跟踪的延迟可能导致在控制闭环中产生不希望有的影响。     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法