时间跨度对GPS坐标序列噪声模型及速度估计影响分析

选取全球范围内72个基准站的坐标序列,采用改进的赤池信息量准则、贝叶斯信息量准则对不同噪声模型组合进行噪声分析,得到基准站坐标序列的最优噪声模型及速度参数,探讨时间序列跨度对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型不能由单一的噪声模型表述,其呈现出多样性特征,主要表现为幂律噪声、高斯马尔科夫噪声、闪烁噪声+白噪声特征,且三坐标分量表现出不同的噪声特性;随着时间跨度的增加,坐标时间序列的最优噪声模型、GPS站速度及其不确定度逐渐由发散趋于收敛,随机游走噪声模型的比重有所增加。结果表明10 a以上的时间跨度是较为理想的噪声模型估计尺度。     

基于多传感器信息融合理论的无人机相对导航状态估计方法

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,本文以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究了容积信息滤波算法。此外,还采用了多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在在高维系统中出现的数值不稳定以及精度降低等问题。论文还进行了相应的数学仿真,仿真结果表明该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

多传感器融合系统航迹号管理方法

多目标杂波环境下 ,多传感器探测形成的航迹之间呈现错综复杂的关系 ,多传感器系统融合中心航迹管理成了迫切需要解决的问题。在原有单航迹号分配方法的基础上 ,提出多航迹号分配方法 ,并扩展到立体图航迹号管理方法。尤其是航迹号立体图的引入 ,为航迹管理提供了一个新的思路。     

多传感器数据融合中的数据预处理技术

数据预处理是进行多传感器数据融合的基础 ,对数据的空间统一和时间统一的研究方法及流程进行了阐述 ,介绍了基于该方法的技术在实际应用中取得的效果 .     

战场态势估计和威胁估计

描述了战场态势、态势估计和威胁估计的概念。对态势估计从态势要素提取、态势评估推理及态势预测三方面进行了分析,重点对态势评估中的功能领域如:目标合并、协同关系推理、战场主动权指数计算、作战能力评估、重要目标估计及敌战斗序列估计等的含义、内容和实现步骤进行详细阐述。对威胁估计的内容和主要功能也进行了描述。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。     

基于Lanchester方程的威胁评估模型

将描述对抗损耗的Lanchester方程应用于数据融合系统的威胁评估层次,从宏观角度分析了多传感器系统在作战中跟踪目标的模式,建立了相应模式下的Lanchester对抗损耗微分方程,以用于分析对抗交互双方的动态损耗,从而可根据态势作出威胁评估。     

自主水下航行器的研究现状与挑战

自主水下航行器(Autonomous Underwater Vehicle,AUV)无论在民用还是军事方面都有广泛的应用,具有潜在的教育、科学和军事价值。简要的介绍了自主水下航行器的国内外的发展概况,讨论了自主水下航行未来发展所存在的技术问题,并探讨了自主水下航行器的未来发展趋势。最后,就我国应采取的对策与措施提出了建议。     

AUV水下导航信息融合方法研究

通过构建一种虚拟导航设备,并将其作为Kalman滤波的量测信息构成一个水下导航信息处理方法.计算机仿真模拟和海试结果分析表明,带数据库Kalman是一个非常实用的方法,能有效提高水下推算船位的精度.     

基于推算定位和超声波定位融合的机器人自主定位技术

针对室内环境下的机器人定位问题,首先介绍了用鳊码器进行推算定位的原理和算法,为了解决在长距离导航时带来的累积误差.在机器人移动过程中,超声波传感器与已知路标的距离实现精确测量的前提下,通过卡尔曼滤波算法对测量数据进行融合,修正累积定位的误差,进行精确定位.实验结果表明,该方法从原理上是可行的,可以应用到机器人的定位导航中.