管道地理坐标测量中低精度IMU初始对准技术

针对管道地理坐标测量系统低精度惯性测量单元（inertial measurment unit,IMU）初始对准问题,提出一种管道定位的初始对准方法.针对大角度情况进行粗对准,然后在小角度范围内再进行精对准.在精对准过程中,对测量信号采用一阶马尔科夫模型,提取出符合kalman滤波模型的白噪声分量,随后建立13维状态量的kalman状态方程以及观测方程.对于较大方位误差角引起的非线性,采用Cubature Kalman滤波（Cubature Kalman filtering,CKF）算法对非线性模型进行状态估计,解决了滤波模型的非线性问题并进行了静态对准实验.实验结果表明,设计的算法在计算时间上优于Unscented粒子滤波（Unsented particle filtering,UPF）算法,适于作为管道地理坐标测量的初始对准算法.     

基于四元数互补滤波算法的车载MIMU

针对MEMS惯性器件由于测量精度低、数据易漂移而导致车载惯性导航系统姿态解算数据不稳定和精度不高的问题,设计一种基于四元数互补滤波算法的高精度车载MEMS惯性测量单元(MIMU)。通过四元数算法降低MIMU在运行过程中的计算难度,解决姿态解算中的奇点问题。利用互补滤波算法对惯性传感器运行过程中的高低频误差进行动态补偿、数据融合,减小陀螺仪积分漂移累加,抑制加速度计振动误差,实现多传感器数据融合的MIMU姿态解算。将MIMU放置于高精度无磁转台上进行动态测试,通过设置转台运行动作模拟车载环境,采集并分析MIMU在动态环境中的各个轴向角实时数据与误差数据。试验结果表明,MIMU横滚角精度为0.26°,俯仰角精度为0.23°,航向角精度为0.51°。     

基于时频峰值滤波的管道泄漏定位算法

针对环境噪声给基于压力波的管道泄漏定位算法带来的负面影响,提出了一种基于时频峰值滤波的压力波噪声抑制方法,并将该滤波算法与基于压力差衰减的定位算法相结合,达到对管道泄漏精准定位的目的。首先,对实际管道泄漏时的压力数据进行功率谱估计,根据其能量分布得到该信号的频率范围。然后,通过采样频率和截止频率确定时频峰值滤波中时频窗的最大值,并进一步分析采用不同时频窗长时噪声的压制效果,根据去噪效果选取适合管道泄漏压力数据的最佳窗长。实际实验证明,结合最佳窗长的时频峰值滤波的去噪效果优于小波变换算法和经验模态分解算法,同时,基于时频峰值滤波的管道泄漏定位算法定位精度也最高。     

基于卡尔曼滤波的WiFi-PDR融合室内定位

为降低室内环境复杂性对WiFi指纹定位的影响,提出将支持向量机(SVM)分类与回归分析相结合的WiFi指纹定位算法,以提高定位精度。在基于智能手持设备惯性传感器的行走航位推算(PDR)中,为降低惯性传感器的误差及定位误差的累积,通过状态转换的方法识别行走周期并进行计步,提出对原始加速度数据进行预处理和根据实时加速度数据动态设置状态转换参数的算法。在改进的WiFi定位算法及PDR算法基础上,提出使用联邦卡尔曼滤波融合两种方法,并根据人体运动学确定各级滤波器的状态方程和量测方程。实验证明了该算法的有效性。     

视觉/惯性组合导航中的SWF与MSCKF对比研究

利用单目相机获取的地物特征辅助惯性导航系统解算,可有效减小单一惯导系统工作时引起的定位误差发散.结合定位精度和时效性对最优匹配滤波算法的要求,提出滑动窗口滤波(SWF)和多状态约束卡尔曼滤波(MSCKF)两种融合算法,并对视觉/惯性组合系统进行误差补偿,分析特征密度、特征跟踪长度和窗口大小对定位精度的影响,采用相同测试数据集分别对两种滤波方法进行对比实验.结果表明:1)在可见特征较多条件下,SWF和MSCKF算法定位结果精度均优于纯惯性系统(INS)解算精度;2) SWF算法解算精度高于MSCKF算法解算精度;3)相比于SWF算法,MSCKF算法对参数变化更敏感;特征数增多时,MSCKF算法定位精度提高、计算复杂度更低;4)适当改变特征跟踪长度和窗口取值,不同滤波融合方案解算结果精度可小幅提高.     

输油管道泄漏检测中的自适应滤波

管道在输送流体的过程中,由于管道周围介质的扩散、管道摩阻等影响,使得在管道两端测得的压力与流量信号带有很大的噪声,它的存在势必影响管道泄漏的快速检测和漏点的精确定位。因此选用一种合适的滤波技术消除噪声,有着重要的现实意义。介绍了自适应滤波算法消除噪声的方法,在滤波算法中,采用Widrow-Hoff的最小均方误差算法调整滤波器的权系数,以在泄漏实验中采集的压力信号为例,通过计算机编程对它进行离线自适应滤波处理。结果表明,合理的选取算法中的步长和权系数个数,自适应滤波方法可有效地消除信号中的噪声。这为管道泄漏等方面的研究提供了可靠的数据,对其它信号的处理也有一定的借鉴作用。     

基于MCMC粒子滤波的机器人定位

针对基于传统粒子滤波的机器人定位方法存在粒子退化的问题，提出了基于马尔科夫蒙特卡罗（MCMC）粒子滤波的机器人定位方法.将传统的粒子滤波算法与典型的 MCMC方法--Metropolis Hastings (MH)抽样算法有机结合，并应用于机器人定位研究中.试验结果表明，MCMC方法可以有效抑制粒子退化问题.与基于传统粒子滤波的机器人定位方法相比，该方法降低了定位误差均值和定位误差最大值，取得了更高的定位精度，有效地解决了机器人定位这一非线性非高斯状态估计问题.     

基于混沌麻雀搜索算法的TDOA/FDOA定位

针对在实际定位场景中,接收站常被安装在运动平台上,导致其运动状态信息存在随机误差,而目标源定位精度对接收站的位置信息非常敏感,接收站位置的微小误差会导致目标源位置估计存在较大误差的问题,本文在考虑接收站位置信息存在随机误差的情况下,提出了一种使用到达时间差和到达频率差测量值定位移动源的解决方案。该方法通过在麻雀搜索算法中引入Logistic混沌映射对目标进行定位跟踪,Logistic混沌映射可以降低算法收敛到局部最优的风险,用以解决站址误差较低的情况下定位精度差的问题。仿真结果分析表明：在低站址误差的情况下,本文算法的定位精度比半定规划-重构线性化技术（SDP-RLT）、遗传算法、麻雀搜索算法和蚁群算法更接近克拉美罗下界。     

基于Matlab仿真的数字信号滤波算法研究

论述了几种常用且行之有效的滤波算法.采用数字滤波技术对原始数据进行整理统计,以剔除数据中的噪声,提高数据的代表性,并利用Matlab仿真的方法对限幅滤波、一阶惯性滤波算法进行了验证.     

基于加权混合滤波和重心法的APIT定位算法

提出了一种基于加权混合滤波与重心法的近似三角形内点测试（APIT）改进定位算法（HFG-APIT）.利用混合滤波过滤突变信号强度值使数据平滑稳定输出;再引入加权中位数来提高接收信号强度（RSSI）的精度;最后采用重心法进行内点测试减少误判,提高定位精度.仿真结果表明,混合滤波算法比其他滤波方法处理RSSI数据的测距精度更高,HFG-APIT的定位误差分别为最小二乘定位算法（LSM-RSSI）和APIT定位算法的41.7%和23.8%,整体定位性能也优于其他2种算法.     

改进UKF算法在移动机器人定位系统中的应用

为解决移动机器人室内定位误差较大的问题,提出一种将最小偏度采样策略和衰减记忆滤波相结合的改进UKF(unscented Kalman filter)算法.该算法采用最小偏度采样策略,采样点个数由2n+1减少到n+2,提高了定位实时性;采用衰减记忆平方根滤波修正量测噪声的权值,避免滤波发散,提高了系统鲁棒性.构建无线局域网定位系统,使用改进的UKF算法对获得的无线信号(RSSI值)进行滤波.采用三边定位法进行定位计算.实验结果表明,系统平均定位误差降低49%,达到0.505 m,可较好地实现机器人的精确定位,满足移动机器人的室内定位要求.     

MEMS陀螺仪随机漂移误差滤波处理研究

MEMS陀螺仪是一类新型惯性器件,具有体积小、成本低、重量轻、可靠性高等优点,但是精度较低、随机漂移误差比较大.从实际工程应用角度出发,针对MEMS陀螺仪的随机漂移误差,首先进行实时均值滤波处理,然后基于随机序列时序分析法的基本原理,建立MEMS陀螺仪随机漂移误差的一阶AR模型,然后依据kalman滤波算法的马尔科夫特性,提出了对MEMS陀螺仪每次输出进行实时多次滤波处理的新方法.通过对具体测量数据进行处理,MEMS陀螺仪的随机漂移误差减小到原来的百分之二左右.     

MEMS陀螺仪随机误差补偿方法研究

针对MEMS(Micro-Electro-Mechanical System)陀螺仪的随机漂移误差,探讨其有效补偿方法.基于陀螺仪输出角速率信息的变化量是等随机和等随机加速的两种假设,提出了两种相应的基于Kalman滤波理论的MEMS陀螺仪随机误差补偿方法.在建立陀螺仪随机误差模型的基础上,详细推导了各自的Kalman滤波方程,最后以某微惯性测量系统中所用MEMS陀螺仪的输出信号分析为例,对两种滤波方法作了实验验证.理论分析和实验结果表明:所提出的两种误差补偿方法是正确有效的,且后一种方法的滤波与跟踪效果比前一种更好.     

优化粒子滤波在重力辅助定位中的应用

为克服常规粒子滤波在重力辅助定位中由于观测维数增加,系统后验概率密度尖峰变窄而加剧粒子退化,难以保证算法稳定性问题.将人工物理优化过程引入粒子滤波的重采样过程,实现粒子分布优化,将算法应用于重力辅助定位,利用惯性导航系统海上试验数据进行数值实验分析,对比不同算法在相同条件下定位误差估计效果.结果表明:人工物理优化能够改善粒子退化和样本贫化问题,提高了算法的稳定性;优化后,算法可以用于重力辅助定位,并获得了较高的定位精度.     

基于核函数正则粒子滤波的SLAM算法在无人机导航定位中的应用研究

传统EKF、UKF、粒子滤波算法在解决航空无人机导航定位非线性问题时存在误差大、定位估计精度低等问题,提出了一种核函数正则粒子滤波算法,选取近地面航行,观测x,y方向的位置,并对SLAM非线性模型进行估计.实验数据表明,采用核函数正则粒子滤波算法由于保持了采样粒子的多样性与代表性,保证了在给定模型参数初值下,模型对载体速度和位置信息的跟踪估计能力,其精度比扩展卡尔曼算法的滤波精度高很多;另外,新算法对姿态角估计误差均收敛于0°～1°范围,之后趋近于0°.对于传统滤波算法对载体的航向角误差估计,在整个仿真时间内,其误差值均大于核函数正则算法的误差估计.新算法较传统粒子滤波算法,其滤波精度较高,且算法稳定性与收敛性更强.     

基于捷联惯导的管道轨迹检测算法

为了获得参数未知的一般性管道的轨迹,设计了搭载MEMS惯性传感器(Inertial Measurement Unit,IMU)的管道检测器。通过STM32数据采集系统实时获得三轴加速度计和三轴陀螺仪的测量数据,利用捷联惯导技术的基本原理,解算管道检测器姿态、速度和位置,从而解算管道轨迹。经过对纯惯性导航系统误差特性的分析,得到了静止状态下的误差传播曲线,对垂直通道和水平通道补偿后,将误差降低到可接受范围内。     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

混合数据校正法在间歇过程中的应用

数据校正即是从测量的过程数据中消除过失误差并降低随机误差对测量值的影响，这对过程控制是非常重要的．采用移动中值滤波器(MM)消除过失误差，然后应用小波变换滤除随机误差．仿真结果表明，这种混合数据校正方法可以有效地进行数据校正，提高测量数据的可靠性．     

输气管道音波泄漏检测技术的研究

输气管道泄漏的检测与定位，是管道维护及管道安全运行的重要研究课题.将音波检测方法应用于输气管道的泄漏检测，介绍了音波泄漏检测与定位的基本原理.阐述了采用相关分析法进行泄漏定位的数据处理方法.设计完成了传感器信号提取、模拟信号滤波和A/D数据转换等硬件电路.在单片机上移植Small Rtos51嵌入式实时操作系统，有效管理检测任务，实现信号采集、数据传输和异常情况处理，从而提高了系统的实时性和可靠性.通过搭建输气管道试验平台，对试验数据采集、处理及仿真，论证了音波检测方法应用于输气管道泄漏检测的可行性.