基于视觉信息的微型无人直升机位姿估计

采用基于视觉信息的姿态估计方法对微小型无人直升机位姿估计进行了研究.在分析视觉信息与直升机运动关系的基础上,可以看出,稳定解算航拍图像序列之间的单应矩阵是整个方法的关键.而解算单应矩阵需得到序列图像之间的特征匹配点.为了获得稳定的、抗噪性强的同平面特征匹配点,方法采用了基于尺度不变特征变换(SIFT)算法和基于随机抽样一致性(RANSAC)算法的匹配策略.在一套真实的微型无人直升机系统上的实验证明,通过该方法得到的位姿信息可以达到无人直升机自主飞行所需的精度要求.     

多台系统可靠性增长模型参数的区间分析

基于多台系统可靠性增长的非参数模型，利用线性回归原理得到了可靠性增长模型的强度函数λ（t）=abt^b-1中待定参数a与b的点估计，并利用回归过程中一些中间参数的精确分布给出相应中间参数与模型参数b的精确区间估计，对已获得的精确区间进行等价变换推导了模型参数a的近似区间估计，并采用区间离散法，给出了模型参数a和b在给定区间变化时，系统平均无故障工作时间变化区间的求解方法，具体工程实例说明了所提方法的合理性。算例给出的系统平均无故障工作时间下限随置信度变化的曲线，为工程应用提供了更多的参考信息。     

基于信息扩散估计的误差分布解析拟合

针对基于直方图估计的误差分布解析拟合方法不能唯一确定误差分布的解析形式的问题，在分析了直方图估计与信息扩散估计的性能以及误差分布可用p－范分布来近似描述的基础上，提出了基于信息扩散估计的误差分布解析拟合方法。由于采用了最优扩散函数和最优窗宽，并严密推导了p-范分布的全微分公司，运用该方法能够唯一确定拟合的误差分布的解析形式，拟合效果较好。通过大量的模拟计算，得到一些有益的结论。     

基于MCMC的多维相关系数平稳序列

在相关系数平稳过程的基础上,提出了基于MCMC（Markov Chain Monte Carlo）方法来估计多维相关系数平稳序列模型的参数;给出基于贝叶斯估计的多维相关系数平稳序列模型参数的算法;在无先验信息条件下,模拟验证了用此方法估计二维相关系数平稳序列模型参数的有效性。     

基于定时信息加权的时差估计方法研究

时差估计问题作为参数提取问题的重要组成部分,一直是信号处理领域研究的热点。针对两路信号模型下的时差估计问题展开研究,利用数字通信信号所具有的逐符号信息传输的特点,提出一种基于定时信息加权的时差估计方法。通过对信号定时信息提取和广义互相关处理构建关于时差估计的信号模型,最终给出时差估计的最小二乘解。仿真结果表明,该算法较经典的广义互相关法具有更好的估计性能,其性能改善在低信噪比下尤为明显。     

基于视觉着陆的无人机俯仰角与高度估计

为提高无人机（UAV）自主着陆的能力,提出了一种新方法,仅依靠视觉传感器数据,基于空时处理估计UAV的俯仰角和高度参数.构建双目立体视觉导航系统采集视频数据.利用Hough变换和RANSAC方法从单目图像序列中计算灭点;再利用灭点几何模型计算无人机着陆的俯仰角.基于双目图像序列,提取Harris角点进行特征点匹配,获取无人机的深度信息.联合无人机的俯仰角与深度信息,基于三维重建方法获得无人机的高度参数.根据UAV的运动规律,采用自适应卡尔曼滤波进一步提高UAV高度估计的精度.模拟实验结果表明,所提出的方法可以有效地估计UAV着陆的俯仰角和相对跑道的高度参数,而且算法具有较快的收敛速度.     

非线性模型中无信息方差和协方差分量Bayes估计

采用Bsyes方法从无先验信息出发,得到了非线性模型中方差和协方差分量的估计（包含相关系数）,最后通过实例解算,结果表明：非线性模型中方差和协方差分量的估计,与ρ的理论值-0．5偏差不大,当没有先验信息时,该方法是可行的。     

利用贝叶斯推理估计二维含源对流扩散方程参数

为了克服观测数据的不确定性给参数反演带来的困难,利用贝叶斯推理建立了二维含源对流扩散方程参数估计的数学模型.通过贝叶斯定理,获得了模型参数的后验分布,从而获得反问题的解.对于多参数反演问题,基于数值解计算得到的参数后验分布很难直观地表现出来,采用马尔科夫链蒙特卡罗方法对参数的后验分布进行采样,获得了扩散系数和降解系数的估计值.研究了观测点位置对计算结果的影响;同时研究了似然函数的形式对估计结果的影响,结果表明在异常值可能出现时采用Laplace分布型的似然函数可以获得稳健估计.对不同观测点数目下的估计值进行了对比,认为对于二维稳态对流扩散方程的双参数估计问题,至少需要两个观测点才有可能得到合理的解.     

基于随机采样的两阶段全局运动估计

为了有效地估计全局运动参数,提出一种基于随机采样的两阶段全局运动估计方法.在第一阶段,根据矩阵条件数最小化准则随机选取每组运动矢量,利用最小二乘法计算每组初始的变换参数,使用直方图获得最终的变换参数.在第二阶段,对运动矢量场进行变换运动补偿,从已补偿运动矢量场中随机采样一组运动矢量,使用直方图估计最终的平移参数.对于4个仿射全局运动模型和真实视频序列的实验结果表明,与基于固定采样模式的估计算法相比,该方法能够有效地缩短计算时间,同时获得更好的估计精度.     

基于非线性模型高精度参数估计的新解算

在以往诸多对非线性模型参数进行估计的解算中,普遍存在着对起算数据精度要求较高、解算精度较差、收敛速度缓慢等缺陷.本文在对传统求解非线性模型参数的思想进行了分析和研究的基础上,提出了一种利用多平差方法对待估参数进行相互迭代,以求得参数估值的新算法,文中通过实例分析证明该算法在解算精度和收敛速度方面较传统算法有明显优势.