加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

基于cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

基于FPGA_ARM的机载组合导航系统设计

为了降低惯性导航系统的累积误差,提高导航定位的准确性,文章采用惯性导航系统、GPS和磁航向计等构建了小型组合导航系统,以INS、GPS位置和速度的差值作为观测量,通过卡尔曼滤波器估计位置、速度和姿态等导航参数的误差量,进而获得准确的导航参数估计值;实验结果表明,该方法能够有效遏制系统累计误差,满足导航系统的精度和稳定性要求。     

基于不确定融合的GPS/INS 组合导航滤波算法

针对实际车载组合导航系统测量中不确定噪声的问题,提出一种基于不确定融合估计的GPS/INS组合导航滤波算法,建立了导航系统的状态方程和观测方程;通过多信源不确定融合估计,得到多传感器的等效测量值以及误差方差阵;对系统方程进行滤波处理,得到车辆的准确位置。车载系统的实测数据表明,不确定噪声下的融合估计结果优于独立白噪声假设下的融合估计,并验证了所提出算法的有效性和实用性。     

GPS信号自适应抗干扰系统

针对GPS卫星信号易受干扰,不稳定的问题,提出INS/GPS组合导航抗干扰的方法并用硬件电路进行实现验证。给出了惯性器件的误差模型,采用松散组合方式,设计卡尔曼滤波器,取姿态、速度、位置的误差作为状态变量。提出以INS与GPS输出的东北天向速度误差作为滤波器观测量的方案。通过计算机的仿真和实验验证,对系统的精度进行了分析,证明该方案是可行的,实现实时滤波计算,并能满足导航的精度要求。     

基于容积卡尔曼平滑滤波的管道缺陷定位技术

针对管道测量系统MEMS惯性元件的漂移,且难于获得GPS信息进行有效误差累积抑制的问题,创建了管道测量系统9维系统状态误差方程和基于速度差和基准点位置差的观测方程,提出采用容积卡尔曼平滑滤波算法。该算法由以里程轮速度为观测量的正向容积卡尔曼滤波算法和以基准点位置为起点的反向平滑两级滤波组成,实现管道缺陷地理坐标的最优估计。管道缺陷定位实验结果表明,该算法能有效补偿长航时导航参数误差,10 km测量精度可以达到10-3数量级,能够满足管道内检测定位精度要求。     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。     

观测迭代的插值滤波算法

针对非线性跟踪系统中由于弱观测性,大的初始化误差使的系统出现不稳定、跟踪收敛速度慢,鲁棒性能差的问题,本文在内插公式滤波器的基础上提出了基于观测迭代插值滤波器。该算法在插值滤波器基础上,利用观测迭代过程来取代单纯的近似条件估计进行预测,减小观测函数线性化所带来的误差影响具有更精确的状态和协方差估计性能。仿真结果表明该算法在大噪声和大初始化误差条件下拥有比传统算法更高的跟踪精度,和更快的收敛速度。     

融合气象观测数据的高精度大气数据估计算法研究

针对嵌入式大气数据观测系统（FADS）与惯性导航系统（INS）在计算飞行器大气数据时易受风速变化造成参数估计不准确的问题,文章提出一种融合FADS/INS/气象观测数据的大气数据解算方法。FADS依靠飞行器外表面的气压分布直接计算大气数据,INS提供姿态角与加速度,气象观测数据包括气压-高度的对应关系与风速矢量。融合过程结合FADS压力模型、飞行器运动模型和大气观测数据构建状态方程与观测方程,并采用滤波预处理、扩展卡尔曼滤波估计出精确的空速矢量和高度,结合INS数据进一步转换得到大气数据。仿真结果表明,文章提出的方法与现有未融合气象观测数据的算法相比,在攻角和侧滑角估计方面,估计误差降低30%,在马赫数估计方面误差降低了89%,在气压高度方面误差降低93%,估计精度得到有效提高。     

基于等效陀螺的捷联惯导快速两位置对准仿真

研究优化惯导系统的可观性能,提高捷联惯导两位置对准的速度,有助于提高导航的准确性和快速性,将水平速度误差和等效陀螺误差作为系统观测量,提出采用静基座下快速两位置对准的新方法.在常规对准方法的基础上,建立了引入陀螺信息的观测方程,用奇异值分解方法分析了新系统可观测性,推出了第一位置可观测量的最优估计及估计误差.根据状态快速收敛的特性,提出采用PCWS方法,对加速度计和陀螺进行了有效的标定,并进行了仿真,结果证明方法有效提高加快了两位置对准的速度,能充分利用陀螺信息,有效提高了惯导系统的可观测性,缩短对准时间,具有重要的参考价值.     

基于小波和人工智能技术的车辆无缝定位技术研究

基于自适应神经模糊逻辑推理系统(ANHS),在全球定位系统(GPS)信号阻塞时,为惯性导航系统(INS)提供位置和速度修正量以提高系统的精度和鲁棒性.首先用小波对数据信号进行降噪处理;然后设定INS的位置或速度作为ANHS的输入参数,经训练后输出相应修正量,训练期望值为经小波多分辨率分析得到的位置误差和速度误差.实验表明,无GPS信号时定位精度比同条件下卡尔曼滤波精度提高约40%,因此该方法可为车辆提供可靠有效的导航定位服务.     

电弧炉电极调节系统的自适应死区补偿控制

电弧炉电极调节系统存在死区非线性,这将给控制系统带来稳态误差,甚全会造成系统不稳定.为此,针对断点不对称且斜率不相等的死区特性,提出一种自适心死区补偿方法.通过引入死区逆非线性环节,并在线更新未知的死区逆参数,达到完全补偿死区的效果.利用Lyapunov方法证明了参数估计误差的收敛性.仿真结果验证了所提出方法的有效性.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

采用两步训练法的多目标分布估计算法

提出两步训练法,改进了基于规则模型的多目标分布估计算法.在算法的模型训练环节,首先采用均值分簇法进行初步聚类;然后采用基于流形分簇法进行细致聚类,代替原算法中采用局部主元分析算法需要循环迭代的聚类分簇方法.通过6个Benchmark测试函数验证,改进算法保持了原算法的收敛性和多样性,并缩短了寻优的时间.     

分数阶系统的最优Oustaloup数字实现算法

控制系统通常无法用确定的解析表达式表达,所以需要利用滤波器来近似数字实现分数阶微积分.为此,提出一种新的分数阶系统数字实现算法--最优Oustaloup数字实现算法,通过最优算法寻找滤波器最优参数,在频率段内实现分数阶系统模型的高拟合精度.实例仿真结果表明,该算法在频率响应中的幅频特性及相频特性均优于Oustaloup及其改进算法.     

移动机器人路径规划的参数模糊自适应窗口蚁群优化算法

针对蚁群算法存在的不足,提出一种改进蚁群优化算法——参数模糊自适应窗口蚁群优化算法.首先利用模糊控制优化α,β和ρ参数,同时为蚂蚁建立动态搜索窗口,在为每只蚂蚁建立近邻城市表时加入混沌信息,并据此进行初始信息素分布.另外,引入了城市节点活跃度的概念,并将其作为未来信息,用以指导蚂蚁进行解的构造和信息素更新.仿真结果表明,即使在复杂的环境下,所提出的算法仍能快速规划出安全的最优路径.     

一种基于相容粒度空间的图像分割方法

定义归一化邻域方差,选取它和像素灰度值、邻域均值作为图像相容粒度空间的条件属性,构造出基于条件属性的相容粒度空间.根据相容关系进行图像粒化,定义相容决策粒间距离测度函数,利用思维进化算法(MEA)最优选取阈值,合成决策粒,实现对目标区域的提取,完成图像分割.实验结果表明所提出算法去噪效果明显,具有较好的稳定性和收敛速度.     

基于主成分分析的字典学习

在??奇异值字典学习方法的基础上,结合主成分分析方法提出了??主成分分析字典学习方法。该方法取代了??奇异值分解(KSVD)方法中对误差项直接进行SVD分解来更新原子,取而代之的是通过对误差项进行PCA分解,提取其主成分作为字典中原子的更新。仿真结果表明,与KSVD字典学习方法相比,所提出的方法字典学习效果更好,对训练样本的表达误差更小,学习字典更能表达训练样本的特征。     

基于分层多子群的混沌粒子群优化算法

在分层多子群结构模型的基础上,提出一种混沌粒子群优化算法(HCPSO).该算法对非线性递减的惯性权重进行混沌变异,并采用了混沌搜索方法.在更新全局历史最优位置每一维分量时,选取不同的若干个体作为学习对象,并计算它们的平均位置.混沌搜索区域半径可根据粒子个体最优位置与上述平均位置间的距离自适应地调整.通过对几种典型函数的测试结果表明,该算法具有较好的全局搜索和局部搜索能力,可有效避免早熟收敛问题.     

基于选择操作的量子粒子群算法

针对量子行为的粒了群优化(QPSO)算法存在早熟收敛的缺点,首先结合选择操作,提出2种改进的QPSO算法:基于锦标赛选择的QPSO算法和基十轮盘赌选择的QPSO算法,并施加到全局最优位置,以提高算法的搜索能力;然后证明了此算法的全局收敛性.典型标准函数优化的仿真结果表明,该算法具有较强的全局搜索能力.