自适应IIR陷波器在信号检测中的应用

自适应格型IIR滤波器算法具有快速收敛和优良的数值特性，并能跟踪时变信号。文中在基于简化格型IIR滤波器的自适应陷波器的基础上，提出了基于自相关预处理后的自适应IIR陷波器。通过自相关预处理可以抑制噪声．提高信噪比。仿真结果表明：该算法可以在很大程度上提高检测能力。     

小波去噪在激光陀螺漂移信号分析与处理中的应用

用Allan方差法对激光陀螺漂移数据的各种误差源及其整个噪声统计特性进行细致的表征和辨识.根据有效信号与各种噪声信号的频谱差异,用Mallat算法对RLG漂移信号进行塔式分解,采用软阈值消噪法去除噪声.对小波去噪前后的激光陀螺零漂信号用Allan方差进行对比分析表明,小波变换有效的减小了激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡和量化噪声,提高了激光陀螺零偏输出的稳定性.     

一种改进的空时自适应处理干扰抑制算法

传统的空时自适应处理算法对空间不同于来向的干扰可以有效地抑制,但对与信号同向的窄带干扰抑制程度不够,同时滤除部分有用信号。对级联IIR陷波滤波器的自适应算法进行了讨论,提出了一种改进的空时处理器结构,将级联IIR陷波滤波器与空时FIR滤波器组相结合。该算法有效抑制了窄带和宽带干扰,改善系统性能,提高输出信干噪比。仿真结果与理论分析相一致,证实了该算法的性能优越性。     

基于椭圆逼近算法的低通IIR滤波器设计与实现

为满足制导系统较高的实时性要求,结合视线角速率的时频域特点,提出一种基于椭圆逼近算法的低通无限脉冲响应(IIR)滤波器。首先根据输入信号的特性确定滤波器技术指标,然后计算得到滤波器系数,最后通过与不同IIR滤波器进行仿真对比和实测数据统计,验证该滤波器的性能。实验结果表明:该滤波器能够滤除信号中的高频噪声,具备良好的频率选择性和实时性,满足工程应用的需求。     

用火箭橇测试数据来鉴定先进惯性基准球惯性测量装置的精度

1981年～1982年,在新墨西哥州霍洛曼空军基地进行了一系列火箭撬试验。火箭橇上带有一台预先研制阶段的先进惯性基准球(AIRS)惯性测量装置(IMU)。将来自 IMU 的遥测数据与来自霍洛曼空军基地空间/时间测量系统的数据相结合,以鉴定 IMU 性能。研究了鉴定方案,以便为校准误差源修正 IMU 数据;用空间/时间数据去同步 IMU 数据,并计算出轨道比较量。这些轨道比较量作为卡尔曼滤波器估算法的可观测量,以便提供模型化的 IMU 误差的估值。精确火箭橇试验数据提供了方位对准误差的估算。它们也揭示了一种加速度表计算误差在系统性校准中的误差。本文叙述了为 AIRS 火箭橇试验研制的事后处理测试数据的鉴定技术,并提供了 AIRS 与空间/时间速度比较的例子,以及作为 IMU 误差指示的重要性说明。     

基于协调粒子群算法的无限冲激响应滤波器优化设计

确定滤波器的参数和阶数是无限冲激响应(IIR)数字滤波器设计中的最重要问题。目前的IIR滤波器优化设计方法容易陷入局部极值,难以得到全局最优解,且阶数不易确定。针对IIR数字滤波器优化设计实质上是一个对参数优化的问题,引入了协调粒子群算法对IIR滤波器进行优化设计,将传统设计方法和优化设计方法相结合,根据传统设计方法确定滤波器的阶数,通过协调粒子群算法对参数进行优化,将最小均方误差函数作为适应度函数,将滤波器的性能要求作为算法终止条件,滤波器的稳定性作为约束条件。该方法解决了传统方法设计的结果不理想以及常用优化设计方法不收敛且阶数不易确定的问题。经过在实际系统中的应用,表明该方法是有效、实用的。     

基于新息自适应滤波的惯性测量单元误差在线标定方法研究

考虑到空天飞行器飞行环境和运动特性下导航传感器误差的噪声统计特性不可能完全精确已知,若使用常规卡尔曼滤波进行在线标定,将会导致滤波精度下降甚至发散。设计一种基于新息自适应滤波方法的惯性测量单元(IMU)误差在线标定方案和算法,克服常规卡尔曼滤波需预先知道噪声统计特性的不足,设计包含IMU安装误差、刻度因子误差和随机常值误差在内的27维高阶状态变量的误差标定模型,分析提出可同时对系统噪声和量测噪声协方差矩阵进行动态调整的新息自适应滤波在线标定算法。仿真验证实验表明,相较于采用常规卡尔曼滤波以及Salychev O自适应滤波算法进行在线标定,所设计的新息自适应滤波在线标定方法能更有效实现对IMU误差的动态标定及补偿,进一步提高了惯性导航系统精度。实物验证实验表明,该方法可有效标定IMU误差残差,提高导航精度,为工程应用带来较大便利。     

基于子视数据相关性的极化合成孔径雷达图像噪声抑制

基于极化合成孔径雷达（PolSAR）的子视数据相关性提出了一种新的非局部滤波器。非局部算法在一个较大的空域中搜寻待滤波元素所在图像块的相似图像块,并以基于它们的相似程度来对图像数据进行加权滤波。因而相似度计算在非局部滤波器里起到至关重要的作用。PolSAR图像子视数据之间的相关性包含有较对应的多视数据点之间更多的信息,这些信息有利于更加精准的计算非局部滤波器中相似度的估计。新提出的滤波器通过假设检验来估计两组子视数据集是否同质,并以此为依据估计图像块之间的相似性。通过对同质区域的加权滤波实现对PolSAR数据的噪声抑制。对比实验证实了新提出的滤波器的有效性和优异性能。     

光学陀螺随机误差特性的混合理论方差方法分析

为更有效地测试和分析光学陀螺的随机误差特性,提出采用混合理论方差(TheoH)的方法全面表征和分析陀螺输出数据。该方法建立在Allan方差和去偏的#1理论方差（Theo1）的基础上,解决了Allan方差计算的平均时间只能够达到数据持续时间长度的一半,以及长相关时间下置信度下降的问题,同时构造的新方法能够自动去除Theo1方差相对于Allan方差的偏差。对比分析了新方法对白噪声特性以及光纤陀螺实测数据中随机噪声的类型和噪声水平的辨识结果。实验结果表明,通过去除偏差和提高方差估计的置信度,新混合理论方差方法对估计各种白噪声以及长相关时间下光纤陀螺噪声特性提取更有效,精度更高,同时能够兼容Allan方差对量化噪声、角度随机游走、零偏不稳定性、速度随机游走、速率斜皮5种噪声进行无偏估计。     

一种激光陀螺捷联惯性导航系统级标定方法

为优化激光捷联惯性导航在卧式三轴转台上的系统级标定方案,设计了卧式三轴转台外环轴整周旋转对惯性测量单元（IMU）误差参数的激励方法。基于捷联惯性导航的误差方程,阐述了速度误差与IMU误差参数间的关系,从而建立IMU系统级标定模型。该模型具有加速度计误差参数仅反应在观测量北向分量、陀螺误差参数仅反应在观测量东向分量的特点,消除了加速度计和陀螺误差参数标定误差的相互影响。根据准D最优准则,设计了正二十面体12点计划的双轴位置单轴速率翻滚法,利用最小二乘法辨识出IMU的24项误差参数。通过给加速度计和陀螺加入不同测量噪声,对IMU标定模型进行仿真,结果表明该方法可抑制加速度计和陀螺的测量噪声对标定结果的影响。     

基于Allan方差自适应算法的姿态解算

为解决MEMS 姿态传感器的复杂噪声问题,设计使用一种基于Allan 方差的自适应算法在线估计量测噪 声方差。基于Allan 方差递推公式组成自适应算法来追踪数据的方差值,采用欧拉角微分方程作为滤波的状态方程, 通过对陀螺仪静态数据Allan 方差分析得到陀螺仪的主要噪声参数用作滤波系统噪声方差,并将各个数据整合解算 出姿态角。结果表明：自适应滤波算法比常规滤波方法解算的角度精度高,在噪声波动的环境条件下,自适应滤波 算法实用性更好。     

高度机动目标Jerk模型及改进算法

针对Jerk模型常规算法跟踪Jerk机动时存在稳态确定性误差的固有缺陷,提出了Jerk模型改进算法。改进算法融合了Jerk模型及当前Jerk模型。Jerk模型描述弱Jerk机动,采用位置估计偏差和加速度变化率方差之间的关系调整系统噪声方差;当前Jerk模型描述强Jerk机动,采用修正瑞利分布描述加速度变化率方差统计特性。在滤波算法方面,引入模糊分布函数和强跟踪滤波器,改善了对弱Jerk机动的跟踪精度,并提高了对强Jerk机动的跟踪能力。理论分析和仿真结果表明,改进算法克服了Jerk模型常规算法的缺陷,能自适应地逼近不同强度的Jerk机动并进行准确跟踪。该算法在不同强度信号噪声比和不同量测噪声下,误差变化相对稳定,具有较好的跟踪精度。     

微机电系统陀螺仪随机漂移误差建模与滤波研究

随机漂移是微机电系统(MEMS)陀螺的主要误差,建立其数学模型并在输出中加以补偿是抑制该项误差、提高MEMS陀螺精度的有效方法。采用Allan方差对MEMS陀螺实测数据进行了分析,并采用时间序列分析法建立了随机漂移模型。根据建立的漂移模型,就如何利用Kalman滤波抑制随机漂移误差进行了分析和研究。     

基于神经网络算法的弹丸阻力系数辨识

为了解决传统辨识方法在应用于弹丸气动参数辨识时所存在的建模误差问题,基于极大似然准则,采用神经网络-牛顿法,对无控旋转弹丸的飞行状态数据进行处理,提取出其零升阻力系数。仿真结果表明,该算法具有较高的辨识精度和可靠性。基于实测数据,采用该算法和应用已成熟的扩展卡尔曼滤波算法进行辨识。结果表明,神经网络算法的前期辨识精度较高,但中期误差较大,而扩展卡尔曼滤波的前期精度较差,故可结合二者的优点有效地解决工程实际问题。     

基于SNVA的机动目标状态估计

利用位置预测估计值与位置滤波估计值之间的偏差进行加速度方差自适应调节,提出一种基于状态噪声方差自适应(SNVA)的机动目标状态估计方法。采用SNVA对目标加速度噪声方差进行自适应调整,实现了对当前统计模型的改进; 利用扩展卡尔曼滤波算法对目标状态进行估计。仿真结果表明,基于SNVA的扩展卡尔曼滤波算法对机动目标速度估计的绝对误差小于0.1 m/s,加速度估计的绝对误差小于0.1 m/s²,能够对机动目标的状态进行准确的估计。     

惯性测量组合中激光陀螺随机噪声分析

介绍了国外常用于评估环形激光陀螺和其它精密测量仪器性能的Allan方差法．讨论了环形激光陀螺的随机噪声特性，应用Auan方差法对激光陀螺输出数据进行了分析，分离出各项误差的系数，结果表明，Auan方差法是一种有效的误差特性分析方法。     

基于单目/IMU/里程计融合的SLAM算法

常见的单目视觉-惯性SLAM算法,应用于以平面运动为主的轮式机器人时,由于存在额外不可观测度等原因常会导致导航定位精度下降。为解决该问题,提出一种能提高定位精度的视觉/IMU/里程计紧耦合的SLAM算法。在视觉前端部分,改进了原始图像金字塔LK光流法,将陀螺仪的旋转信息和里程计的平移信息作为先验,进行了可减少计算量的光流初值计算过程优化;引入车轮里程计信息,推导了IMU/里程计预积分;将里程计约束加入初始化过程和后端非线性优化中,实现视觉、IMU、里程计信息的充分融合利用。开源数据集测试和小车实验结果表明,新算法光流迭代次数减少约32.5%,定位误差均值相比VINS-Mono减少约40%。