H 􀀂 滤波在两位置对准技术中的应用

对于弹载捷联惯性系统来说,快速、精确的初始对准技术是其重要的关键技术.通过分析弹载捷联惯性系统对准过程中外界干扰的随机性特点,设计一种基于 H∞滤波的两位置对准方法.采用最优两位置对准技术,改善系统的可观测性,利用 H∞鲁棒滤波技术,改善系统的鲁棒性.此外,根据实际使用环境条件,假设了三种典型干扰模型,计算机仿真结果表明,这个研究方案不仅满足了导弹快速高精度对准的要求,而且提高了系统的鲁棒性.     

小波域阈值滤波在基于惯性系对准中的应用

当对准环境中存在不确定的角晃动和线振动干扰时,针对直接利用加速度计在不同时刻输出的比力信息进行基于惯性系的初始对准,姿态误差收敛过程振荡剧烈、对准精度低等问题,提出将2代小波半软阈值滤波方法应用到初始对准中以减小环境噪声对载体惯性系量测矢量的影响。实验结果表明,小波域阈值滤波可以有效地抑制量测矢量的高频噪声,惯导系统对准在受到较大干扰时,大约在4 min时能达到极限精度,且与传统方案相比方位误差角收敛过程平稳。     

EKF和SUKF在大摇摆基座初始对准中的应用

通过在SINS解算过程中加入速度和位置阻尼信息,推导了惯导系统在大失准角情况下的简化非线性误差模型,研究了非线性SUKF和EKF滤波器在大幅度摇摆基座初始对准中的适用性,有效解决了传统解析式粗对准算法不能应用于大幅摇摆基座自主初始对准的问题.两种非线性滤波器在系统粗略装订初始姿态的情况下,可以不经过粗对准过程直接实现系统的精确对准.最后以舰船系泊条件下的大幅摇摆基座为仿真环境,仿真验证了两种非线性滤波对准算法的有效性,并比较了两种算法的对准精度.结果表明两种非线性滤波器的对准精度相当,从计算复杂度的角度考虑,EKF算法有更强的实用性.     

弹载SINS摇摆基座对准仿真研究

为了分析导弹在风干扰下的摇摆运动,解决弹载捷联式惯性导航系统(SINS)摇摆运动下的对准技术,结合实际工程应用,提出了一种弹载SINS摇摆基座对准仿真方法.利用机械系统力学自动分析软件(ADAMS)建立了导弹的物理模型,给出了在风干扰下导弹的速度变化曲线和姿态变化曲线,并以此作为验证对准算法的数据来源.对准方案分为解析粗对准和滤波精对准两个过程,粗对准利用惯性器件的输出在最短的时间内为精对准提供姿态角的初始值,精对准利用滤波技术对粗对准结束后SINS的姿态误差角进行精确估计并补偿.最后的仿真结果验证了方案的可行性,在1分钟内俯仰角和滚转角的估计精度能够满足某导弹的性能要求.     

基于H∞的低精度捷联惯导系统初始对准方法

由于低精度捷联惯导系统的陀螺精度较低,初始对准时方位失准角的估计精度往往不高;另外,进行初始对准的常用方法是采用Kalman滤波技术,但在实际应用时,其鲁棒性不高,因此迫切需要一种能够改善低精度捷联惯导系统方位失准角的估计精度且兼具鲁棒性的初始对准方法。提出了一种将H∞滤波用于引入磁航向的低精度捷联惯导系统的初始对准方法,能够解决上述问题。建立了一种引入磁航向的捷联惯导系统初始对准的误差模型,通过可观测性和可控性分析,得出可观可控系统,利用H∞滤波方法对其进行了仿真分析,仿真结果表明,能够改善低精度捷联惯导系统方位失准角的估计精度,并能有效抑制有色噪声及建模误差的影响,将其应用于低精度捷联惯导系统的初始对准是切实可行的。     

基于惯性系的旋转式惯导系统快速对准算法

针对船舶大幅角晃动和线运动等复杂干扰,导致旋转式捷联惯导系统初始对准性能下降的问题,设计了基于惯性系的旋转式捷联惯导系统快速初始对准算法.针对旋转式捷联惯导系统的误差特性,设计了基于惯性系的粗对准方案;并提出了一种改进的罗经对准算法,达到缩短对准时间和提高对准精度的目的.仿真实验证明:该方法可以实现快速初始对准,7 min航向精度达到1.35′.     

基于粗集的图像混合噪声滤波算法

实际应用中图像常受到不同类型噪声的同时干扰,为解决混合噪声图像的去噪问题,提出了一种基于粗集的图像滤波算法.该算法将粗集理论应用到图像滤波中,利用粗集理论的等价关系分离出不同噪声点及非噪声点,根据图像被污染的情况,选取不同的去噪策略对噪声进行滤除.实验结果表明,该算法在抑制混合噪声时性能优于传统中值滤波、均值滤波等方法,同时也能较好地保护细节信息.     

H∞次优滤波在角速度匹配传递对准中的应用

角速度匹配传递对准的量测量是主惯导的高精度陀螺测量信息与子惯导的陀螺测量信息之差,将角速度匹配传递对准的量测量送入卡尔曼滤波器进行信息融合,以获得导航系统误差的最优估计值.通过对角速度匹配传递对准的系统状态模型和量测模型的构建与分析,在将机翼弹性变形等干扰项为有色噪声时,采用H∞次优滤波的角速度匹配传递对准方式估计弹体的安装误差角与姿态失准角,从而实现机载导弹武器系统的快速传递对准.仿真结果表明,基于H∞次优滤波的角速度匹配传递对准,能有效抑制实际应用中弹体的机翼弹性变形等外界不确定噪声的干扰,在确保传递对准鲁棒性能的同时,可以获得良好的快速性能和滤波精度.因此,作为一种空中飞行的对准方法,采用H∞次优滤波将干扰项作为有色噪声应用于角速度匹配传递对准更符合工程应用的实际情况.     

基于RBF网络的捷联惯导初始对准优化研究

该文研究了捷联惯导在静基座下的初始对准问题,其中粗对准中采用磁罗盘和加速度计得到初始姿态角,精对准中采用具有最佳逼近性的径向基函数神经网络（RBF网络）修正姿态角。在RBF网络基函数中心选取时,基于样本分布特点,采用简单有效的均值法,同时为了增加了神经网络权值学习的鲁棒性和快速性,将H∞鲁棒滤波用于网络的权值调整中。仿真结果表明,采用这种优化学习的RBF神经网络进行初始对准比用传统的Kalman滤波更快速有效,且与Kalman滤波精度相当。     

基于简化模型与自适应滤波的车载SINS静基座快速对准

为了实现捷联惯性导航系统(strap-down inertial navigation system,SINS)快速初始对准,根据已有可观测性分析结果,通过理论分析和计算得到了扩展观测量时初始对准系统最优可观测状态量组合,在此基础上简化了对准模型,建立了新的系统方程;针对载车发动机启动或其他情况导致系统噪声无法精确统计,提出了运用基于强跟踪滤波原理的自适应卡尔曼滤波算法抑制滤波发散,加快收敛速度;仿真结果表明运用简化模型和自适应滤波在系统噪声不匹配时具有更快的收敛速度和更高的对准精度,车载实验结果也表明运用简化模型和自适应滤波可以实现快速对准。     

Application of covering rough granular computing model in collaborative filtering recommendation algorithm optimization

Data sparseness will reduce the accuracy and diversity of collaborative filtering recommendation algorithms. In response to this problem, using granular computing model to realize the nearest neighbor clustering, and a covering rough granular computing model for collaborative filtering recommendation algorithm optimization is proposed. First of all, our method is built on the historical record of the user's rating of the item, the user’s predilection threshold is set under the item type layer to find the user's local rough granular set to avoid data sparsity. Then it combines the similarity between users. Configuring the covering coefficient for target user layer, it obtained the global covering rough granular set of the target user. So it solved the local optimal problem caused by data sparsity. Completed the coarse–fine-grained conversion in the covering rough granular space, obtain a rough granular computing model with multiple granular covering of target users, it improved the diversity of the recommendation system. All in all, predict the target users’ score and have the recommendation. Compared experiments with six classic algorithms on the public MovieLens data set, the results showed that the optimized algorithm not only has enhanced robustness under the premise of equivalent time complexity, but also has significantly higher recommendation diversity as well as accuracy.     

捷联惯导系统静基座初始对准精度分析及仿真

在利用卡尔曼滤波器对捷联惯导系统（SINS）进行静基座初始对准中,由于系统的不完全可观测性,使得有些状态没有滤波效果,有些状态的估计精度受到限制。对SINS静基座初始对准卡尔曼滤波方程进行了可观测性分析,提出了状态降阶的处理方法,并得到了各状态估计的极限精度公式。最后进行了软件仿真,仿真结果表明：降阶滤波器和全降阶滤波器的估计精度基本相同,但足前者计算量更小,并且在滤波计算中能够消除不可观测状态的不利影响。     

神经网络修正动态GPS卡尔曼滤波算法研究

GPS导航定位系统噪声具有非先验性,而卡尔曼滤波进行最优估计需建立准确的系统模型和观测模型,这导致标准卡尔曼滤波的精度不高。为提高滤波精度,提出了神经网络修正动态GPS卡尔曼滤波算法,采用两个BP神经网络分别在时间更新预测部分及测量更新部分对标准卡尔曼滤波器进行修正,这样既考虑了现实环境的动态变化对系统模型造成的随机干扰影响,又融合了神经网络的自学习性和自适应性,使其对动态环境的扰动具有了自适应能力。仿真研究表明：该算法优于标准卡尔曼滤波器。     

卡尔曼滤波在应变式力传感器中的应用

由于应变式力传感器系统中存在较大的随机噪声,降低了系统的标定精度和测量准确性,而卡尔曼滤波适合实时滤除干扰信号。在建立传感器测试模型基础上,通过推导卡尔曼滤波算法,确定了滤波初值和滤波参数。在传感器—A/D转换器—DSP硬件平台上,进行了滤波算法验证。实验表明：卡尔曼滤波有效地滤除了随机干扰信号,适用于静动态测量过程,提高了系统标定精度。     

小型无人机姿态解算方法研究

姿态解算是小型多旋翼无人机研究的核心问题之一.为进一步提高姿态反馈数据的准确度和实时性,设计了低成本姿态解算系统,根据不同姿态传感器的信号特点,结合卡尔曼滤波融合算法和改进型互补滤波融合算法的优势,提出了一种基于前置卡尔曼滤波器的互补滤波融合姿态解算方法,并进行了飞行姿态解算实验.结果表明,代码的运行周期比改进型互补滤波融合算法增加了0.253 ms,比基于加权滑动方差的卡尔曼滤波融合算法减少了0.246 ms;姿态更新时间提前了约1 ms.悬停状态下,俯仰角和翻滚角的解算误差控制在±0.2°以内;航向角的解算误差控制在±0.6°以内.该方法集合了卡尔曼滤波算法和互补滤波算法的优势,准确度更高,实时性更强.     

GARUKF算法在无人船对准中的应用

针对无人船在恶劣海况下不仅做大幅摇摆运动,还会遭受海浪的周期性瞬时冲击以及阵发性短时强干扰等影响,提出一种GARUKF算法来提高对准精度,利用投影统计(PS)算法对滑动窗口内的新息向量重新赋权,实现对量测噪声方差阵的实时估计,并利用遗传(GA)算法求解自适应因子阵,最优化地调整量测噪声方差阵。与常规自适应鲁棒UKF算法(ARUKF)算法相比,该算法实现了自适应调节能力的最优化。仿真试验表明,本文提出的GARUKF算法在系统遭受短时强干扰以及瞬间冲击等影响时,水平方向对准精度达4′,方位对准精度可达5′。结合半实物实验结果,验证了该算法可有效提高滤波精度和稳定性,满足恶劣海况下无人船对准的要求。     

姿态解算与外力加速度同步估计算法

针对惯性导航应用中,姿态解算与外力加速度估计互相干扰的问题,提出一种基于四元数和扩展卡尔曼滤波器的姿态解算与外力加速度同步估计算法。首先,利用估计的外力加速度修正传感器加速度数据得到准确的反向重力加速度,再结合地磁场向量通过梯度下降算法解算得到旋转四元数的测量值;其次,构建扩展卡尔曼滤波模型,对旋转四元数和外力加速度进行更新,得到旋转四元数的预测值和外力加速度的预测值;最后,用旋转四元数的测量值和测量得到的加速度数据对预测值通过扩展卡尔曼滤波的方法进行校正,最终得到准确的旋转四元数和参考坐标系下三轴方向上的外力加速度。实验表明,通过扩展卡尔曼滤波同时对姿态和外力加速度估计的方法,能够迅速收敛并准确得机体姿态信息以及外力加速度信息,欧拉角误差为±1.95°,加速度误差为±0.12 m/s²,并且该算法能有效抑制外力加速度对姿态解算的影响,准确估计外力加速度。     

改进协方差矩阵的智能车视觉目标跟踪方法

智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点，现有算法难以实时估计目标的状态。针对识别物体复杂且多变，很难用完全的特征来描述待识别目标及其背景的不断变化，提出了一种用于融合颜色特征及SURF（Speed-Up Robust Features）特征的协方差矩阵来改进粒子滤波算法，从而提升视觉目标跟踪的实时性，满足智能车辆的要求。首先，对采集的图像进行预处理来获取感兴趣区域。接着，通过融合颜色特征及SURF特征构造范围感兴趣区域（Region Of Interest，ROI）的目标特征协方差矩阵，建立目标状态预测模型及状态观测模型，用于改进粒子滤波算法粒子重采样过程，实现对目标的精确跟踪。最后，将该方法与Mean-shift算法和颜色属性（CN）算法进行对比。实验结果表明，在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时，该算法在满足智能车辆对实时性要求的前提下，有效提升算法的精确度及鲁棒性。     

基于马尔可夫聚类和混合协同过滤的电视节目推荐

针对家庭用户的电视节目个性化推荐问题,提出一种基于马尔可夫聚类和混合协同过滤(MCL-HCF)算法的混合推荐方法。采用马尔可夫聚类对各个时间段的电视用户进行聚类,产生不同的群组,最小化每个群组里的个体成员和群组整体的偏好差异,再以群组为单位进行电视节目推荐;使用基于物品的协同过滤和基于用户的协同过滤算法分别产生推荐列表;采用基于加权融合的混合推荐算法对两个推荐列表进行处理,得到最终的混合推荐结果。在公开数据集上的实验结果表明,该算法在平衡推荐惊喜度和相关性的同时能够获得令人满意的推荐准确率。     

粒子滤波在MEMS陀螺仪初始对准中的应用

针对微机电系统MEMS(Micro-Electro-Mechanical-System)陀螺仪的随机误差,引入了粒子滤波处理MEMS IMU的输出数据.借助于机动目标的Singer模型建立了系统状态方程,论文讨论了粒子滤波算法在MEMS IMU滤波处理的应用,详细描述了算法的推导过程.应用经典卡尔曼滤波和粒子滤波分别处...