共查询到20条相似文献,搜索用时 203 毫秒
1.
星敏感器是飞行器姿态控制的主要部件,属于高精度姿态控制器件。星敏感器光学系统通过获得恒星像从而获得飞行器当前姿态,因此光学系统的成像质量决定了飞行器姿态控制的精度。为了适应航天发展的需求,设计了一种折射式星敏感器光学系统,其焦距f=36.8mm、F/#=1.15、光谱范围为500~800nm、视场为17°×17°,以点列图、倍率色差图、扇形图、能量集中度评价其成像质量,最终得到了像质良好的光学系统,其具有视场大、相对孔径大、倍率色差小、能量集中度高等特点,满足了星敏感器光学系统的使用要求。 相似文献
2.
动态CCD星敏感器驱动成像系统设计与实现 总被引:2,自引:2,他引:0
以DALSA公司的CCD图像传感器FTT1010M作为敏感元件,设计并实现了一种基于FPGA的动态CCD星敏感器驱动成像系统,详细介绍了FTT1010M的特性与工作时序、星敏感器成像系统的时序电路、模拟驱动电路、电源转换电路、预处理电路以及分步测试过程。实验结果表明,设计的驱动电路可满足CCD驱动要求,系统可通过上位机调节曝光时间和ADC增益。系统通过多星模拟器成像,在短曝光时间内可获得清晰的模拟星图,为实现动态CCD星敏感器奠定了基础。 相似文献
3.
4.
复杂场景中的目标感知是深度学习在计算机视觉中最重要的研究领域之一,而复杂交通场景中的车辆检测与跟踪是当今众多学者研究的热点问题。在视频目标检测过程中由于运动物体的时间维度特征信息利用不充分,导致在长序列之间的时间特征极其容易被忽略,本文提出一种时空一致性的视频车辆的检测跟踪算法。该算法由双分支网络结构组成:分支一是由基于空间相关性的Transformer网络模块组成,该分支网络主要用于判断前后帧的相关性、感知相邻帧之间的一致性,预测目标车辆时空一致性的关联度;另一网络分支是由基于交叉特征金字塔融合的网络模块组成,该模块主要是提取检测对象的局部信息结合浅层的空间边缘信息和深层的语义特征信息,提取对象空间位置的特征信息。该网络结构将Transformer机制和交叉特征金字塔模块相结合,利用Transformer对长序列之间时间关联性敏感和特征金字塔网络模块对边缘信息敏感的特性,对视频帧对象进行检测和跟踪,确保相邻帧的长程相关性以及边缘和深层的特征信息深度融合。实验结果表明,本文设计的双分支网络结构在视频目标跟踪和检测中取得更好精度和更快的收敛速度;同时在显著性视频目标检测中,实验表明算法的... 相似文献
5.
基于脉动高频信号注入的永磁同步电动机转子位置检测 总被引:2,自引:1,他引:1
利用电动机的凸极效应跟踪转子位置,可以实现电机全速度范围内转子位置的检测,且对电机参数的变化不敏感,鲁棒性好.对脉动高频信号注入法进行永磁同步电动机转子位置检测的原理进行剖析.在定子绕组端注入高频小幅值的脉动电压信号,将产生的带有转子位置信息的高频载波电流解调后,送入位置观测器,可观测出转子位置.通过仿真进行算法验证,结果表明,对具有凸极效应的永磁同步电动机来说,脉动高频信号注入法能够精确地跟踪转子位置,尤其是能够解决低速甚至零速下的转子位置检测. 相似文献
6.
7.
传统的GPS载体姿态测量算法是利用全部可见卫星的测量信息进行姿态计算的,针对这一情况提出将选星算法应用于姿态测量过程的改进算法.首先依据参数的约束条件,确定选星数目为5,在解算方程组中,存在GDOP值随方向余弦矩阵的行列式绝对值的增大而总体趋势减小的关系,记录下能使方向余弦矩阵行列式绝对值最大的5组卫星组的行列式绝对值及其卫星标号,分别计算这5组卫星组的GDOP的值,GDOP值最小的即为选星结果.MATLAB仿真结果表明,改进的算法虽然在基线解算的精度上降低了一个数量级,基线误差由毫米级降低到厘米级,但是姿态角的解算精度与原算法相当,并且在程序运行时间方面提高了将近一倍.在工程应用中,对于载体的姿态解算在时间代价方面要求较高,因此,改进的算法有一定的优越性. 相似文献
8.
9.
基于K-S检验的直方图匹配目标跟踪算法 总被引:2,自引:1,他引:1
为了快速准确跟踪运动目标,提出了基于K-S(kolmogorov-smirnov)检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。 相似文献
10.
11.
针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题,提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模,构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差,设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法,利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明:在静态条件下,“虚拟陀螺”方差降低为单个陀螺的4%,零偏不稳定性降低为47.2%;在动态条件下,“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。 相似文献
12.
针对双观测平台纯方位测量的机动目标,提出了自适应归一化的模糊交互多模型算法。算法利用目标的方位信息,通过模糊推理机制自动调整过程噪声水平。提出了限定记忆归一化方法来自适应归一化模糊系统的输入变量,使得输入变量值始终保持在一个合理的范围内。仿真结果表明,与基于增长记忆归一化方法和经验法的模糊交互多模型算法相比,基于限定记忆归一化的模糊交互多模型算法的跟踪误差分别降低了9.56%和9.29%,能更好地跟踪机动目标的位置、速度和加速度。 相似文献
13.
针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解
算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态
四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息
建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于
0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度
计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。 相似文献
14.
旋转变压器的两路输出均为包含角位置信息的调幅信号,必须进行解调,以实现模拟调制信号到数字信号的转换。在旋转变压器数字转换器中,常采用锁相环作为核心的解调算法。然而,常规锁相环只是一个典型的二型跟踪环路,难于兼顾动态与稳态的性能,尤其是当被测角位置高动态变化时,解调误差较大。为提高解调精度,将旋转变压器数字转换问题转化为角度跟踪控制问题,提出了一种基于滑模变结构控制器的旋转变压器数字转换算法。该算法引入了切换控制项,可以抑制被测角位置高动态变化所导致的模型不确定性对解调精度的影响。实验结果表明,该方法是可行的。 相似文献
15.
为了减小MEMS陀螺仪随机误差,提出了一种新的去噪算法。该算法首先通过自适应噪声完备经验模态分解(CEEMDAN)将原始数据分解为多个本征模态函数(IMF),并根据多尺度排列熵与马氏距离将IMF分为噪声IMF、混叠IMF和信号IMF;其次对噪声IMF用小波包(WP)去噪,对混叠IMF用Savitzky-Golay滤波器(SG)去噪;最后,把处理后的IMF和信号IMF进行重构,得到去噪后的信号。通过所提方法对Bumps信号进行实验分析,去噪后信号从6 dB提高至17 dB,均方误差降低71.9%;对实测陀螺仪静态数据进行分析,实验结果证明去噪后信号的角度随机游走降低31.5%,表明该方法能显著提高MEMS陀螺仪的精度。 相似文献
16.
为提升无人机大范围弱纹理场景下的状态估计,提出一种改进视觉惯性里程计融合GPS的定位方法。首先,通过在视觉惯性里程计中加入线特征来表示环境的几何结构信息,提升位姿估计的准确性;其次,通过引入长度阈值筛选,剔除对位姿估计贡献不大的短线段,改善特征追踪的鲁棒性;最后,使用非线性优化的方式,将GPS测量信息和改进的视觉惯性里程计融合,校正视觉惯性里程计的累积误差。基于EuRoC数据集仿真实验以及应用于无人机的真实场景实验表明,相较于原算法,加入线特征算法的定位误差在仿真实验中降低了39.14%,室内场景降低了23.48%,室外场景降低了33.58%。融合了GPS的点线特征算法相较于原算法,定位误差降低了53.99%。 相似文献
17.
18.
设计了一种基于特征点的运动汽车实时跟踪算法.结合自适应卡尔曼滤波(Adaptive Kalman Filter,AKF)算法,提出了一种简单实用的特征点匹配跟踪算法,实验表明该算法既能准确的描述目标,又减少了匹配计算量,从而实现了快速准确地跟踪运动汽车的目的. 相似文献
19.
针对星敏支架热致变形导致其指向精度降低的问题,提出了一种基于神经网络的指向倾角监测方法。 首先,分析星敏
支架结构特征,搭建星敏支架指向倾角预测系统,采集星敏支架结构形变和倾角变化数据,并对实验数据进行预处理;其次,构
建深度神经网络模型,将星敏支架模型各测量点的应变信息作为输入变量,并使用 Adam 优化算法更新网络参数,经训练迭代
后得到指向倾角预测模型;然后针对传统深度神经网络收敛速度慢、容易产生局部最小值等局限性,使用遗传算法对深度神经
网络的超参数进行优化,以提升神经网络的训练速度;最后使用测试集数据对星敏支架指向倾角变化进行预测,分析该模型在
不同温度条件下对星敏支架指向倾角监测的准确率。 实验结果表明,优化后深度神经网络模型的指向倾角预测方法的平均误
差为 0. 20″,且倾角预测精度明显优于传统算法,证明利用深度学习方法实现星敏支架指向倾角监测具有可行性。 相似文献
20.
为了实现对在航捷点附近做机动运动目标的精确跟踪,提出采用不敏卡尔曼滤波(UKF)作为底层的滤波算法,解算出方位和俯仰的角度变化率,通过角度变化率解算出目标的切向速度,在过航捷时建立新的跟踪模型,将切向速度扩充到观测方程中,并结合交互多模型概率数据关联算法(IMMPDA)实现对过航捷机动目标的跟踪。仿真结果表明,该算法跟踪精度高,在航捷点附近无论是转弯机动还是加速运动,都可以保持对目标的持续跟踪,稳定性较高,可以直接应用于工程实践。 相似文献