基于卡尔曼滤波的新型船摇前馈补偿方法

船载雷达捕获跟踪目标时需要解决船摇扰动问题。传统的计算机前馈补偿方法受各种误差的影响对船摇隔离度的贡献有限,难以满足船载X频段大口径天线的要求。针对这种情况,提出了一种新型船摇补偿方法,直接利用陀螺敏感船摇扰动,经过卡尔曼滤波降低陀螺输出中的噪声后作为前馈量加入伺服环路中,仿真和试验结果表明该方法可以大幅度提高船摇隔离度从而提高系统的跟踪性能。     

基于Vc 的船摇隔离度自动化测试研究

本文介绍了船摇隔离度测试的原理及方法,针对原测试方法时间长、步骤复杂、测试误差大等不足,利用Vc 语言编程,实现船摇隔离度的快速、自动化测试.     

一种窄波束测控装备车船摇隔离方法

针对车载/船载状态下的窄波束测控装备的“动中测”测控需求,提出一种“位置环+车船摇前馈补偿+陀螺稳定环”的车船摇隔离方法,并对该方法的船摇隔离度和车摇隔离度分别进行仿真分析,仿真结果表明,采用该方法时,船摇隔离度能达到50 dB以上,车摇隔离度能达到20 dB以上;利用该方法对船摇条件下的高速运动目标跟踪性能进行仿真,仿真结果表明,跟踪误差满足窄波束测控装备的跟踪要求。     

基于速度建模前馈控制方法的研究

常采用的双闭环控制方法无法解决动机座下的光电跟踪设备其跟踪精度与稳定性的矛盾,而导致跟踪失败。本文对平台罗经角度数据进行速度数学建模,首先通过有限记忆最小二乘滤波得到速度的平滑数据;再进行动机座下的坐标变换和视轴校正;最后将平滑的速度数据通过复合控制前馈到速度回路;试验表明:提高了精度了同时,保证系统的稳定性,其有效隔离度为13.06,大大提高了设备的跟踪性能。     

基于稳健最小二乘支持向量机的测深激光信号处理

针对浅海探测中激光回波噪声源多、信噪比低,传统非加权最小二乘支持向量机和加权最小二乘支持向量机对低信噪比信号滤波不足的问题,提出将稳健最小二乘法与加权最小二乘支持向量机相结合的滤波方法(HW-LS-SVM)。首先采用强淘汰权函数计算先验权值、残差和均方误差,然后采用权函数模型计算最小二乘支持向量机的权值,最后通过迭代计算实现回波信号滤波。通过仿真实验结果表明, HW-LS-SVM方法较最小二乘支持向量机、贝叶斯最小二乘支持向量机和传统加权最小二乘支持向量机滤波效果更加稳健,在噪声率为45%的情况下,滤波效果较为理想,水面和水底回波提取正确率为100%;对实测4组深水区和4组浅水区数据滤波后提取的海水深度均与背景资料的深度吻合。由此表明, HW-LS-SVM方法具有更好的抗噪性,更适合于对信噪比低的测深激光信号的滤波处理。     

余度IMU精度分析与数据融合方法改进

针对现有余度IMU（inertial measurement unit）数据融合精度不高的问题,在对六单轴传感器非正交配置的余度IMU数据融合特性及测量误差与融合误差之间关系进行研究的基础上,提出了1种基于最小二乘简单、有效的余度传感器测量误差估计及数据融合方法。首先对最小二乘融合的空间矢量在测量轴上的投影与测量值之间的误差进行方差统计,统计结果作为传感器测量误差估计的依据及加权最小二乘的权值参考。然后利用加权最小二乘对传感器测量数据进行融合。仿真结果表明：该方法能有效估计传感器测量误差大小,提高余度IMU数据融合及余度惯性导航系统精度。     

一种新型的多元分类支持向量机

最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量机采用二次规划方法解决模式识别问题。该文详细推理和分析了二元分类最小二乘支持向量机算法，构建了多元分类最小二乘支持向量机，并通过典型样本进行测试，结果表明采用多元分类最小二乘支持向量机进行模式识别是有效、可行的。     

新型联邦最小二乘滤波算法及应用

为克服多传感器信息融合时联邦Kalman滤波在系统噪声和测量噪声的统计信息不准确时所存在的局限性,提出了一种基于最小二乘估计的新型联邦滤波算法,定义为联邦最小二乘滤波.定性讨论了它与联邦Kalman滤波的关系,通过在INS/双星/GPS组合导航系统中的实际应用进一步地比较两种算法.实测数据的仿真结果证明,在系统噪声和测量噪声不准确的情况下,联邦最小二乘滤波的精度要高于联邦Kalman滤波.     

一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

基于遗传算法优化的LS-SVM井下场强预测

为了进一步研究井下电波传播损耗规律,提高场强覆盖预测准确度,提出使用基于遗传算法优化的最小二乘支持向量机方法对井下巷道的场强进行预测。首先通过软件仿真生成巷道场强数据,并将数据分为训练集和测试集;然后采用最小二乘支持向量机方法对训练集进行学习,并使用遗传算法对最小二乘支持向量机方法的参数选择进行优化,采用测试集对方法性能进行验证;最后将基于遗传算法优化的最小二乘支持向量机方法用于井下巷道的场强预测。仿真实验结果表明,基于遗传算法优化的最小二乘支持向量机方法能够有效提高井下场强预测的精度,可获得较好的预测效果。     

基于多结构形态学的港口船舶检测方法

针对港口监控摄像机与船舶目标距离远,船舶目标成像小,海面噪声干扰大等特点,采用一种基于多结构元素形态学滤波的背景抑制算法.根据船舶的几何特征,采用多组结构元素的加权形态学滤波,将船舶目标与海面背景分离,然后利用基于邻域的自适应快速中值滤波滤除脉冲噪声,最后根据海面杂波在帧间运动不连续且面积较小等特点,利用连通域计算建立船舶的形态特征模型,来排除海面杂波对船舶检测的干扰.实验结果证明,该检测方法在实际港口获取的视频中,可以有效的抑制背景噪声和海面杂波,快速的检测出船舶目标.     

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。     

自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。     

基于共轭梯度法和互补滤波相结合的姿态解算算法

为了提高姿态解算精度,提出了一种基于共轭梯度和互补滤波相结合的多传感器数据融合策略。系统采用四元数方法进行姿态解算。利用加速度计和磁强计的输出数据,通过共轭梯度方法对姿态四元数进行寻优估计,再将其和利用陀螺仪输出数据更新的四元数进行互补滤波,解算出姿态角。实验测试表明,这种融合策略使姿态检测系统静态性能和和动态性能均有所提高,尤其在姿态剧烈变化时,其性能明显优于卡尔曼滤波和梯度下降法。     

自适应梯度幅值和形态学组合滤波算法

针对传统梯度幅值滤波算法中阈值需人工确定而无法正确判断噪声点和产生新噪声点的问题,提出了一种自适应梯度幅值和多结构元素形态学组合滤波算法。首先使用梯度幅度均值与方差的和作为阈值,以及Otsu算法自适应阈值两种自适应滤波算法对图像进行滤波,以自动确定滤波阈值,最大限度滤除噪声点,保持图像细节;然后使用多结构元素组成串联形态学复合滤波器对自适应梯度幅值滤波后的图像进一步滤波,以解决在自适应滤波过程中产生的新噪声问题。通过实验结果对比与分析,该算法滤波后的图像视觉效果明显好于传统滤波方法,从而验证了该算法既能保持图像细节,又能实现较好的图像滤波效果。     

Nesterov加速梯度无人机姿态融合算法

传统的无人机梯度下降姿态融合算法的步长难以确定,收敛较慢,动态性能较差,并且对于非重力加速度敏感．针对上述不足,提出了一种Nesterov加速梯度姿态融合方法,融合加速度计与陀螺仪数据并对非重力加速度作抑制处理;利用Pixhawk开源飞控实验平台进行多组对比试验．实验结果表明,Nesterov加速梯度姿态融合算法在机体静止时误差在0.05°之内,在水平滑动实验中产生的误差在0.5°之内,在绕轴转动实验中角度跟随性好、无明显滞后,在实际飞行实验中也获得了良好的实验结果．因此,Nesterov加速梯度姿态融合算法收敛速度明显优于普通梯度下降姿态解算法,抑制非重力加速度的能力明显优于互补滤波与梯度下降法,可有效跟踪无人机的真实姿态变化．     

A modified adaptive IIR filter design via wavelet networks based on Lyapunov stability theory

In this paper, we present a wavelet network IIR filtering system satisfying asymptotic stability in the sense of Lyapunov unlike many other gradient descent algorithms based adaptive filtering systems. The proposed system also carries the advantages of the time-frequency specific properties of wavelet networks embedded into the proposed filter dynamics. Two experiments for system identification problems corresponding to the infinite impulse response filter design are proposed. The results verified that the proposed wavelet network infinite impulse response adaptive filtering system not only performs better than gradient descent based algorithms but also performs as good as other stability theory based optimization algorithms.     

免疫算法自适应滤波器对白噪声的抑制

实际信号经常会受到白噪声及高次谐波的影响,由于白噪声频谱分布在整个实数域,常用的滤波器很难将其滤除。讲述了自适应滤波器的原理及用免疫算法自适应滤波器,对白噪声及高次谐波进行抑制的方法。通过免疫算法对自适应滤波器的权向量进行优化,并用均值滤波的方法对自适应滤波器的滤波结果进行进一步滤波,然后用MATLAB对该算法进行仿真。将免疫算法自适应滤波器的仿真结果和LMS滤波算法的仿真结果进行比较,表明免疫算法自适应滤波器能对白噪声及高次谐波进行有效的抑制。     

梯度均值预测滤波算法及其应用

测量误差不可避免的存在于各种测量系统之中.针对缓慢变化的测量数据中存在的随机误差,结合传统滤波方法的优点,提出了梯度均值预测滤波算法,阐述了算法的基本思想和流程,并结合桥梁挠度连续测量系统的测量数据进行了滤波实验,结果表明,该算法能够有效去除缓慢变化的测量数据中的干扰信号,滤波效果明显.     

基于新型卡尔曼滤波算法的称重系统实现研究

针对信号采集中存在脉冲干扰和高斯白噪声引起的误差问题,提出了基于新型卡尔曼滤波算法的称重系统实现方案,给出了该称重系统的组成。该算法对信号进行阈值和防脉冲干扰滤波,在防脉冲干扰滤波过程中不断优化阈值滤波中的对比值,消除了干扰幅度较大的非周期脉冲信号;将信号送入下一级滤波器进行时间更新、测量更新,消除了高斯白噪声干扰。一系列试验表明,测量范围内系统灵敏度约为0.15 mV/kg;最大差值为0.1 kg,准确度达到99.7%;经过新型卡尔曼滤波后误差均处于0.4%以下,相比使用传统的卡尔曼滤波算法,系统精度提高到4.5倍。