无陀螺卫星的非线性姿态估计算法及仿真研究

无陀螺卫星姿态模型的强非线性会严重降低常用滤波器的精度和收敛性,在初始误差较大的情况下甚至会导致姿态估计失败,针对该问题,引入一种新的非线性估计算法.该算法利用迭代数值方法解决了当前和过去采样点的非线性平滑问题,保留了当前采样点之前一定数量阶段的所有非线性特性,而没有进行任何近似.为提高计算速度,分析了影响计算速度的原因,并给出加速计算的方法.通过无陀螺卫星的姿态估计仿真,结果证明,新算法能在较大初始状态误差和卫星动力学模型高度不确定性的情况下,对元陀螺卫星姿态角和角速度的估计具有显著的收敛性和精度.     

基于Potter算法的水下航行器动基座初始对准滤波方法

研究了水下航行器动基座对准问题。建立了动基座对准误差模型。在对准时利用GPS提供的速度和姿态信息进行辅助对准,采用速度、姿态匹配的对准方式,建立了系统的观测方程。当考虑加速度计和陀螺仪引起的系统噪声激励时,方位失准角D的估计值振荡幅度较大。针对这一问题,提出了基于Potter算法的动基座对准滤波方法估计3个失准角。理论研究与仿真表明,该方法不但能快速精确地估计出水平失准角,而且解决了D的振荡问题,提高了其估计精度。     

基于CNN的三维人体姿态估计方法

针对传统三维人体姿态估计受遮挡限制的问题,提出一种基于卷积神经网络(CNN)的三维人体姿态估计方法。首先,实验模型系统采用了几段单目视频为输入源进行人体姿态识别。相对于传统的人体姿态估计方法,改进了一种顺序化的卷积神经网络用于提取人体空间信息和纹理信息。并通过对视频中人体的二维姿态估计,找出了人体头部和四肢关节点的精确位置。最后,通过投影关节点到三维空间,估计出每个人的三维姿态。实验结果表明,本文方法相比传统的姿态估计算法在人体行为上的测试平均误差从98.53 mm降低至92.88 mm,对于视频中的人体三维姿态估计有更优的精度。     

可分离式立体侦察机器人运动建模与仿真

针对陆空两栖侦察机器人侦察灵活性与姿态角估计准确性不足的问题,设计一种改进的可分离式立体侦察机器人。通过牛顿-欧拉法建立机器人姿态角解算模型,描述其横滚角、俯仰角和偏航角3种飞行姿态角。根据模型建立系统状态方程和观测方程,采用不敏卡尔曼滤波算法,进行姿态角解算,得到飞行姿态角最优估计值。对比仿真结果表明,不敏卡尔曼滤波算法比扩展卡尔曼滤波算法姿态角估计精度更高、实时性更强。实物性能测试结果表明,改进的机器人在空中飞行和地面运动性能表现良好,灵活性高。     

GPS辅助的SINS系统快速动基座初始对准

为实现基于优化的动基座对准算法(OBA)对陀螺仪误差的估计,并使其能够应用于低精度SINS系统中,将自适应无迹卡尔曼滤波算法与OBA算法相结合,提出一种新的由GPS辅助的SINS系统快速动基座对准（FIMA）算法.该算法首先推导了陀螺仪常值漂移与失准角之间的关系,并以此构建非线性系统状态方程,然后用重力加速度和GPS输出速度的积分构建量测方程;由于系统存在非线性,提出使用UKF算法对失准角以及陀螺常值漂移进行估计;由于量测方程由速度和重力加速度的积分构成,量测噪声协方差难以确定,引入自适应滤波算法对量测噪声实时估计. 跑车实验结果表明:对于低精度SINS系统,该算法可在15 s左右将航向角误差收敛到3°以内,在3 min以后航向角误差可收敛到1°以内;与传统非线性动基座对准算法以及OBA算法相比,该算法可在无任何初始姿态信息的条件下快速对准,且能够对陀螺常值漂移进行在线估计和载体系失准角补偿,提高了动基座对准的精度和收敛性能.     

基于核函数正则粒子滤波的SLAM算法在无人机导航定位中的应用研究

传统EKF、UKF、粒子滤波算法在解决航空无人机导航定位非线性问题时存在误差大、定位估计精度低等问题,提出了一种核函数正则粒子滤波算法,选取近地面航行,观测x,y方向的位置,并对SLAM非线性模型进行估计.实验数据表明,采用核函数正则粒子滤波算法由于保持了采样粒子的多样性与代表性,保证了在给定模型参数初值下,模型对载体速度和位置信息的跟踪估计能力,其精度比扩展卡尔曼算法的滤波精度高很多;另外,新算法对姿态角估计误差均收敛于0°～1°范围,之后趋近于0°.对于传统滤波算法对载体的航向角误差估计,在整个仿真时间内,其误差值均大于核函数正则算法的误差估计.新算法较传统粒子滤波算法,其滤波精度较高,且算法稳定性与收敛性更强.     

MEMS陀螺随机误差补偿在提高姿态参照系统精度中的应用

为提高航姿系统姿态角测量精度,论文对MEMS陀螺随机误差的测试和补偿进行了研究。运用Allan方差方法分析了MEMS陀螺各项随机误差的特性,建立了针对MEMS陀螺的随机误差补偿模型。采用Allan方差辨识算法完成对各项随机误差的分离,获取速率随机游走(RRW)和角度随机游走(ARW)噪声方差值。通过设计的卡尔曼滤波器对MEMS陀螺随机误差进行实时估计补偿,利用姿态解算算法得到随机误差补偿前和补偿后各3个方向的姿态角。实验结果表明经误差补偿后系统的静态偏航角测量精度提高了3倍、横滚角提高了4倍、俯仰角提高了12倍。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

辅助驾驶系统中驾驶员头部姿态估计关键问题研究

智能交通系统中对驾驶员的行为监测具有重要的研究价值,针对驾驶员的头部姿态监测问题进行研究,实现基于计算机视觉的动态头部姿态估计算法。算法首先检测视频中的正面人脸,并作为基准,在此基础上对视频序列中人脸特征进行匹配与跟踪,计算不同视角下的头部姿态角度。考虑累计误差的影响,提出一种矫正累积误差的方法。实验表明算法可以较准确地估计视频中的驾驶员头部姿态角度。     

基于TAM的卫星角速度粒子滤波估计算法

针对带有三轴磁强计(TAM)的低轨对地卫星非线性模型的角速度估计问题,提出一种新的基于粒子滤波(PF)的卫星角速度估计算法.该算法不需要地磁场模型矢量和卫星姿态信息,只依靠TAM测量输出和PF滤波方法来解决角速度估计问题,取得了较高的估计精度.同时,为解决转动惯量参数可能存在未建模特性的问题,采取了双PF滤波器既估计角速度又估计转动惯量参数,从而避免由于状态高维数而引起的PF算法的计算量过大问题.考虑到采用粒子滤波估计转动惯量参数的特殊性,引入参数估计的核光滑(Kernel smoothing)方法,进而提高了转动惯量参数估计的精度,减少了转动惯量的不确定性对角速度估计精度的影响.最后,在不同参数的情况下,与EKF角速度估计方法进行比较,结果体现所提算法在解决角速度估计问题的优越性.