自适应加权数据融合加权因子的动态调整

采用自适应加权数据融合算法,利用测量数据实时计算加权值,再利用加权值对测量数据进行融合处理,得到关于目标的状态估计．该算法充分反映测量数据的实时变化,实现最优加权因子的动态在线调整,融合结果的误差方差小于任一单一测量设备的测量误差方差．该方法采用递推计算,计算量小,具有较好的快速性,适合于实时计算应用,能够为设备选优、实时决策提供准确可靠的依据,较好的满足工程实际需要．     

一种动态调整信息源优先级的方法

针对靶场实时数据处理过程中存在的主信息源选优方法的不足即主信息源异常测量数据造成导弹外弹道实时定位结果精度下降的问题,提出了一种基于实时状态估计的外测主信息源自适应选优方法,建立了伪测量数据的反馈式识别模型和测控设备动态优先级计算模型,实现测量方案中设备优先级实时动态调整.该方法可提高实时测量方案选优的适应性与准确性,提高了导弹外弹道实时处理精度及靶场奕时外测处理能力.     

样条约束EMBET方法在不完整测元解弹道中的应用

在建立节省参数弹道估计联合模型的基础上,结合样条约束EMBET算法,利用遥测弹道搜索样条时间节点序列,在测量数据不完整的情况下,融合少量高精度测速雷达的测量数据计算出完整的弹道,在实际任务数据处理中获得成功应用,使用该方法提高了弹道参数的精度。     

复杂环境下的航迹融合研究

文中提出一种具有剔野能力和适应部分数据漏传的实时多传感器航迹关联融合方案.该方法先利用模糊C-均值算法对多传感器航迹聚类,然后根据类内紧凑度及各航迹隶属度,识别并剔除航迹中的野值.最后用预测估计代替野值和漏传数据进行数据融合.仿真结果表明,文中所述算法对解决野值和数据漏传问题是有效的.     

一种鲁棒自适应容积卡尔曼滤波方法及其在相对导航中的应用

针对无人机编队相对导航系统中视觉导航传感器量测噪声服从非高斯分布的问题,提出一种带噪声估计器的鲁棒自适应容积卡尔曼滤波(CKF)算法。该算法将Huber求解线性回归问题与协方差匹配方法相结合,利用残差序列实时估计,调整系统过程噪声和量测噪声的统计特性,并采用遗忘加权参数对接收到的测量数据进行加权,从而准确地估计出无人机之间的相对位置、速度和姿态信息,提高了鲁棒CKF算法的自适应能力。仿真结果表明,与标准CKF算法和鲁棒CKF算法相比,该算法对受污染的噪声统计特性有较强的自适应性,估计精度高,鲁棒性更强。     

两种卡尔曼滤波模型在修正弹弹道数据处理中的应用比较

为了准确实时估算修正弹的无控弹道,实现简易弹道修正,进一步提高弹箭的密集度,分别应用"当前"动态运动线性模型卡尔曼滤波和非线性质点弹道模型的扩展卡尔曼滤波,对GPS测量的修正弹飞行弹道空间位置参数进行滤波算法的实现与比较.算例仿真结果表明,采用质点弹道模型的滤波估计精度和收敛速度优于"当前"动态运动模型,但对系统模型参数的精度要求较高,对模型参数和过程参数变化的适应性不如"当前"动态运动模型.     

碳酸化塔CO2浓度的软测量

通过联碱碳酸化塔中与CO2浓度相关且可在线实时检测的参数,如进气量、温度、压力等,构造出CO2浓度的多元一次回归模型。并根据自适应辩识原理,对变量形式进行变换,导出可变窗口自适应辩识方法,建立了联碱碳酸化塔中CO2浓度估计器,利用该估计器的模型参数和可在线实时检测的相关参数,以及在线估计算法,使得联碱碳酸化塔中CO2浓度在线检测成为可能。     

基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.     

基于M估计的多传感器加权融合法在单点定位中的应用

针对测量值误差函数符合污染分布的情况,利用M估计的抗差特性估计未知参数,并计算各传感器污染分布统计特性,应用其分配权值进行融合.通过仿真分析证明,该法在模型及算法选择上均具有优越性,且有较高的精确性和稳健性.     

基于Pix2Pix算法的虚拟图像生成与可用性验证

目前基于深度学习的目标检测算法需要大规模的训练数据,然而实地收集数据一般周期较长,且针对某些特定场景(如高原、沙漠等)搜集大量数据较困难,难以满足深度学习算法的训练要求.本文采用了一种基于Pix2Pix算法的图像生成方法,在收集到少量真实图像的基础上,利用Pix2Pix算法产生虚拟图像,并设计试验验证虚拟图像的可用性.试验结果表明,虚拟图像和真实图像具有相似的灰度特征和边缘特征,利用真实图像训练的目标检测模型能够准确识别虚拟图像中的车辆、行人等目标,该虚拟图像生成方法能够生成与真实图像具有相似目标特征和背景特征的图像,是一种有效的数据增强方法.     

单轴并联混合动力商用车整车总质量在线估计算法

为解决混合动力商用车自动变速器控制器难以获取整车总质量参数、以优化换挡规律的问题,提出一种单轴并联混合动力商用车整车总质量在线估计算法。分析整车总质量在商用车行驶过程中的参数特性,基于此设置算法边界条件。建立整车纵向动力学模型,分析和研究P2混合动力系统行驶的复杂工况。利用扩展卡尔曼滤波算法对车辆总质量进行在线估计。在Cruies软件环境中搭建整车模型,在Simulink软件环境中搭建算法模型,实现虚拟联合仿真并进行算法的实车验证。仿真与实车试验结果表明,上述算法能有效识别整车总质量,满足车辆的实际控制需求。     

基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计

为有效解决复杂行驶工况下非线性悬架系统运动状态无法精确获取的难题,实现模型参数不确定以及时变路面激励工况下悬架状态精确估计的目标,开展了悬架系统状态估计研究.在路面激励模型和非线性悬架系统模型的基础上,结合交互式多模型算法与基于马尔可夫链的蒙特卡洛理论,设计了考虑模型参数不确定以及时变路面激励工况下多模型交互无迹卡尔曼...     

基于卡尔曼滤波的锂离子电池模型参数辨识

为了提高锂离子电池仿真模型精度,提出了基于改进的粒子群优化卡尔曼滤波（IPSO-KF）算法辨识电池模型参数。依据卡尔曼滤波算法,根据电池电压、电流,估计电池二阶RC模型参数。利用改进的粒子群算法优化卡尔曼滤波中的协方差矩阵,提高模型参数的辨识精度,建立精确的电池模型。     

自适应时延估计算法在被动声定位系统中的应用

在被动声定位系统中，定向精度受到时延估计精度、阵列间距大小和声波传播速度变化等的影响，特别是对时延估计精度的要求较高。分析了传统时延估计算法在时延估计上的局限性，采用自适应参量模型算法实现了低采样频率下的高精度时延估计。完成了算法仿真，编制了DSP处理程序，通过消声室缩比实验验证，表明估计精度和运算时间可满足实际使用的要求。     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

基于Kalman 滤波器的智能车模型过弯路径优化控制

以非线性两自由度两轮直立智能车模型作为系统被控对象,设计一种基于卡尔曼滤波算法的过弯路径优化控制算法.运用卡尔曼滤波算法估计车辆行驶状态,根据相似理论Buckingham Pi定理,应用两轮直立智能模型车进行试验.试验结果表明:所设计的过弯路径优化控制算法能实现智能车以较合理的路径过弯,有效地减少过弯时间并提高过弯时的稳定性,验证了设计算法的有效性.     

基于Kalman 滤波算法对运动目标射击研究

针对传统炮兵对运动目标射击时间长、精度低的问题,提出采用卡尔曼滤波对目标运动状态进行准确估计。分析卡尔曼滤波算法的特点,采用预测—更新的递推算法,以某装甲目标为例求取系统状态估计值,并对运动目标射击中的应用进行研究。仿真结果表明：该算法能对目标运动状态进行快速准确的估计,大大提高炮兵火力反应速度和射击精度,有效地提高炮兵作战效能。     

弹载探测器自适应高分辨前视成像策略研究

为满足新型炸高可选择近炸引信的任务需求,提出一种弹载毫米波探测器的自适应高分辨前视成像策略。利用探测器截获的目标区域回波数据,动态提升同一距离维内的方位向测角精度,从而准确获取探测区域内目标的方位信息;通过距离测量以及方位角优化,最终形成高分辨前视方位-距离像。该策略突破了传统单脉冲测角时仅利用理想状态下方位角鉴别曲线的误区,基于截获的回波数据对该鉴别曲线进行误差修正,最终使方位向测角精度达到同距离维最优。实验结果表明：自适应高分辨前视成像策略具有可行性与优越性;经过8次迭代后,可获取同一距离维下的最优鉴角曲线,实现方位向自适应聚焦;与传统实波束扫描成像策略相比,该策略能够使方位向角度分辨率提升10倍,且算法复杂程度能够满足弹载平台要求。     

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。     

基于ARMA模型的光纤陀螺漂移数据建模方法研究

研究了应用长自回归估计法进行光纤陀螺零漂数据模型的参数估计。利用卡尔曼滤波算法进行参数的精估计，建立了光纤陀螺零漂数据的ARMA模型。研究结果表明，所建的光纤陀螺ARMA模型较传统的AR模型具有更高的精度，光纤陀螺随机漂移ARMA模型可分解为两个独立的时间相关的一阶马尔可夫过程。