基于遗传算法和神经网络的改进粒子滤波的GPS定位数据处理算法

针对GPS接收机观测噪声分布的特点和粒子滤波存在的粒子退化问题,提出基于遗传算法和神经网络的重要性权值调整粒子滤波算法。将遗传算法全局寻优的收敛性与BP神经网络局部寻优的快速性结合,改善粒子的分布。将改进粒子滤波应用于GPS定位精度改善,与神经网络辅助的粒子滤波进行比较,对比两者的有效粒子数目和训练误差。实测GPS数据处理验证表明,该算法增加了有效粒子数目,有效抑制了粒子退化,在改善GPS定位精度上取得了良好的效果。     

基于层次滤波器结构的卫星故障检测隔离

随着GPS/SINS组合导航系统应用领域的拓展,GPS完好性问题越来越受到关注。为快速有效地检测隔离GPS卫星慢变故障,提出一种层次滤波器结构,采用伪距量测的滤波算法,基于该结构完成了SINS/GPS组合导航算法和故障检测隔离算法的设计。以4颗星为例,仿真验证该方案不仅可以准确检测隔离慢变故障,而且可以使用未受故障卫星污染的滤波器继续进行导航解算。     

基于卡尔曼滤波的RAIM方案研究

为了使卫星导航接收机自主完好性检测算法与卡尔曼滤波位置解算法结合起来,并且有效降低卫星导航接收机自主完好性检测的漏检率和误警率,进而为用户提供实时、准确、可靠的定位定时服务。对卡尔曼滤波位置解算法和卫星导航接收机自主完好性检测算法进行了研究,提出了能够对多个故障进行检测与识别的基于卡尔曼滤波的卫星导航接收机自主完好性检测方案,方案中引入了故障检测调整系数,有效地降低了漏检率和误警率。对方案进行了仿真分析,仿真结果表明方案是可行、有效。     

基于多样本累积的GPS接收机自主完好性监测方法

在卫星导航系统卫星数目减少时由于冗余信息的减少,RAIM算法性能会受到影响。针对此问题,本文提出了基于滑动累积的多样本2检验方法,通过引入惯导信息将多个时刻卫导观测信息外推到同一时间点上进行一致性检验以实现故障监测。该方法的实质,是以牺牲接收机自主完好性监测的实时性为代价,保障了观测信息的冗余性,从而实现了完好性监测。本文首先对GPS应用此算法的故障监测性能进行仿真对比分析,其次针对民航不同飞行阶段的应用情况进行了仿真验证。仿真结果表明:本算法提高了GPS定位完好性,为RAIM算法在航空中的应用提供了新的解决思路。     

基于遗传粒子滤波的GPS定位数据处理算法

针对粒子滤波算法中的权值退化问题,提出了一种遗传算法辅助下的粒子滤波算法。利用遗传算法在选择继承性上的优势,将遗传算法中的选择、交叉和变异操作引入到粒子滤波算法中。在此基础上,将改进的粒子滤波算法与建立的全球定位系统(GPS)非线性动态状态空间模型结合应用于GPS定位数据处理问题,通过采集实测GPS数据将改进粒子滤波算法与基本粒子滤波算法做了比较。结果表明,遗传算法辅助下的粒子滤波可以增加有效粒子数目,有效解决粒子退化问题,可提高GPS定位数据处理精确度。     

时钟改进模型辅助RAIM算法研究

提出采用"滑动窗"方式建立参数实时更新的接收机钟差改进模型,把基于该模型的钟差预测值引入到卫星导航中辅助进行自主完好性监测(RAIM).文中给出了相关流程图,并提出新的预测误差计算方法.基于GPS实测数据的验证分析表明,这种方法不仅可以提高RAIM算法的可用性,而且可以提高故障检测和识别效率,可检测的最小故障偏差从50米降到40米, 可完全检测和识别的最小故障偏差从70米降到60米,并且系统的其它性能指标也有明显改善.     

GNSS接收机自主完好性监测算法研究

为了满足保障生命安全以及航空航天高精度、高可靠导航的要求,GNSS接收机不但要提供精确的导航服务而且也要提供完好性服务。为此,用于故障卫星检测和隔离的不同RAIM算法已被国内外学者广泛研究。丈中首先介绍了RAIM算法的原理,然后对国内外用于单颗和多颗卫星故障检测与隔离的RAIM算法研究进展进行系统的综述和深入的分析,并对多星座GNSS接收机完好性监测算法进行了深入细致的论述。另外对GPS最新的用户接口文件在定位精度以及可靠性方面的改善进行了介绍,最后总结给出了RAIM算法的主要研究方向。     

基于最小二乘残差的RAIM方案研究

为了使导航接收机的自主完好性检测算法与最小二乘位置解算法结合起来,提供准确可靠的定位定时服务,对最小二乘位置解算法和基于最小二乘残差法的接收机自主完好性检测算法进行了研究。针对导航接收机最小二乘位置解算法,提出了基于最小二乘残差法的卫星导航接收机自主完好性检测方案,并对方案进行了仿真分析,仿真结果表明方案是可行的,有效的。     

基于t检验的星基增强系统完好性数据核验

针对星基增强系统(SBAS)高完好性的服务需求,提出了一种SBAS广播参数用户差分伪距误差(UDRE)的完好性核验方法.利用监测站实测全球定位系统(GPS)和地球静止轨道(GEO)卫星信号,解析GPS电文和SBAS广播差分及完好性信息,对观测量修正误差得到实测UDRE,使用t检验成对二样本分析法验证给定置信区间内广播UDRE'与实测UDRE的符合性,从而完成伪距域完好性参数UDRE的核验.伪距域的核验避免了以往位置域核验计算量大、多卫星故障检测能力差的缺点,有更好的故障检测与隔离能力.采集日本多功能GPS卫星星基增强系统(MSAS)数据并对提出的t检验方法进行验证,结果表明,所建立的统计检测量能有效地反应被监测卫星广播UDRE参数的完好性,通过确定卫星99.9%置信度下的判决门限,对广播UDRE与实测UDRE判别,验证伪距误差的可信度.该结果验证了所提方法应用于UDRE核验的可行性,为SBAS完好性验证提供了技术支撑.     

基于GNSS多卫星观测量的快速校时方法

本文提出一种多星粗校时完好性算法并且选取MEO卫星进行实验,该方法首先通过计算所接收到的各卫星之间的传播时延差值并将卫星按要求分组,随后判断原始观测数据中是否有错误数据,最后通过拥有最大卫星数的组内各卫星传播时延差值来判断正确卫星颗数,该算法可应用在卫星导航接收终端类设备的研制中。接收机传统的自主完好性等方法,是在接收机完成定位解算以后,接收到的卫星数量超过了所需的最少四颗的要求,利用这一信息冗余特性,可以进行检测是否有故障,并且识别出故障卫星。但是该方法在接收机能够定位之前,也就是收齐星历之前的30s,无法通过这类方法进行检测故障,只能利用各个卫星之间的测距值相互规律进行识别。     

一种基于高斯粒子滤波的RAIM算法研究

针对在强非线性条件下扩展卡尔曼滤波 RAIM 算法(EKF-RAIM)性能下降的问题， 本文提出了一种基于高斯粒子滤波的 RAIM 算法(GPF-RAIM)。GPF-RAIM 采用高斯粒子进行非线性状态近似估计，在递推时按高斯分布重新生成新的粒子集合，能够解决粒子的退化问题， 不需要进行重采样步骤，保持了粒子的多样性。仿真结果表明，GPF-RAIM 能够有效的检测伪距跳变，相较于 EKF-RAIM 方法，可以获得更小的状态估计误差，提高检测性能。     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.     

An artificial intelligence-based spectrum sensing methodology for LoRa and cognitive radio networks

The artificial intelligence-based spectrum sensing approach is extremely important in terms of effective bandwidth utilization for low power wide area networks (LPWANs) based on cognitive radio networks (CRNs). Most studies perform spectrum detection with CRNs using optimization or deep neural network methods. However, optimization-based spectrum detection approaches based on current LPWANs are scarce. For this purpose, in this study, a hybrid optimization methodology integrated with CRNs is proposed for LoRa, which is one of the most compatible LPWAN technologies in the Internet of Things (IoTs) recently. In the particle swarm optimization (PSO) part of this hybrid methodology, agent users are created so that secondary users (SUs) could use the licensed band of primary users (PUs) in cognitive radio. On the genetic algorithm side, LoRa error rates are minimized in order to further improve the performance of the proposed method. In this way, effective spectrum sensing is performed in the LoRa network. Various LoRa-CRN experiments have been carried out in the simulation environment, and the probability of detection and false alarm performances have been compared with both theoretical and proposed approaches in terms of quality estimation parameters. It is clear from the results that the proposed methods give successful results for the LoRa-CRNs.     

改进的基于故障特征平面的双星故障识别算法

针对基于识别门限的奇偶矢量法等双星故障识别算法存在较大误警率、漏检率以及故障偏差抵消致使双星故障正确识别率较低的问题,提出了一种改进的用于双星故障识别的接收机自主完好性监测算法.在奇偶矢量法的基础上,构造故障特征平面和改进奇偶矢量,分析二者之间的几何特征与卫星故障的关系,并设计相应算法识别故障卫星.该算法不受识别门限的影响,避免了由识别门限引起的识别率较低的不足.半物理仿真结果显示：改进后的算法故障识别率达到90%以上,与直接利用奇偶矢量法相比,可以显著提高双星故障识别率.     

矢量GNSS接收机自主完好性监控性能研究

在分析了矢量跟踪环路和标量跟踪环路故障检测方面差异的基础上,该文指出全球导航卫星系统(GNSS)矢量接收机自主完好性监控(RAIM)技术所存在的问题,即RAIM检测量受噪声影响导致检测故障不准确,和故障信息在环路中的传播使得难以准确识别出故障源。针对上述问题,对矢量接收机的结构进行了改进,提出基于预滤波器的双环路跟踪结构。在新结构中,通过基于容积卡尔曼滤波算法的预滤波器削弱噪声的影响,并通过双环路切换的方法阻止故障信息的传播。仿真实验结果表明,改进后的矢量接收机不仅RAIM检测统计量的均值和方差都显著减小,而且识别故障的准确率有了明显的提高,RAIM性能较原来得到了有效提升。     

基于多传感器粒子权重优化的序贯最大似然比故障诊断算法

针对多传感器量测下非线性系统故障诊断问题,给 出了一种基于多传感器粒子权重优化的序贯最大似然 比检验——故障诊断(SMLR-MWOPF)算法。首先,为改善量测随机噪声对粒子权重度量稳定 性不良影响,结合多源信息融合技术实现 对多传感器量测中冗余和互补信息的提取和利用,设计一种粒子权重优化策略;通过减小粒 子权重方差以改善粒 子权重的可靠性和稳定性,进而实现滤波器估计精度的提升。其次,结合序贯概率比检验(S PRT)和交互式多模型(IMM)框架构 建了一种基于残差检测的在线序贯最大似然比检验方法;另外,在结构上合理简化输入交互 和输出交互环节,以 降低粒子滤波(PF)在IMM模型结构实现中的计算复杂度。理论分析和仿真实验验证了算法的 可行性和有效性。     

Test‐Generation‐Based Fault Detection in Analog VLSI Circuits Using Neural Networks

In this paper, we propose a novel test methodology for the detection of catastrophic and parametric faults present in analog very large scale integration circuits. An automatic test pattern generation algorithm is proposed to generate piece‐wise linear (PWL) stimulus using wavelets and a genetic algorithm. The PWL stimulus generated by the test algorithm is used as a test stimulus to the circuit under test. Faults are injected to the circuit under test and the wavelet coefficients obtained from the output response of the circuit. These coefficients are used to train the neural network for fault detection. The proposed method is validated with two IEEE benchmark circuits, namely, an operational amplifier and a state variable filter. This method gives 100% fault coverage for both catastrophic and parametric faults in these circuits.     

基于SVM及多目标遗传算法的光刻热点检测

提出一种基于支持向量机(SVM)及多目标遗传算法(GA)的集成电路版图光刻热点检测方法。首先对版图样本进行离散余弦变换(DCT)以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测。采用多目标遗传算法(GA)对频域特征进行选择,并同时优化SVM分类器的相关参数。实验结果表明,本光刻热点检测方法可以有效提高版图光刻热点检测的精度和效率。     

基于PSO-RBF神经网络的模拟电路故障诊断研究

针对模拟电路故障诊断的难点和传统诊断方法的不足之处,提出了一种基于PSO算法优化的RBF神经网络模拟电路故障诊断方法。为了约简网络结构从而提高诊断效率,采用主成分分析方法对故障特征进行有效提取。针对RBF网络传统训练算法中隐层节点中心及基函数宽度选取困难问题,提出采用PSO算法来优化训练RBF网络,以提高网络的训练速度和泛化性能。最后,通过电路仿真对所提方法的有效性进行了验证。