基于证据理论的状态估计方法及其在液位估计中的应用

本文给出了一种基于证据理论的迭代算法估计噪声有界下的动态系统状态,并将其应用于工业液位仪的液位动态估计当中。该算法将系统的状态方程、观测方程及实际观测看作提供证据的3个信息源,利用证据的随机集表示及随机集扩展准则从信息源中构造关于系统状态和观测的证据:通过相关证据融合方法:将所构造的证据进行融合,并利用Pignistic期望从融合结果中计算出状态估计值。与基于置信函数的前反向传播算法相比,所提算法中的融合过程增加了估计的聚焦程度,使得估计结果更加精确。通过在液位估计中的应用说明新算法可以使得估计的相对误差提高约0.3个百分点。     

抗差自适应Sage滤波及其在组合导航中的应用

针对卡尔曼滤波需要精确已知状态数学模型及其统计特性的问题,提出一种抗差自适应Sage滤波算法.该方法以Sage滤波为基本框架,吸收了抗差估计和自适应滤波的优点,利用Sage滤波开窗法求得观测残差向量和新息(预测残差)向量的协方差阵,由抗差估计方法确定观测噪声协方差矩阵,利用自适应因子调整动力学模型噪声协方差矩阵,以控制观测异常和动力学模型噪声对导航精度的影响.将提出的算法应用到捷联惯性导航(SINS)/合成孔径雷达(SAR)组合导航系统中,并与Kalman滤波和Sage滤波进行比较分析,仿真结果表明,提出的新算法不但能有效地控制观测异常和动态模型异常对状态参数估值的影响,而且能够抵制状态扰动,提高组合导航系统的滤波精度.     

基于自适应扩展kalman滤波的SINS/GPS深组合研究

针对SINS/GPS组合导航系统噪声随时间变化引起卡尔曼滤波精度下降的问题,提出了一种噪声统计特性在线估计的自适应扩展卡尔曼滤波算法。算法首先基于新息序列实现了对观测噪声协方差的实时估计,然后基于系统方程采用协方差匹配算法完成了对过程噪声的实时跟踪。算法中尺度因子的引入进一步减小了泰勒展开造成的高阶截断误差,提高了滤波精度。仿真实验结果说明,与传统卡尔曼滤波算法相比,该算法能够实现对过程和观测噪声的完全估计,鲁棒性和精度都有明显提高。     

一种基于动态源数目估计的RLS盲分离算法

针对原始RLS类算法无法用于超定和源信号数目动态变化的盲分离问题,本文采用一种新的在线估计源信号数目的方法。通过在线估计观测信号均值和协方差矩阵,定义一个关于源信号数目的代价函数,然后最小化代价函数可得到源信号数目的估计。并且利用估计得到的源数目动态调整RLS算法中的分离矩阵及其它相关参数矩阵的维数,进而使得改进RLS盲分离算法能够有效地分离超定和数目动态变化的源信号。仿真结果表明,新的算法比现有算法具有更好的收敛性和分离性能。     

多声传感器异步融合算法

声探测定位技术是利用声传感器接收特定声波信号以确定声源的一种无源定位技术,它具有隐蔽性好、不易受干扰等优点.本文研究了仅能提供方位角信息的异步多声传感器无源探测系统数据融合问题,提出了一种适用于声传感器的在线估计可变周期融合算法.该算法首先采用伪线性算法,将非线性量测方程线性化;然后通过采用参数在线估计和基于运动模型向前追溯确保时间同步的方法,解决了目标跟踪时信号传输时延和传感器异步的问题.通过Monte Carlo仿真表明,在参数在线估计中,步长选取适当时,该算法可以满足声探测系统的精度要求,并且具有收敛快、精度高、稳定的特点.     

基于序贯概率映射的组合导航自适应容错算法

基于联邦滤波的容错组合导航系统通常在判定故障时刻对故障子系统进行整体隔离,未充分考虑缓变故障影响的渐近变化与状态分量间的差异。为此,提出一种基于序贯概率映射的组合导航自适应容错算法。该算法通过子滤波器新息动态映射建立局部估计状态统计模型,通过序贯概率比检测在线估计缓变故障影响下的局部状态质量,并据此对融合过程进行自适应调节。仿真结果表明,所提出的方法能有效提高组合导航系统对缓变故障的自适应容错调节能力。     

INS/GPS紧耦合组合导航系统抗差定位算法

建立了INS(Inertial Navigation System)/GPS紧耦合组合导航系统,针对测量粗差对系统定位结果的影响,将抗差估计理论应用于非线性滤波算法,提出了基于等价权原理的抗差UKF定位算法。加入模拟粗差进行实验,结果表明,观测量异常时,抗差UKF算法能成功探测和剔除观测量粗差,实现定位结果的有效估计。     

估计融合算法的一类敏感指标研究

为了改善在复杂多变的环境下多源信息融合的准确性和鲁棒性,可在融合过程中进行算法管理,自适应配置算法的方法实现。在算法配置中反馈所需的条件采用算法敏感指标进行评价。在状态估计敏感指标OSPA距离测度基础上,提出估计融合中的敏感指标GOSPA距离测度,GOSPA距离将真实航迹和全局航迹之间的误差分离成航迹距离误差和航迹关联误差。通过对比实验表明,估计融合中的全局OSPA测度指标对航迹融合算法的性能评估是敏感的。     

多导航传感器的多模卡尔曼滤波研究

将多模自适应估计用于导航数据融合处理方法中,通过数字仿真将单一模型的惯导系统/全球定位系统/多普勒计程仪组合导航系统与多模自适应估计的组合导航系统的性能进行了比较,多模滤波器具有较明显的稳定滤波,而且,加大了测量值动态范围,说明了多模自适应估计在组合导航系统中可增强系统对环境的适应性,提高组合导航系统的精度.     

基于Bayes估计的离散Kalman滤波相关观测融合

针对带相关观测噪声和带不同 未知观测函数的多传感器离散系统,在已有的融合算法基础上提出了基于Bayes估计的加权最小二乘(Bayes estimation weighted least squares,BYEWLS)分布式融合Kalman滤波算法。该方法充分利用未知参数的验前信息,以风险函数为评价指标,证明了BYEWLS融合算法优于WLS融合算法,针对YEWLS融合算法是有偏估计,提出了在线消除偏差的方法。分布式融合算法减少了计算负担,提高了融合精度,便于实时应用。最后通过仿真例子验证了该方 法的有效性和理论分析的正确性。     

基于MEMS传感器的室内外多源融合导航系统设计

为纠正磁力计的过度偏转行为,使得导航坐标结果更贴合理想预设坐标值,设计基于MEMS传感器的室内外多源融合导航系统。整合多源外接模块电路输出的电量信号,将其分别反馈至MEMS磁力计与微处理器导航元件之中,再根据地图空间定义模块中导航信息数据的传输行为,确定融合信息单元的剩余存储能力,实现多源融合导航系统的硬件结构设计。在此基础上,定义MEMS传感器的实时坐标,通过计算位姿角数值的方式,处理导航点与传感器信息之间的多源融合关系,完成基于MEMS传感器的坐标转换。根据已知的路径节点平移变换原则,得到节点坐标的旋转与缩放结果,完成对导航路径的可视化处理,再结合相关硬件设备结构,实现基于MEMS传感器的室内外多源融合导航系统设计。实验结果显示,与基于降维对偶四元数的导航系统相比,在MEMS传感器作用下,实测角与理想角之间的最大差值只能达到3.7°,能够使得真实导航坐标结果更加贴合理想预设坐标值,符合精准导航的实际应用需求。     

基于激光雷达多源数据融合的路障检测系统设计

车辆行驶模式的改变会导致道路障碍观测盲区的出现,如何在满足车辆运行安全的条件下,对道路障碍进行快速检测已经成为了一项亟待解决的问题;基于此引入激光雷达多源数据融合理论,设计路障检测系统;利用多源以太网接口电路,提供激光图像传感器、路障特征提取分类器、TVPS150PBS图像解码器所需的应用电子量,再借助可编程逻辑器件,对待融合多源数据进行整合,完成路障检测系统硬件设计;规划雷达工作模式的识别环境,利用多源异构传感器设备,对检测角点特征进行提取处理,整合上述所有数据信息,完成雷达脉冲组序列的建模处理,实现基于激光雷达多源数据融合路障检测系统的应用;实验结果表明,激光雷达多源数据融合原理支持下路障检测系统的PF指标最大数值与最小数值的差值为60 MHz;PR指标的差值为4800 MHz,PW指标的差值为700 MHz;以上指标表明所设计系统的观测盲区更小,可在满足车辆运行安全的条件下,实现对道路障碍的快速检测.     

捷联惯导互补滤波姿态融合算法设计

为了满足低成本、高性能的载体测姿需求,针对MEMS器件漂移导致载体姿态无法准确测量的问题,提出了一种基于方向余弦矩阵（DCM）更新的多轴显式互补滤波载体姿态估计算法。利用陀螺仪和辅助传感器的噪声所处频段互补的特点,运用互补滤波进行信息融合,发挥各个传感器的优点,提升系统的姿态测量精度。分别以三轴转台与实验车辆为验证平台,设计了静态与动态实验。实验结果表明,该姿态融合算法能够稳定输出高精度的姿态信息,抑制陀螺漂移导致的姿态发散,有效提高载体姿态的测量精度,满足捷联惯导系统的测姿需求。     

改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法.通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度.将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标....     

视觉—惯性导航定位技术研究进展

视觉—惯性导航定位技术是一种利用视觉传感器和惯性传感器实现载体的自定位和周围环境感知的无源导航定位方式,可以在全球定位系统（global positioning system,GPS）拒止环境下实现载体6自由度位姿估计。视觉和低精度惯性传感器具有体积小和价格低的优势,得益于二者在导航定位任务中的互补特性,视觉—惯性导航系统（visual inertial navigation system,VINS）引起了极大关注,在移动端的虚拟现实（virtual reality,VR）、增强现实（augmented reality,AR）以及无人系统的自主导航任务中发挥了重要作用,具有重要的理论研究价值和实际应用需求。本文介绍视觉—惯性导航系统,总结概括该系统中初始化、视觉前端处理、状态估计、地图的构建与维护以及信息融合等关键技术的研究进展。对非理想环境下及基于学习方法的视觉—惯性导航定位算法等热点问题进行综述,总结用于算法评测的方法及标准数据集,阐述该技术在实际应用中所面临的主要问题,并针对这些问题对该领域未来的发展趋势进行展望。     

基于双CPU的多传感器组合导航系统研究

以单片机+DSP双CPU导航计算机构成的嵌入式硬件平台为基础,开展了磁航向辅助的捷联惯导/GPS组合导航系统的研究。采用八位置标定算法消除环境磁场对磁航向计的干扰,提高输出精度;多传感器的信息融合采用低阶卡尔曼滤波器,以满足导航系统导航精度和实时性的要求。针对双CPU导航计算机的特殊结构,设计出了整个导航程序时序控制流程,以实现多传感器数据采集的同步性和实时性。给出了数据采集周期和导航解算周期的时序控制以及双CPU之间的实时数据通信的实现流程,最后,通过实物联调验证了该方案设计是完全可行的。     

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.     

一种新型GNSS/MEMS紧组合导航系统设计

针对探空火箭在高动态与非线性环境下高精度导航问题,基于DSP6747+FPGA双核构架,设计了一种低成本的新型GNSS/MEMS一体化紧组合导航系统。同时,在直接法滤波的基础上采用了改进的自适应渐消扩展卡尔曼粒子滤波(PF-AFEKF)算法,解决了粒子退化问题并充分利用了当前观测信息以及自适应权重因子抑制了滤波发散,实现了高动态、非线性状态下的GNSS/MEMS深度信息融合。最后,进行了地面跑车试验,试验结果证明了所设计的低成本GNSS/MEMS紧组合导航系统具有较高的导航精度,容错能力强。     

一种结构模式可变的组合导航算法研究

根据毫米波/红外双导引头数据融合装置在工程应用中对性能指标的特殊要求,提出了一种新的组合导航算法。该算法根据各传感器的工作状态,自适应改变跟踪算法的结构模式,从而有效缩短目标截获时间、增长截获距离、提高跟踪精度。通过计算机仿真,验证了该算法的可行性。该算法也可以推广到其他异类传感器构成的组合导航系统中去。