基于期望系统噪声模型的自适应机动目标跟踪

对于机动目标跟踪问题,由于目标机动能力的增强,使建立的目标模型与目标的实际运动失配。为解决这个问题,需建立大量模型来逼近真实模式。但这使计算量增大,而且性能不一定能提高。本文提出基于期望系统噪声模型的自适应交互式多模型(IMM)算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声模型。对目标机动运动的Monte-Carlo仿真结果表明,本算法对机动目标的跟踪精度比标准IMM算法有较大改进,且计算量适中。     

非高斯噪声环境中基于梯度范数的自适应滤波算法

针对传统最小均方类算法在非高斯噪声中自适应滤波性能下降的问题,提出了一种基于梯度范数的变步长归一化最小平均P范数算法.算法将α稳定分布作为非高斯噪声分布模型,依靠梯度范数与均方权值偏差(MSD)的关系自适应调整步长,加快收敛速度的同时减小稳态误差,理论推导证明了算法的有效性.仿真结果表明,在非高斯噪声条件下,该算法具有更好的收敛性能和抗突变能力以及更小的稳定误差.     

尺度Unscented变换在同时定位与地图创建算法中的应用研究

同时定位与地图创建( SLAM)问题中运动及观测模型都是非线性的,当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化,由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transformation,SUT)以两种不同的方式运用到SLAM算法中,一是将整个状态方程进行SUT变换,用UKF完全代替EKF进行状态估计;二是只对状态向量中的机器人位姿进行SUT变换,地图特征昀预测及整个状态的更新还是用EKF处理,以一种混合的方式进行状态估计。最后通过大量的Monte- Carlo仿真实验表明,两种方法都能有效地降低EKF的线性化误差,且第二种方法计算效率更高。     

基于IMM-UKF的雷达/红外分布式加权融合算法

在雷达/红外复合制导机动目标跟踪背景下,针对非线性机动目标融合跟踪存在滤波器易发散问题,提出一种基于交互式多模型无迹卡尔曼滤波(IMM-UKF)的分布式加权融合算法。IMM具有对不同目标机动模式自适应跟踪的能力;UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点;分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度。仿真结果表明:该算法在处理非线性系统机动目标跟踪融合结果误差均得到减少,更能提高目标跟踪滤波精度,增强了系统稳定性。     

一种基于ROS 的分布式安防巡逻机器人系统

针对目前安防巡逻机器人系统中对机器人主控机负载能力要求较高的问题,设计一种基于机器人操作系 统(robot operating system,ROS)的分布式安防巡逻机器人系统。将同时定位与建图(simultaneous localization and mapping,SLAM)节点以及视觉识别节点分布于局部ROS 网络中的机器人主控机和远程监控端,SLAM 方面采用 gmapping 算法实现动态环境中的地图构建以及机器人的定位;视觉识别方面采用TensorFlow 深度学习框架,利用 TensorFlow Object Detection API 实现场景里多个物体的识别。结果表明,该系统为基于ROS 的分布式安防巡逻机器 人系统的设计提供了参考。     

基于IMM-CKF的弹道再入目标跟踪研究

该文研究了弹道系数未知的弹道再入目标的跟踪问题.针对现有再入目标跟踪方法对弹道系数初值设定以及噪声协方差的设置比较敏感的问题,采用了数值精度高、稳定性好且计算量较小的求容积卡尔曼滤波(CKF)算法作为跟踪滤波器,并分别设计了由不同弹道系数模型构成的交互式多模型(IMM)算法以及由不同噪声协方差模型组成的IMM算法.仿真结果表明,该文设计的两种IMM算法都能显著提高跟踪精度以及对弹道系数估计的收敛速度.     

自适应交互式多模型目标跟踪算法

以防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法。该算法采用后验信息修正模型的噪声方差和马尔可夫转移矩阵,使IMM具有自适应能力。将该算法应用于由CA、CV两模型组成的交互式多模型算法中取得良好的效果。仿真结果表明,该算法跟踪精度比标准IMM有较大改善。     

Sigma点滤波在GPS/INS导航系统中应用及仿真

为了弥补现有组合导航算法的不足,提出了一种新的GPS量测数据和惯性导航系统(INS)数据的融合算法.近几十年,组合导航系统中最广泛使用的算法扩展卡尔曼滤波(EKF)是次优滤波器,因为它把非线性模型简化为1阶线性模型,且假设该系统由高斯白噪声驱动,这种简化会导致误差的扩大.而Sigma点卡尔曼滤波器可以克服这些缺点.Sigma点卡尔曼滤波器无需将系统动力学模型线性化,且在Sigma点卡尔曼滤波器中状态的分布采用选择的样本点集合来表示.通过这些样本点可以完全获得高斯随机变量真实的均值和方差,并且高斯随机变量在非线性系统传播时,其均值和方差可以至少精确到2阶.仿真结果表明,Sigma点卡尔曼滤波器在GPS/INS导航系统中表现性能良好.     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

基于自适应无迹卡尔曼滤波算法的多股螺旋弹簧动态响应模型参数辨识和分析

针对传统方法在辨识多股螺旋弹簧（以下简称多股簧）非线性响应模型参数时效率较低、精度较差的问题,提出带噪声统计估计器的自适应无迹卡尔曼滤波(AUKF)算法。该算法通过对多股簧试验数据中的量测(过程)噪声进行递推和估计,能够确保非线性模型参数辨识的收敛性;结合多股簧动态试验对该算法进行检验。研究结果表明：即使在量测噪声级别较高的情况下,AUKF算法也可以准确地求出多股簧的动力学模型参数;在预测多股簧动态响应过程中,若预测振幅和参数辨识所用振幅相差太大则会导致较大的预测误差;当加载速度变化时,多股簧动力学模型中的迟滞部分参数基本不变,但0阶非线性刚度系数和非线性放大因子变化较大。     

基于模糊交互多模型的机动目标跟踪方法

文中提出了一种模糊IMM（FIMM）算法,通过模糊逻辑推理得到IMM算法模型集中各滤波模型的匹配度,即模型的概率,代替IMM算法中通过交互组合计算模型概率的方法,该方法不需要IMM算法中的模型先验概率及马尔可夫转移概率,从而降低了算法的复杂程度。仿真结果表明,和标准IMM算法对机动目标的跟踪效果相比,文中提出的模糊IMM算法具有更高的跟踪精度,更快的收敛速度。     

融合渐消无迹粒子滤波与高斯重采样的FastSLAM 算法

摘要：为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度 不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM 算法。通过融合渐消滤波和无 迹粒子滤波,产生一种自适应提议分布,利用高斯分布对高权重粒子进行分散得到新粒子。建立机器人运动模型和 观测模型,并在仿真环境中进行性能验证。仿真结果表明：该算法能有效地缓解粒子退化,增加系统稳定性,提高 SLAM 估计精度。     

无人机SLAM 避障技术研究

针对无人机没有考虑障碍规避而导致无人机的同时定位与地图构建(simultaneous localization and mapping, SLAM)任务无法完成的问题,提出一种改进的人工势场法。通过建立一个包含无人机到目标点的距离、无人机到障碍物的距离及障碍物方差的势场函数,制定避障策略,从而解决无人机 SLAM的障碍规避问题,并在构建的无人机运动模型基础上,对提出的算法进行仿真验证。仿真结果表明：该算法在完成 SLAM任务的同时,能够有效地避开障碍物的威胁。     

基于模糊控制交互式多模型粒子滤波的静电机动目标跟踪

针对交互式多模型粒子滤波算法（IMMPF）的精度不高,算法更新时间长,难以满足静电机动目标跟踪要求的问题,提出了一种新的基于模糊控制的交互式多模型粒子滤波算法（FIMMPF）。该算法先利用模糊控制方法实现实时调整交互式多模型算法中的转换概率矩阵,使与目标当前运动状态最接近的运动模型在混合产生这一采样时刻的初始状态向量里占有更大的比重。同时,为了提高基本粒子滤波算法的精度,减小算法更新时间,再利用中心差分扩展卡尔曼滤波算法产生基本粒子滤波的建议分布函数,实现对目标运动状态的更新。理论分析和仿真结果表明,所提出的算法能够以更高的定位精度,更小的计算量实现对静电机动目标的跟踪。     

移动机器人SLAM 改进算法的分析与实现

为解决移动机器人扩展卡尔曼滤波(EKF-SLAM)算法计算复杂、精确度不高及易受干扰的缺点,提出一 种基于最优平滑滤波理论的改进同步定位与地图构建(simultaneous localization and mapping,SLAM)算法。详细介绍 算法的改进过程,通过Matlab 软件对其位置轨迹跟踪误差及标准差进行仿真分析,基于机器人操作系统(robot operating system,ROS)系统的实验平台,在室内走廊进行SLAM 实验以测试改进算法的效果。结果表明,改进的 SLAM 算法精度高、抗干扰能力强,能实现移动机器人的即时定位与地图构建。基于ROS 系统的软件平台能简化开 发难度,提升移动机器人的智能化。     

基于自适应马尔可夫参数交互多模型算法的弹道导弹跟踪研究

对弹道导弹主动段和自由段进行连续跟踪已成为弹道导弹防御亟待解决的问题。采用多模型交互算法,是解决该问题一条可行途径,但传统交互多模型马尔可夫概率转移矩阵参数固定,切换过程模型概率滞后。文中基于后验信息修正,提出了一种马尔可夫参数值自适应调整算法,根据不匹配模型误差压缩率的变化,自适应调整先验的马尔可夫概率转移矩阵参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,提高系统的收敛速度。仿真实验表明：马尔可夫参数自适应调整算法对弹道导弹主动段与自由段交替处的跟踪效果优于传统多模型交互算法。     

直接侧向力控制火箭弹的微机电系统速率陀螺滤波方法

火箭弹采用直接侧向力轨道控制时会使弹体姿态产生较高频率的振动,其对微机电系统(MEMS)速率陀螺测量会产生不利影响.目前的滤波算法通常假设弹体姿态在短时间内是缓变的,因此其对高频运动的弹体姿态滤波效果较差.根据气动力学分析可知,弹体在短暂中击后的高频振荡属于自然频率下的阻尼振荡,而弹体的自然频率和阻尼是可预先估计的,因...     

ROS/Gazebo 在SLAM 算法评估中的应用

为解决对即时定位与地图构建(simultaneous location and mapping,SLAM)算法进行评估时难以获得精确 的机器人实际运动轨迹和环境参数的问题,使用ROS/Gazebo 仿真软件进行评估。通过ROS/Gazebo 软件建立配置有 多种传感器的机器人模型和参数已知的仿真环境,让机器人模型在仿真环境中运行并收集传感器信息以形成数据集, 使用该方法对2 种2D 激光SLAM 算法进行评估分析。结果表明,该方法可有效解决上述问题。