基于大数据的机器人激光全局定位算法

为提升复杂环境下机器人激光全局定位效率,增强全局定位效果,提出基于大数据的机器人激光全局定位算法,通过TOF激光测距仪测量机器人与目标物间距离,采用大数据技术中的卡尔曼粒子滤波算法,递推预测机器人运动状态,并在递推过程中,引入TOF激光测距仪测量的距离值,改进机器人运动状态中的卡尔曼增益和滤波误差协方差,获取机器人状态预测值:卡尔曼增益和滤波误差协方差;依据两个状态预测值,采用基于卡尔曼滤波的自定位方法,通过运动模型和感知模型分别进行机器人的位姿概率分布预测以及更新,实现机器人激光全局定位。实验表明:采用此算法进行机器人全局定位时位置误差以及方位误差都较小,全局定位的均方根定位误差小于2.5 cm,可实现机器人高效、精准全局定位。     

测角目标定位的协方差矩阵旋转变换滤波算法

基于滤波量比预测量和测量量都准确这一原理,该文提出一种适用于只测角无源定位的非线性滤波算法——协方差矩阵旋转变换的推广Kalman滤波算法.文中推导了协方差矩阵变换的原理,给出了二维只测角无源定位应用的协方差矩阵旋转变换公式.仿真表明该算法比同类型的基于微分线性化和泛线性化的Kalman滤波算法具有更好的性能.     

WGS-84 坐标系下双机纯角度无源定位及性能分析

为实现切合实际的多运动平台对辐射源的无源定位,提出了基于WGS-84坐标系的双机纯角度交叉定位方法。推导了在各自平台坐标系下的视线(line-of-sight, LOS)到公共的WGS-84坐标系的旋转变换矩阵,然后应用空间两异面直线公垂线线段中点实现纯角度交叉定位;同时,利用一阶Taylor展开法,推导了误差经旋转变换和交叉定位等非线性变换后的协方差矩阵,并将其用于对多个单次定位估计的滤波,以提高算法定位精度。通过仿真,对影响定位精度的主要因素进行了深入分析,对比研究了单次定位和滤波定位性能,结果表明后者可明显改善精度,验证了该方法的有效性,得到的结论可指导实际运用。     

基于SR-UKF算法的锂电池SOH预测

传统的扩展卡尔曼滤波（EKF）算法估计精度较低,无迹卡尔曼滤波（UKF）算法不能确保滤波过程中状态误差协方差矩阵非负性,因而易出现滤波发散问题。为此,文中通过平方根无迹卡尔曼滤波（SR-UKF）算法预测锂电池健康状态（SOH）。首先,利用UT变换对系统进行线性化处理;然后,利用状态误差协方差矩阵的平方根替代状态误差协方差矩阵,保证状态误差协方差矩阵非负性;其次,构建二阶RC等效电路模型,根据最小二乘法辨识模型初始参数;最后,将代表SOH的欧姆内阻作为状态变量,使用SR-UKF实时估计欧姆内阻,并根据欧姆内阻与SOH的关系获取锂电池的SOH。为验证SRUKF算法在不同放电情况下的适应性,通过恒流放电工况和HPPC放电工况对SR-UKF算法进行仿真。结果表明,相比于传统的EKF算法、UKF算法,SR-UKF算法预测欧姆内阻的效果更好。     

机载机会阵雷达目标跟踪的最小驻留时间优化

机载机会阵雷达的孔径多变性使其射频辐射功率控制区间可以进行空间任意指向.首先,给出了飞行器机会阵雷达的多孔径特性,说明其多个孔径值的连续变化可以用三角函数近似建模;然后,为了松弛目标跟踪过程中预测误差协方差的强约束,改善目标跟踪性能,设计了布莱克曼窗与汉明窗之比作为预测误差协方差的松弛因子;最后,基于射频隐身分析并建立了机载机会阵雷达的驻留时间优化模型.仿真结果表明,利用交互式多模型、基于后验克拉美罗下界约束的驻留时间优化设计,不仅具有较好的射频隐身性能,而且能节约机载机会阵雷达资源,改善机载机会阵雷达目标跟踪性能.     

红外起伏背景的广义平稳特性研究

研究了计算大气云层背景图像集的样本均值、自协方差及2σ误差区间的方法,并在此基础上,针对实际的红外图像进行了大量的实验测试.实验结果表明,大气云层起伏背景图像是近似广义平稳的.     

红外起伏背景的广义平稳特性研究

研究了计算大气云层背景图像集的样本均值、自协方差及2σ误差区间的方法,并在此基础上,针对实际的红外图像进行了大量的实验测试。实验结果表明,大气云层起伏背景图像是近似广义平稳的。     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

状态预估法扩展数字锁相环的锁相区间

提出了一种扩展正过零检测数字锁相环锁相区间的方法.首先建立了锁相环路未受控时误差变量的非线性动力学模型,得到误差变量在不动点处线性化近似预测值;然后取此近似预测值的非线性函数进行反馈控制,扩展了环路锁相区间;最后分析了受控数字锁相环的稳定性并给出了仿真结果,结果不仅证实了该方案的正确性和有效性,而且表明该方法比延迟反馈方法更加优越.     

基于奇异值分解的Unscented粒子滤波及其应用研究

针对粒子滤波存在重要性密度函数难以选取和系统状态协方差阵可能出现负定性的问题,提出一种新的奇异值分解Unscented粒子滤波(SVDUPF)算法。该算法采用自适应因子调节动力学模型误差,通过奇异值分解抑制系统状态协方差矩阵的负定性,并以改进的UKF算法产生重要性密度函数,以弥补粒子滤波重要性密度函数难以选取的缺陷。将提出的算法应用到单变量非静态状态增长模型中并进行仿真验证,结果表明,提出算法的滤波精度明显优于EKF和UPF算法,能提高模型的解算精度。     

一种车载毫米波FMCW MIMO雷达快速成像方法

针对车载毫米波FMCW MIMO雷达现有的常规波束形成算法的旁瓣效应造成的方位向分辨率低以及高分辨算法的工程实时性低的问题,提出了一种迭代自适应算法（IAA）高分辨成像的快速实现方法。该方法首先利用快速傅里叶变换（FFT）获取目标一维距离像,然后对每一距离单元利用FFT算子和Gohberg-Semencul（GS）因子分解计算迭代自适应算法（IAA）的数据协方差矩阵和其逆矩阵,利用快速Toeplitz矩阵向量乘法计算IAA迭代值,从整体上提升了IAA估计各角度散射系数的实时性。仿真和实验结果验证了该方法的可行性和有效性。     

基于稀疏迭代协方差矩阵的谐波参数快速估计方法

针对稀疏迭代协方差估计(sparse iterative covariance-based estimation, SPICE)方法功率谱估计精度较低和计算复杂度较高的局限性,提出了一种基于稀疏迭代协方差矩阵的谐波信号功率谱和频率参数的快速估计方法。该方法主要结合渐近最小方差准则和快速傅里叶变换,对功率谱参数进行快速迭代校正估计。首先,使用SPICE算法得到功率谱和频率参数的初估计。然后,通过渐近最小方差准则得到功率谱参数的迭代校正表达式。最后,利用功率谱迭代校正式获得谐波信号的功率谱和频率参数的估计。为提高算法的计算效率,利用观测数据协方差矩阵的Toeplitz结构和导向矢量的指数形式,对协方差矩阵进行(Gohberg-Semencul, G-S)分解,通过快速傅里叶变换对协方差矩阵求逆和矩阵与向量相乘部分进行求解,从而使参数估计的计算时间大大减少。仿真实验表明,验证了所提算法对谐波功率谱和频率参数具有较高的估计精度,并且计算复杂度较低。      

基于最小平均相关能量滤波器的畸变目标识别

通过对多种畸变目标识别算法的研究, 对用于匹配滤波器的最小平均相关能量(MACE)滤波器进行了改进。利用MACE滤波器算法的基本思想构造滤波器函数, 在合成参考图像前对训练图像进行边缘提取, 并对联合图像的功率谱进行了拉普拉斯锐化, 成功实现了在联合变换相关器中对旋转目标图像的探测和识别, 提高了畸变图像相关峰的亮度, 拓展了联合变换相关器的探测和识别的范围。作为实例, 对旋转战机目标图像进行了计算机模拟实验和光学实验, 验证了该算法的可行性。     

基于分数阶傅里叶变换的运动舰船聚焦算法

为解决合成孔径雷达(SAR)图像中运动舰船目标产生的散焦现象,结合对比度最大算法和分数阶傅里叶变换(FRFT)算法,提出了一种改进的对比度分数阶傅里叶变换(CFRFT)自聚焦算法.该算法利用分数阶傅里叶变换对已成像SAR图像进行时频域分析,根据旋转角分别利用参数模型和非参数模型对二阶相位误差和高阶相位误差进行补偿,和传统的相位梯度(PGA)法相比,图像分辨率和旁瓣比提升显著,可以更有效地补偿SAR中舰船运动产生的相位误差.对不同舰船和尾迹SAR图像实验表明,算法对二阶以上的相位误差具有较好的补偿效果,误差估计准确性高,适用范围广,解决了SAR运动舰船的散焦问题,提高了海洋舰船监测的准确性.     

基于最小平均相关能量滤波器的畸变目标识别

通过对多种畸变目标识别算法的研究,对用于匹配滤波器的最小平均相关能量(MACE)滤波器进行了改进。利用MACE滤波器算法的基本思想构造滤波器函数,在合成参考图像前对训练图像进行边缘提取,并对联合图像的功率谱进行了拉普拉斯锐化,成功实现了在联合变换相关器中对旋转目标图像的探测和识别,提高了畸变图像相关峰的亮度,拓展了联合变换相关器的探测和识别的范围。作为实例,对旋转战机目标图像进行了计算机模拟实验和光学实验,验证了该算法的可行性。     

多传感器交互滤波算法

 由于传感器节点感知范围有限,传感器网络内的目标跟踪过程可以被建模成为一个马尔可夫跳变系统.以此为基础根据贝叶斯理论设计接力卡尔曼滤波算法,重构新息方程,实现网络中连续的协作式跟踪.进而通过混合每次迭代状态和方差的初始值,提出了多传感器交互滤波算法.其性能优于接力卡尔曼滤波算法,却牺牲了算法的计算复杂度.最后,仿真结果验证了所提算法的有效性.     

基于相关输出相似性度量的目标识别算法

为了提高光学联合变换相关器(JTC)的目标识别能力,基于相似性度量原理,提出了一种新颖的相关输出图像数字处理算法。实验结果表明,该算法能够准确地识别旋转畸变-4°到+10°及缩放比例畸变70%到140%范围内的待识别目标,极大地提高了光学联合变换相关器的畸变不变容忍度。     

一种LFMCW雷达距离速度去耦合方法

宽带线性调频连续波雷达应用非常广泛,但目标运动会带来距离与速度耦合的问题从而使距离谱产生模糊。文中在分析目标回波信号基础上,提出了一种基于Radon-Ambiguity变换与分数阶傅里叶变换的距离速度去耦合新方法。该方法利用Radon-Ambiguity变换和分数阶傅里叶变换分别估计回波信号的调频率和估计初始频率,最终实现距离速度去耦合。仿真结果验证了该算法的有效性,算法同时具有速度快、精度高等优点。     

导向矢量和协方差矩阵联合迭代估计的稳健波束形成算法

针对自适应波束形成器在目标导向矢量存在约束偏差时性能急剧下降的问题,该文提出一种目标导向矢量和干扰噪声协方差矩阵联合迭代估计的稳健波束形成算法。该算法首先采用稀疏重构的方法得到目标导向矢量的初始值,并通过从采样协方差矩阵中剔除目标信号估计值完成干扰加噪声协方差矩阵的初始化;然后在建立导向矢量误差优化模型的基础上,采用凸优化方法对目标导向矢量和干扰加噪声协方差矩阵联合迭代求解。最后利用目标导向矢量和干扰加噪声协方差矩阵的稳态估计值获得自适应权矢量。仿真结果表明该算法提高了波束形成器在目标导向矢量约束偏差时的输出信干噪比。