组合导航后验方差异步融合算法

当组合导航系统在工作中对各个导航系统提供的信息进行融合计算时会出现导航数据异步到达的现象,传统的组合导航异步融合算法在处理这种情况时会产生较为明显的误差.针对这一问题,设计基于组合导航后验方差异步融合算法解决组合导航系统中出现的信息异步融合计算问题.首先改进系统噪声和量测噪声,使其在数学表达上满足互不相关性要求;然后通过求解后验均值计算出后验方差,建立状态一步预测值计算方法;最后基于上述结果设计组合导航系统的后验方差异步融合算法方程组.仿真结果表明,相比传统的组合导航融合算法,提出的组合导航后验方差异步融合算法可以有效减少因导航系统信息异步到达而引起的融合计算误差,有效提高组合导航系统的导航精度.     

基于WT-UKF 的PDR/GPS 组合定位算法

针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定性更强, 精度更高.     

基于联邦UKF的可重复使用运载器再入段组合导航

针对航天科技领域的再入问题,根据导航系统状态方程非线性的特点,设计基于联邦滤波的UKF（Unscented Kalman Filter）算法,并应用于可重复使用运载器（Reusable Launch Vehicle,RLV）的组合导航系统.对基于该算法的RLV组合导航（惯性导航、卫星导航和天文导航）系统进行仿真,并与传统的基于联邦滤波算法对组合导航系统进行比较.结果表明,提出的组合导航方案和基于联邦滤波的UKF算法能提高导航精度、鲁棒性和容错性.     

基于卷积神经网络和Adaboost的心脏病预测模型

借助计算机技术，使用年龄、性别等基本特征预测心脏病的易感性，对心脏病的早期预测和防治具有重要意义。针对基于机器学习的心脏病预测模型准确率不高的问题，提出一种基于卷积神经网络（CNN）和Adaboost的心脏病预测模型CNN-Adaboost。首先，对原始数据进行预处理，结合特征相关性与特征组合算法融合两两属性特征，并升维数据，使各属性特征充分融合；然后，通过CNN进行充分的特征提取；最后，结合Adaboost机器学习算法建立心脏病预测模型。UCI数据集上的测试结果表明，CNN-Adaboost预测模型优于K近邻（KNN）等传统机器学习模型和K近邻-随机森林（KNN-RF）等优化模型，准确率、AUC、查准率和查全率可达到0.917、0.95、0.924与0.85。CNN-Adaboost模型具有良好的分类效果，能为医患人员进行心脏病预测与预防提供帮助。     

FAST-SR-UKF算法及其在组合导航系统中的应用

为解决无迹卡尔曼滤波（UKF）算法在组合导航应用中遇到的系统模型不确定、系统噪声统计特性未知以及计算误差较大等问题,提出了模糊自适应强跟踪平方根无迹卡尔曼滤波（FAST-SR-UKF）算法,该算法不仅具有传统UKF的优势,而且包含如下特点：通过模糊自适应强跟踪模块,增强了系统对模型不确定性以及噪声统计参数未知的适应能力;利用平方根滤波的思想,提高了模糊自适应强跟踪无迹卡尔曼滤波算法的数值稳定性,改善了由于计算误差导致的滤波发散问题。仿真结果表明：相对于传统的UKF算法,该算法精度更高、鲁棒性更强。     

一种基于UKF改进算法的组合导航系统故障的检测方法

为了缩短组合导航故障检测的时间, 提高检测准确性, 在残差χ²检验法理论基础上, 对无迹卡尔曼滤波（UKF）进行研究。采用一种基于混合滤波思想的UKF, 该算法在时间更新步骤分为两个阶段, 利用线性方程得到状态的一步预测值并由此构造Sigma点, 通过求取Sigma点加权和来实现对量测值的一步预测, 降低了计算量。采用改进算法和标准UKF算法对含有故障的GPS/INS组合导航模型进行故障检测。仿真实验表明, 改进的算法能够更迅速地检测出故障, 有利于提高导航系统的稳定性, 在工程应用中有重要意义。     

基于因子图算法的INS/GPS信息滞后处理方法

针对全球定位系统（GPS）信息滞后导致惯性导航系统（INS）/GPS组合导航系统实时性差的问题,利用因子图算法可以在一个信息融合时刻处理各信息源不同时刻量测信息的特点,提出了一种INS/GPS信息滞后处理方法。在系统接收到GPS信息之前,因子图模型中只添加关于INS信息的因子节点,经增量推理求出组合导航结果,保证系统的实时性。待系统接收到GPS信息之后,再将关于GPS信息的因子节点添加到因子图模型中,修正INS误差,从而保证系统长时间高精度运行。仿真结果表明,当上一时刻实时导航状态量对INS误差修正效果随GPS信息滞后时间变长而逐渐变差时,可以采用上一时刻刚刚完成量测更新的导航状态量实现INS误差的有效修正。因子图算法在保证系统精度的前提下,避免了GPS信息滞后对INS/GPS组合导航系统实时性的不良影响。     

基于高效通道注意力机制和特征融合网络的冠心病诊断算法研究

针对冠心病重要特征不确定、诊断模型预测性能低等因素而导致冠心病早期诊断精度低的问题,提出一种基于高效通道注意力机制和特征融合的网络。通过XGBoost(eXtreme Gradient Boosting)来确定冠心病重要特征,设计数据生成图片的特征组合算法以适用该模型;为提高诊断模型预测性能,采用可以提升模型学习能力和特征利用率的高效通道注意力机制模块和特征融合模块。实验结果表明,在UCI克利夫兰心脏病数据集上,与其他诊断算法相比,该算法优于传统机器学习方法,预测精度可达100%且稳定性好。     

改进的UPF在GPS/INS导航中的应用

针对UPF（Unscented Particle Filter）由于计算量大而难以应用于GPS/INS（Global Positioning System/Inertial Navigation System）组合导航中的问题,提出一种基于全局采样的UPF算法。结合了最新的量测值,对粒子集整体利用一次UKF（Unscented Kalman Filter）算法产生建议分布,免去了UPF中对每个粒子循环套用UKF的环节,省去了重采样步骤,减少了UPF的计算量。仿真实验采用以伪距为观测量的状态变量为10维的非线性模型,结果表明,改进的UPF与PF相比,具有更高的估计精度,与UPF相比,具有更小的计算量,能够解决UPF难以应用于GPS/INS组合导航中的问题。     

基于SLAM的旋翼无人机组合导航算法研究

在旋翼无人机组合导航中,针对缺乏GPS作为导航信号源的室内飞行环境,为了达到精确定位的目的,提出一种基于SLAM（simultaneous localization and mapping）的旋翼无人机组合导航算法。首先,引入双线性插值算法,实现基于扫描匹配的即时定位与地图构建;其次,对陀螺仪、加速度计和磁罗盘建立捷联惯导系统误差模型,针对旋翼无人机的使用环境对误差模型进行简化;最后,应用联邦卡尔曼滤波算法,设计组合导航系统模型,将SLAM算法和捷联惯导系统估计出的位置数据进行融合。仿真结果表明所设计基于SLAM的旋翼无人机组合导航算法能够进一步提高组合导航系统对旋翼无人机位姿估计的精度。     

基于PDR/UWB紧耦合的足绑式行人导航技术

为了解决低成本微机电惯性导航系统存在的累积误差问题,提出一种基于融合行人航迹推算(PDR)和超宽带(UWB)无线定位的实时室内行人导航系统.利用加速度计和磁强计进行初始姿态对准;考虑滤波误差估计,推导了惯性导航算法;依靠加速度计和陀螺仪的"与"逻辑进行行人步态检测;实施零速更新(ZUPT)提供速度误差观测量,利用UWB系统提供位置误差观测量;设计具有野值辨识机制的扩展卡尔曼滤波器进行数据融合.对提出的行人导航算法进行实验验证,结果表明该行人导航算法与传统定位方法相比能够有效提高行人定位精度.实验中,该行人导航算法能够获取低于0.2 m的定位误差,且稳定、不发散.     

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....     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

GPS/DR组合导航系统数据融合优化设计

为降低GPS/DR组合导航系统在复杂导航环境下的定位精度及DR误差累积,提出一种性能较优的数据融合算法。在传统粒子滤波(PF)的基础上,考虑最新观测值的影响,使用基于平方根二阶差分的高斯混合(GM)模型给出粒子滤波的建议分布,采用基于蒙特卡罗的重要性采样和进化再采样方法减轻PF样本退化问题,增强样本多样性。实验结果表明,与PF算法、GMPF算法相比,该设计能提高组合导航系统的综合导航定位性能。     

基于自适应UKF算法的小型水下机器人导航系统

针对海流扰动及姿态、航向误差角引起的无法确知的导航系统模型误差, 设计了一种带模型误差的自适应无迹卡尔曼滤波器(Adaptive unscented Kalman filter, AUKF)用于小型水下机器人(Small autonomous underwater vehicle, SAUV)推位导航系统. 首先提出了小型水下机器人三维运动连续时间模型; 然后针对该模型特点, 基于极大后验估值原理推导了AUKF算法. 仿真结果说明该算法能够克服海流扰动及姿态和航向误差引起的模型误差. 对比经典无迹卡尔曼滤波器算法, 采用该算法的小型水下机器人推位导航系统在复杂海况下的滤波精度显著提高.     

基于新息正交原理的抗差UKF及其在INS/GPS组合导航中的应用

为提高标准UKF对异常的量测噪声统计的鲁棒性,提出了一种基于新息正交原理的抗差UKF算法.该算法根据新息序列的正交性确定最优的抗差因子,而后通过对新息协方差阵引入抗差因子在线调整滤波增益,进而抑制异常量测对滤波解的影响.将提出的算法应用于INS/GPS组合导航系统进行仿真验证,并与标准UKF和现有的抗差UKF进行比较,结果表明,当量测噪声统计不准确时,提出的基于新息正交原理的抗差UKF滤波性能明显优于上述两种算法,提高了组合导航系统的定位精度.     

A Hybrid Deep Sea Navigation System of LBL/DR Integration Based on UKF and PSO-SVM

In order to improve the navigation accuracy of human occupied vehicle(HOV)precisely and efficiently,an innovative hybrid approach based on unscented Kalman filter(UKF)and support vector machine(SVM)is proposed to fuse integrated navigation data.HOV is generally equipped with long baseline(LBL)acoustic positioning system and dead reckoning(DR)as an integrated navigation system.UKF is adopted to estimate the state of the dynamic model because of its good performance in filtering nonlinear problems.An accurate and stable filtering result can be obtained when both LBL and DR are online.At the same time,SVM is utilized to train DR information with the result when LBL outrages,and the particle swarm optimization(PSO)algorithm is employed for SVM parameters optimization.Therefore,the integrated navigation system can maintain a good performance when the LBL is off-line.Simulation results with the real navigation data of Jiaolong HOV show that the methodology proposed here is able to meet the needs of HOV application.     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.