基于混合滤波的四轴飞行器的姿态解算

针对四轴飞行器的姿态解算出现的姿态角数据漂移问题,提出一种基于Mahony滤波和互补滤波相结合的混合滤波算法,将传感器采集到的加速度、角速度以及磁场强度数据进行融合,利用加速度计和磁力计的向量偏差来对姿态解算过程中陀螺仪产生的积分累计误差进行修正.最后,建立姿态解算测试平台对混合滤波算法进行实验验证.实验结果表明,采用混合滤波算法的一次迭代滤波所需的平均用时为3.826 ms,比其他算法的平均用时短,混合滤波能有效地修正陀螺仪的积分累计误差,在降低运算复杂度的同时提高姿态解算的精度.     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

自适应显式互补滤波在六旋翼飞行器中的应用

针对六旋翼飞行器的惯性传感器在测量过程中存在漂移的问题,提出了基于自适应显式互补滤波的姿态解算算法,并对该算法的原理和稳定性进行分析;搭建了六旋翼飞行器的实验测试装置,并进行机体的动、静态测试实验.在实验中,对自适应显式互补滤波算法、显式互补滤波算法以及陀螺仪传感器测量方法进行比较.实验结果表明:自适应显式互补滤波算法能够实现惯性传感器的解算姿态角误差收敛,且动态误差最小.     

AHRS航姿解算中的两种滤波方法的比较研究

关于飞行姿态角优化问题,由于加速度计的测量值中同时包含了重力加速度和运动加速度信息,并且磁传感器易受铁磁性物质干扰,直接利用加速度计的测量值计算横滚角和俯仰角易产生较大误差,进而在利用磁传感器的测量值计算航向角时也将会引入了误差.为了减小加速度计和磁传感器的姿态解算算法所解算的姿态角误差,提出利用陀螺仪的输出,分别设计了互补滤波器和卡尔曼滤波器(Kalman Filter)对加速度计和磁传感器的输出进行处理,采用VN-100的微惯性测量单元(Micro Inertial Measurement Unit,MIMU)的数据进行MATLAB仿真,并对两种滤波器的滤波效果进行了比较.实验结果表明,互补滤波和Kalman滤波均能提高该算法的姿态角精度,并且互补滤波器比Kalman滤波器效率更高,性能更好.     

小型无人机姿态解算方法研究

姿态解算是小型多旋翼无人机研究的核心问题之一.为进一步提高姿态反馈数据的准确度和实时性,设计了低成本姿态解算系统,根据不同姿态传感器的信号特点,结合卡尔曼滤波融合算法和改进型互补滤波融合算法的优势,提出了一种基于前置卡尔曼滤波器的互补滤波融合姿态解算方法,并进行了飞行姿态解算实验.结果表明,代码的运行周期比改进型互补滤波融合算法增加了0.253 ms,比基于加权滑动方差的卡尔曼滤波融合算法减少了0.246 ms;姿态更新时间提前了约1 ms.悬停状态下,俯仰角和翻滚角的解算误差控制在±0.2°以内;航向角的解算误差控制在±0.6°以内.该方法集合了卡尔曼滤波算法和互补滤波算法的优势,准确度更高,实时性更强.     

四旋翼飞行器姿态解算与滤波

四旋翼飞行器的运动控制关键在于对飞行过程中的实时姿态角控制。目前实时姿态角信息还不能直接测量出来。为了能利用已有的传感器数据解算出更准确的姿态角,通过物理实验详细分析了四旋翼飞行器姿态角的解算和滤波算法。首先,通过联立欧拉方向余弦矩阵与四元数矩阵,得到用四元数表达的姿态角表达式。然后,结合加速度计和磁强计实时测量的数据,分别采用互补滤波和卡尔曼滤波两种方法来补偿四元数结果,分别分析如何选取最佳参数,并对比分析了两种滤波方式的优缺点。在一定精度要求范围内,这两种滤波方式都能获得更加准确的姿态角,但是互补滤波相对卡尔曼滤波有一定的解算时延。因此在精度要求一般的系统中,这两种滤波方式都可以用来求解姿态角,卡尔曼滤波方法则更适于对实时性要求更高的系统。     

基于互补滤波算法的移动机器人姿态检测

移动机器人的姿态检测能够反映出机体相对于路面的实时姿态,有利于机器人对行进过程中的当前姿态做出相应的控制.针对移动机器人姿态检测的要求,采用MEMS陀螺仪和加速度计对移动机器人在移动过程中相对于路面的姿态倾角进行测量并通过互补滤波算法对其测量的角度进行解算.互补滤波算法将加速度计静态特性和陀螺仪动态特性有效融合到一起,并对互补滤波算法进行了微分处理,提高了系统的动态特性,计算量小,从而实现对机器人行进过程的路面起伏状况进行实时测量.     

多传感器滤波融合的惯性定位算法

针对在导航系统姿态解算中,陀螺仪和电子罗盘在解算姿态时分别存在积分误差和磁场干扰的问题,提出了利用Kalman滤波和互补滤波相融合的算法进行定位。首先将电子罗盘和陀螺仪通过Kalman滤波得出最优估计四元数,然后利用互补滤波算法对陀螺仪的漂移进行补偿得到校正后的四元数,将此次得到的四元数和Kalman滤波得出最优估计四元数再次通过Kalman滤波对四元数进行第二次最优估计,进而输出姿态角。实验中对比了本算法和互补滤波算法、无滤波算法的效果。实验证明,该算法不仅可以有效解决方位角误差发散问题,还有效解决了磁场干扰问题,实现了高精度的方位输出。     

基于双级互补滤波的姿态测量算法设计

陀螺仪的漂移、载体的线性加速度和磁场的干扰是影响MARG传感器姿态测量精度的主要原因。针对传统姿态测量算法在磁干扰环境下由于航向角误差导致水平角测量精度降低以及载体线性加速度影响水平角精度的问题,提出了一种基于四 元数的双级互补滤波姿态融合算法。该算法利用加速度计和磁力计测量数据分别对估计四元数进行补偿修正,避免了磁干扰环境下航向角误差对水平姿态测量的影响。同时引入线性加速度误差和磁干扰误差自适应补偿方案,以降低线性加速度与磁干扰的影响,为了验证算法的有效性,进行了静态与动态实验。实验结果表明该姿态测量算法能显著提高姿态测量精度和抗干扰能力,与传统的Mahony算法相比,俯仰/滚动角的测量精度完全不受磁干扰的影响,性能得到了明显的提升。     

互补滤波算法在四旋翼飞行器姿态解算中的应用

针对四旋翼飞行器飞行过程中的姿态最优估计问题,本着准确、快速的原则,选择了基于陀螺仪、加速度计和电子罗盘的捷联式惯性测量系统.由于这些传感器存在温度漂移和噪声干扰等问题,采用互补滤波算法,通过融合IMU多传感器的数据信号,对测得的姿态数据进行补偿修正,解算出高精度的姿态角.为了验证互补滤波算法的有效性和实用性,通过实际的四旋翼飞行器角度测量系统对互补滤波算法展开研究.结果表明姿态角解算中采用互补滤波算法能够快速、稳定的输出高精度姿态数据,姿态角最大跟踪误差控制在±2°以内,满足四旋翼飞行器飞行控制的要求,成功完成了姿态的最优估计.     

一种基于自适应的新滤波技术

介绍一种基于自适应的新的滤波技术，用它处理心电信号及背景噪声，可抑制噪声１２ｄＢ以上。     

基于容积卡尔曼滤波的高斯粒子滤波算法

高斯粒子滤波是一种免重采样的粒子滤波,不会出现粒子退化,但其重要性密度函数由于没有考虑到最新量测信息,使得滤波性能明显下降,且该算法没有较高的实时性。针对这个问题提出一种基于CKF的高斯粒子滤波算法—CKGPF算法。该算法利用CKF算法构造高斯粒子滤波的重要性密度函数,且在时间更新阶段借助CKF算法来完成只对高斯分布参数的更新。仿真结果表明,CKGPF算法相比于标准GPF算法不仅提高了滤波精度,而且还具有较好的实时性。     

基于 滤波器的故障诊断滤波器在HVDC系统中的应用

主要研究和探讨基于 滤波器的故障诊断理论及其在超高压直流输电系统（HVDC）中的应用。首先介绍了 滤波器及其HVDC系统模型，并将其应用到HVDC系统中，分析了残差信号及其范数，对传输过程中一些常见故障进行诊断，通过仿真证明本文所设计的故障观测器不但对于故障信号比较敏感，且对于干扰有较强的抑制能力，保持了一定的鲁棒性，提高了故障检测效果。     

适用于有源电力滤波器的抗混叠滤波器设计

本文遵循从实际情况出发的思路,详细给出了抗混叠滤波器的各个性能指标的选择依据,最后运用matlab软件设计出了相应滤波器的模型并验证通过,旨在提出一种清晰的设计思路,为实际应用电路的设计提供理论指导。     

基于光纤光栅的边缘滤波动态解调技术

本文阐述了基于光纤光栅的边缘滤波动态解调技术的研究。初步实验表明:解调仪适合传感FBG存在大幅度静态波长变化时,对微幅度动态波长变化的检测,动态波长检测范围分辨率为0.007pm/!Hz。上电时,可调滤波器具有对中心波长为1295.5nm～1307.5nm范围光纤光栅自动跟踪能力。     

一种基于滤波参数在线辨识的鲁棒自适应滤波器

针对一类未建模动态和扰动下的非线性随机系统的状态估计问题,提出了一种基于 滤波参数在线辨识的鲁棒自适应滤波器.该算法通过极小化状态估计误差的方差同时正交化 相邻时刻的滤波残差,在线辨识状态预报误差和滤波残差的协方差,实现了对未建模动态和扰 动的自适应动态补偿,因此对未建模扰动具有很强的鲁棒性.仿真中研究了一个非线性随机时 滞系统,其参数存在缓变和突变,时滞会多次跳变,量测噪声发生了均值漂移和方差突变.算法 对时滞和参数的联合估计效果令人满意.     

卡尔曼滤波与粒子滤波之间跟踪模式的优化

鉴于卡尔曼滤波(Kalman Filter,KF)和粒子滤波(Particle Filter,PF)都是贝叶斯估计的一种,粒子滤波比卡尔曼滤波应用广泛,而卡尔曼滤波比粒子滤波使用简便,提出了一种算法在卡尔曼滤波和粒子滤波之间切换的跟踪模式。定义出算法性能评价参数,使参数可以在线反映算法的好坏;通过仿真使噪声不满足卡尔曼使用条件,确定切换是否可行,结合实际情况定义切换条件;应用至实际视频中。结果证明,卡尔曼滤波与粒子滤波间跟踪模式的优化是可行的。     

基于窗函数和特征滤波器的半带滤波器设计

研究半带滤波器设计优化问题.半带滤波器是一种特殊的低通FIR数字滤波器,通带和阻带关于二分之一Nyquist频率对称,因而有近一半的滤波器系数为0,用来实现数字滤波可以大幅度地减少运算量,有利于滤波器的实时实现.为实现上述优化,采用两种方法来设计半带FIR滤波器,一种是传统的窗函数法,一种是特征滤波器法.基于半带FIR滤波器的频率特性,用窗函数法和特征滤波器法的半带FIR滤波器仿真结果表明,提出的方法为半带滤波器优化设计提供了参考.     

Modal Kalman Filter

In the Extended Kalman Filter (EKF), only the first‐order term of the Taylor series is employed. Hence, the nonlinearities in the system dynamics are not fully considered. In the proposed method, to overcome this drawback, the higher‐order terms of the Taylor series are considered and a new filter, based on the Modal series, is designed. In this paper, based on the Modal series and careful approximations, a nonlinear filter is converted to a series of linear filters, and the extracted filter is named the Modal Kalman Filter (MKF). The efficiency and advantage of MKF are analytically proven and its applicability examined with some simulations.     

矩形形态滤波器

矩形形态是一种最基本的灰度形态,在图像分析中有着重要的应用．为有效地检测出图像中的矩形形态,提出了一种矩形形态滤波器．首先定义了矩形形态滤波器的结构元素,然后定义了两种滤波模式：序位滤波和序位均值滤波．实验结果表明,矩形形态滤波器可以有效地从二值图像、二值噪声图像和灰度图像中检测出指定大小和方向的矩形形状．