一种快速GPS/DR组合导航系统状态估计算法研究

无轨迹卡尔曼滤波(UKF)技术在非线性系统(GPS/DR车载组合导航系统)的状态估计中取得了比扩展卡尔曼滤波(EKF)更好的滤波精度和收敛速度.为了进一步减少采样点数目,提高UKF滤波实时性,一组n+2个采样点被构造用于逼近系统状态分布.蒙特卡洛仿真表明RUKF和UKF在滤波精度和收敛速度上是一致的,RUKF的计算效率好于UKF.     

改进LS-SVM在开环光纤陀螺误差补偿中的应用

根据开环光纤陀螺标度因数在全量程范围内是非线性的,其线性度误差随输入角速度增人而增大的特性,提出采用基于粒子群的LS-SVM方法对光纤陀螺进行建模并进行误差补偿.当输入角速度小时,采用平滑滤波效果优于改进的LS-SVM建模补偿方法.在速率转台上采集开环光纤陀螺VG941全量程范围内输出数据,利用改进的LS-SVM和平滑滤波组合的方法对光纤陀螺误差补偿.仿真结果表明使开环光纤陀螺线性度最大误差从15%下降到1.7‰,提高了测量精确度,扩大了应用范围.     

Application of Adaptive Reduced Sigma Points Unscented Kalman Filter to the Tracking of Maneuvering Target

Based on the principle of statistical linear regression, a set of n 2 sigma points instead of 2n 1 sigma points used in the unscented Kalman filter (UKF), is constructed to approximate the system state. And filter accuracy is second order. Real-time of modified UKF is improved. In order to describe accurately the maneuvering target, the "current" statistical model is used. And the equation of acceleration error covariance is modified at every sample time of the filter. The modified adaptive UKF is presented for estimating the position, velocity and acceleration of maneuvering target. Monte Carlo simulations show the modified adaptive UKF acquires good performance for tracking position of maneuvering target. The modified adaptive UKF has better computational efficiency than UKF.     

基于汉语语音音节特点的N-Best改进算法

连续语音识别中,由于各声学单元之间没有明显的间隔或声学标志,匹配和搜索算法成为影响系统实时性能的核心问题．基于汉语语音的特点,提出了一种改进的Ｎ－Ｂｅｓｔ搜索算法．该算法大大降低了传统Ｎ－Ｂｅｓｔ程序搜索空间而不至于失去最优解,有利于算法的实时实现．     

独立学院“自动控制原理”教学探讨

围绕独立学院培养目标,结合电气自动化专业特点,针对学生在"自动控制原理"教学中所呈现的共性问题,应用结构主义教学方法和范例教学方法,充分发挥教师在教学中的引导作用、MATLAB和网络在教学中的支持作用,在教学形式和内容安排上进行了探讨。通过近几年的教学实践,学生在学习能力和专业技能方面都有了长足进步。     

基于PCI总线的超大规模集成电路边界扫描测试系统

采用现场可编程门阵列（FPGA）和PCI9052目标接口芯片，实现了符合PCI总线规范和IEEE1149．1标准的超大规模集成电路边界扫描测试系统，具有对系统级、PCB级和芯片级集成电路进行边界扫描测试的功能，结构简单、速度快、工作可靠。     

基于自适应折射学习和精英搜索SSO算法的电力系统无功优化

对电力系统无功优化问题进行研究,提出了一种基于自适应折射学习和精英搜索SSO算法(ARLESSO)的电力系统无功优化方案。针对群居蜘蛛优化(SSO)算法易于陷入局部最优和收敛精度不高的缺陷,引入多功能子族群划分策略:依据蜘蛛个体适应度大小,动态地将蜘蛛种群划分为精英群、扰动群和保持群;精英群和扰动群分别采用精英搜索和自适应折射学习进化机制,以提高算法全局深度搜索能力和种群样本多样性,在此基础上,构建最小网络损耗无功优化模型,并采用ARLESSO算法进行问题求解。IEEE节点测试系统仿真结果表明,同其他无功优化方案相比,所提算法全局寻优能力更强、精度更高,并且能够有效给出电力系统无功优化结果。     

微机电陀螺随机误差的非平稳模型及滤波方法

以CRS03为对象,研究了微机电陀螺的随机误差建模及滤波方法.针对输出信号非平稳的特点,采用时间序列分析方法,建立了CRS03输出信号的ARIMA模型,设计了基于此模型的Kalman滤波器,对陀螺输出数据进行了处理.结果表明,该方法可有效地抑制陀螺漂移,提高其精度.     

基于LS-SVM的开环光纤陀螺误差补偿方法

针对开环光纤陀螺标度因数是非线性的,而且随着输入角速度增大,光纤陀螺线性度误差也越大的问题,提出采用基于最小二乘支持向量机(LS-SVM)的分段误差补偿方法.以LS-SVM和直接近似法补偿误差大小为依据,确定分段门限值.采用实测转台上先纤陀螺VG941在全量程范围内的输入输出数据为训练和检验样本.结果表明分段误差补偿方法使光纤陀螺最大线性度误差由15%降至2‰,验证了方法的可行性和有效性,提高了开环光纤陀螺的精度.     

基于神经网络的开环光纤陀螺误差补偿方法

根据开环光纤陀螺线性度课差随角速度增大而增大的特性,提出了在大角速度情况下应用神经网络对陀螺误差进行建模并补偿,在小角速度时对陀螺输出数据进行平滑滤波以抑制噪声的分段误差补偿方法.在速率转台上对开环光纤陀螺(VG941)进行测试并采集了测量范围内陀螺的多组实际输出数据,基于这些数据对单输入单输出的神经网络进行训练,得到了开环光纤陀螺的神经网络模型.在所得模型基础上,对整个测量范围内的陀螺原始输出数据采用分段补偿方法进行了陀螺误差补偿,并使开环光纤陀螺最大线性度误差由15%下降到0.3%,提高了开环光纤陀螺的测量精度.实验结果表明基于神经网络的开环光纤陀螺误差补偿方法对提高开环光纤陀螺的精度、扩大其应用范围具有实用价值.