VR机舱人机交互姿态追踪器的算法设计

以现有的虚拟现实三维机舱训练系统为基础的实景仿真,在单一的加速度计测量倾角的研究基础上增加陀螺仪角速率测量传感器,完成陀螺仪与加速度计数据融合进行姿态识别的追踪器设计。分析了基于单一的加速度计测量倾角的不足和存在的误差,引入角速率测量的传感器平滑单一加速度计的数据,参考卡尔曼滤波的思想,设计固定权值的滤波数据融合算法。设计通过前一时刻估算状态和当前角速率测量数据推导得出当前时刻的估算状态,选择合适的权值改变加速度计与角速率测量数据的信赖程度,分析算法的适用性和不足,给出解决方案。     

多平台传感器系统配准误差研究

针对多传感器数据融合中的传感器系统配准问题,基于扩展卡尔曼滤波原理,推导了直角坐标系下的多传感器系统配准误差滤波算法,通过仿真计算表明,该算法计算量小,可有效滤波传感器系统配准过程中的误差,对保证后续的数据融合准确性具有重要意义.     

一种双基阵纯方位机动目标被动跟踪方法

利用2部被动声呐基阵获取的目标方位信息对水中机动目标的跟踪实质是一个非线性状态估计问题,由于观测方程的非线性性,滤波环节不可避免地要用到非线性滤波算法.以往解决此问题的方法是在基于交互多模型(IMM)算法并在其滤波环节应用扩展卡尔曼滤波(EKF)算法.然而,EKF算法在计算滤波误差协方差阵时没有融入当前观测信息.为此提出在原方法的基础上用其改进算法即修正协方差扩展卡尔曼滤波(MCEKF)算法取代EKF算法,以改善跟踪性能,从而得到一种新的方法.经仿真验证了所提方法的正确性和有效性.     

纯方位水下被动目标跟踪与卡尔曼滤波

针对水下被动目标跟踪的特点，本文对基于扩展卡尔曼滤波，修正增益扩展卡尔曼滤波，协方差平方根滤波，变系数衰减记忆滤波等纯方位水下被动目标跟踪算法进行了系统的仿真实验，比较和分析了仿真结果，研究了一些滤波器的参数选择，指出了修正极坐标系的优越性，为水下被动目标跟踪的实现提出了参考。     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

一种基于惯性匹配的船体姿态基准传递方法

船体变形角的存在是造成船体局部姿态基准失准的根本原因。本文基于惯性姿态匹配法,提出一种抑制船体变形影响、实现高精度姿态基准传递的方法。首先对光学设备测得的船体变形角数据进行频域分析,实现船体变形角高精度建模。然后利用中心主惯导和船体局部捷联惯导的姿态输出构建卡尔曼滤波方程,实现船体变形角的实时高精度估计。最后仿真验证了船体变形角建模方法和姿态匹配算法的可行性,为船体局部高精度姿态信息获取提供理论参考。     

基于平方根滤波的GPS/INS紧组合导航算法优化研究

在运用传统的紧组合导航卡尔曼滤波算法计算过程中,出现了一种现象,本应按滤波方程计算的估计误差随着时间的增加趋于零或者趋于一个稳态值。但估计值相对于实际上的值的偏差越来越大。从而使卡尔曼滤波器逐渐失去作用,这种现象称为滤波器的发散。论文对传统的卡尔曼滤波算法进行优化,分别运用了平方根滤波算法和传统的卡尔曼滤波算法进行了仿真实验,仿真分析结果验证了平方根滤波算法的可行性和有效性。     

一种改进的基于GPS某型舰船姿态解算算法

载波相位GPS测姿实施中,其姿态解算是核心技术之一,目前有多种姿态解算算法,其中对于单基线姿态测量,直接算法因具有原理简单、计算速度快、实时性好等特点被广泛应用。但在舰船测姿实施中,对姿态角的测量会产生一定的误差。采用直接算法在解算中没有对粗大误差和GPS信号缺失进行处理,使得解算结果误差较大。因此提出一种改进的舰船姿态解算算法即基于自适应卡尔曼滤波的姿态解算算法。建立航向角和纵摇角的解算模型,从理论上推导了基线越长,航向角测量精度越高;航向角的解算精度比纵摇角的解算精度高;基于自适应卡尔曼滤波的姿态解算算法的解算精度比直接法的解算精度高。通过仿真实验,对上述推理进行验证,航向角的解算精度比纵摇角的结算精度高出一个数量级;改进算法的解算精度比直接算法的解算精度高出一个数量级。     

区间平滑在船用INS/GPS姿态组合导航系统事后评估中的应用

组合导航系统事后区间平滑算法处理数据精度较在线滤波算法高,通常以经过事后处理的惯导状态信息作参考,对中低精度的舰船导航设备工作性能进行评估。在以速度、位置作为观测量的INS/GPS量测方程的基础上,增加姿态外部修正信息,采用固定区间平滑算法进行处理得出高精度的评估数据,进而分析舰船导航设备的数据输出精度。仿真分析结果表明,增加姿态信息并结合固定区间最优平滑算法的处理方法,可以使系统的姿态测量精度获得大幅度提高,并能克服最优滤波对平台误差角初期估计精度低的缺点,可以作为一种评估舰船导航设备工作性能的事后分析方法。     

CAUKF算法在船载导航目标跟踪中的应用

为定量分析内河船舶导航系统的跟踪性能,建立基于GPS/DR组合信息的船载导航系统非线性模型,以该模型作为系统模型,采用附有航向约束参考条件的自适应无迹变换卡尔曼滤波算法,推导得出非线性导航滤波器的滤波方程。按照船载目标的实际非线性模型进行演化时,采用此算法能够较好地实现非线性函数后验信息与估计误差的拟合。仿真结果表明,此算法比以往扩展卡尔曼滤波类算法在减少运算量和提高跟踪效果方面改善明显,具有良好的实用性。     

基于扩展卡尔曼滤波的船舶纵向运动受扰力与力矩的估计

基于递推最小二乘法设计并实现海浪干扰力和干扰力矩的成型波滤器,对有色的次优卡尔曼滤波和扩展卡尔曼滤波(EKF)的效果进行对比.通过引入成型滤波器,采用EKF,提高了状态估计的精度,实现对随机海浪扰动力和力矩的估计.仿真结果表明,通过扩展卡尔曼滤波对海浪扰动力和力矩进行估计是可行的.     

一种船用燃气轮机强跟踪扩展卡尔曼滤波器健康参数估计方法（英文）

Monitoring and evaluating the health parameters of marine gas turbine engine help in developing predictive control techniques and maintenance schedules. Because the health parameters are unmeasurable, researchers estimate them only based on the available measurement parameters. Kalman filter-based approaches are the most commonly used estimation approaches; however, the conventional Kalman filter-based approaches have a poor robustness to the model uncertainty, and their ability to track the mutation condition is influenced by historical data. Therefore, in this paper, an improved Kalman filter-based algorithm called the strong tracking extended Kalman filter(STEKF) approach is proposed to estimate the gas turbine health parameters. The analytical expressions of Jacobian matrixes are deduced by non-equilibrium point analytical linearization to address the problem of the conventional approaches. The proposed approach was used to estimate the health parameters of a two-shaft marine gas turbine engine in the simulation environment and was compared with the extended Kalman filter(EKF) and the unscented Kalman filter(UKF). The results show that the STEKF approach not only has a computation cost similar to that of the EKF approach but also outperforms the EKF approach when the health parameters change abruptly and the noise mean value is not zero.     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

Underwater simultaneous localization and mapping based on forward-looking sonar

A method of underwater simultaneous localization and mapping (SLAM) based on forward-looking sonar was proposed in this paper. Positions of objects were obtained by the forward-looking sonar, and an improved association method based on an ant colony algorithm was introduced to estimate the positions.In order to improve the precision of the positions, the extended Kalman filter (EKF) was adopted. The presented algorithm was tested in a tank, and the maximum estimation error of SLAM gained was 0.25 m. The tests verify that this method can maintain better association efficiency and reduce navigation error.     

卡尔曼滤波技术在潜艇组合导航中的应用研究

高精度的导航定位是潜艇研究中所面临的主要难题之一。采用GPS辅助的INS/DVL组合导航是目前潜艇的主流导航模式。当前实现GPS/INS/DVL组合导航的技术主要有航迹推算和卡尔曼滤波。本文将卡尔曼滤波技术应用于潜艇组合导航,并把EKF与传统的DR方法进行了仿真比较研究。结果表明,EKF的估计精度较高。     

超平面滤波算法在卫星姿态确定中的应用

基于状态估计法的陀螺仪／星敏感器组合卫星姿态测量系统，采用传统卡尔曼滤波算法进行状态估计。但由于卡尔曼滤波算法存在较大误差，因此提出采用超平面调整卡尔曼滤波器的方法提高估计精度。通过仿真证明，该方案既能抑制滤波发散，又能提高卫星姿态确定系统估计精度。     

基于卡尔曼滤波的水翼艇纵向运动研究

分析了水翼艇的运动方程并通过适当的假设将其线性化,建立水翼艇纵向运动状态空间方程,同时给出了系统状态的测量方程,运用卡尔曼滤波对其纵向运动进行滤波.文中同时给出了MATLAB仿真计算结果,分析其方差和最大误差,验证了结果的正确性.     

基于DSP的船舶电力推进系统滤波装置控制器设计

小型船舶电力系统中非线性负载多、谐波污染严重。针对这一情况,本文设计一款基于DSP的电力系统滤波装置控制器,该控制器结构简单,稳定性好,实验证明该控制器能有效降低谐波污染,具有一定实用价值。