基于改进高斯粒子滤波的船舶非线性状态估计

针对标准粒子滤波的粒子贫化问题,提出一种基于改进高斯粒子滤波(Improved Gaussian Particle Filter,IGPF)的船舶非线性状态估计器。首先基于序贯重要性采样(Sequential Important Sampling,SIS)的理论框架,给出标准粒子滤波(Particle Filter,PF)算法,然后在此基础上用高斯分布来作为重要性分布给出高斯粒子滤波(Gaussian Particle Filter,GPF),并将Unscented卡尔曼滤波用于重要性密度函数形成IGPF,应用于动力定位船的状态估计。仿真结果表明,基于IGPF的非线性状态估计器能有效避免粒子贫化、估计船舶状态,并对观测野值有一定的鲁棒性。     

多船舶雷达信息的航迹算法与目标跟踪研究

船舶雷达系统是进行目标探测的重要组成部分,传统的单雷达探测技术在海上移动目标、多个目标探测时存在精度降低、噪声干扰量大等问题,此时,通过接收本船和其他船舶的雷达信息,并进行信息融合可以提高目标探测的精度。本文首先对船舶雷达的信号滤波技术进行了分析,介绍了多船舶雷达信息的航迹融合算法,从时间配准和空间配准两方面进行研究,并进行了仿真试验。     

基于UKF联邦滤波的动力定位船舶运动状态估计

针对动力定位船舶,采用基于无迹卡尔曼滤波(UKF)的联邦滤波技术,利用多种位置参考系统和电罗经的测量值来实现对船舶运动状态的估计。从传感器测量原理出发,采用非线性的测量方程,实现对多种位置参考系统传感器特征的描述,利用UKF滤波方法和联邦滤波结构将动力定位船舶配备的多个冗余位置参考系统的测量数据进行有效融合,从而提高对船舶运动状态估计的精度和可靠性。仿真结果表明,采用基于UKF的联邦滤波方法可以有效实现对动力定位船舶相关运动状态的估计。     

基于CKF的半潜平台压载舱液位估算法

针对液位计在半潜式起重拆解平台压载舱液位的测量过程中由于液位波动、外界干扰测量结果出现偏差、收敛速度慢及不稳定等问题,提出了一种基于容积卡尔曼滤波(Cubature Kalman Filter,CKF)的液位估算法。首先,对液位计的测量过程进行建模,建立运动方程;其次,基于容积卡尔曼滤波对测量结果进行滤波估计,建立量测方程,得到液位的滤波估计。仿真实验结果表明:经过基于容积卡尔曼滤波估计的液位值,具有更高的稳定性、可靠性和精度。     

纯距离条件下的UKF目标参数估计方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标。无迹变换卡尔曼滤波器(Unscented Kalman Filter,UKF)通过产生采样sigma点对系统状态进行逼近,可以较好地解决这一问题。将UKF应用到多站测角被动目标跟踪问题中,并通过仿真试验证实了算法的有效性。     

内河AIS与VTS的信息融合技术研究与仿真

船舶交通管理系统(VTS)在提高船舶航行效率、保障船舶航行安全等方面具有重要作用。传统的船舶交通管理系统采用雷达等传感器作为基本检测手段,受到雷达探测距离和精度等技术条件的限制,在船舶定位、导航等方面存在一定的缺陷。随着互联网技术和信息融合技术的发展,雷达探测器与船舶自动识别系统(AIS)相结合的船舶交通管理系统成为研究的热点。船舶自动识别系统(AIS)结合了信息技术、互联网技术和通信技术,对船舶的航向、航迹、航速等信息采集和处理,并利用VHF发送给信号覆盖区域内的其他船只。本文针对我国内河航运船舶的交通管理系统,研究了AIS与雷达信号的信息融合算法、航迹关联算法等,对提高内河船舶交通管理系统的性能有重要的作用。     

基于无味粒子滤波和交互多模型算法的多机动目标跟踪

闪烁噪声是一种非高斯噪声．为了提高闪烁噪声下多机动目标跟踪的精度，在交互多模型IMM（Interacting Multiple Models）算法的基础上将非线性非高斯系统滤波算法——粒子滤波与IMM算法相结合，采用无味粒子滤波UPF（Unscented Particle Filter）代替IMM算法中各模型的卡尔曼滤波，提出了一种UPF—IMM算法，并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分，解决了闪烁噪声环境下的多目标跟踪问题，实验结果表明该算法可以明显地提高跟踪精度．     

纯距离条件下的UKF目标参数估计方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标.无迹变换卡尔曼滤波器（Unscented Kalman Filter,UKF）通过产生采样sigma点对系统状态进行逼近,可以较好地解决这一问题.将UKF应用到多站测角被动目标跟踪问题中,并通过仿真试验证实了算法的有效性.     

恶劣气象环境下的船舶编队自动导航方法研究

海上交通的繁忙,使传统的雷达设备已很难完成恶劣环境下船舶的自动导航任务。为此,本文结合雷达设备和船舶自动识别系统,实现两者优势互补,更好的为船舶安全提供保证。首先比较雷达和自动识别系统各自的优缺点,接着提出二者信息融合的模型,重点对数据融合中涉及的坐标变换、时间配准、数据关联进行方法介绍。最后提出融合模型下步有待研究的方向。     

简化UKF算法在SINS／GPS组合导航中的应用

针对SINS／GPS组合导航系统的特点,建立了系统的非线性误差模型。根据系统状态方程为非线性而观测方程为线性的特点,将一种简化的UKF方法（Rao-Blackwellisation Additive Unscented Kalman Filter,RBAUKF）用于SINS／GPS组合导航系统中,RBAUKF采用较少的采样点数目和简化的更新算法,降低了计算复杂度。最后,在机动条件下,进行了SINS／GPS组合导航实验仿真。仿真结果表明,RBAUKF相比EKF具有更高的滤波精度,更适合在SINS／GPS组合导航系统中应用。