基于自适应分数阶Kalman滤波的船舶视觉跟踪

为提高Kalman滤波算法的准确性和鲁棒性,提出一种基于自适应分数阶系统的Kalman滤波算法,设计状态噪声协方差选择的自适应机制,推导其数学过程.将该算法应用到船舶视觉跟踪中,选取不同河流的CCTV(Closed Circnit Television)船舶监控视频(包括不同情况下的内河船舶运动监控),针对不同船舶大小...     

基于反馈粒子滤波的船舶模型参数辨识

[目的]近年来,随着船舶朝着大型化、高速化、智能化的方向发展,船舶动力定位技术显得尤为重要。为了在动力定位系统中建立运动数学模型,需要确定模型中各参数的值。[方法]首先,以一艘挖泥船为研究对象,建立船舶运动数学模型,并分离出纵荡运动模型以及横荡与艏摇运动模型;然后,基于系统辨识理论和反馈粒子滤波算法辨识模型中的未知参数,包括2个主推进器和1个侧推进器的推力系数;最后,进行仿真实验,求得待辨识的参数值。[结果]通过与扩展卡尔曼算法的比较,显示反馈粒子滤波算法对参数辨识的效果更好,验证了反馈粒子滤波算法的可靠性。[结论]该方法在船舶动力定位系统中具有良好的应用前景。     

一种改进的Kalman滤波在野值点去除中的应用

在工程实践中,Kalman滤波采用了递归滤波的方法和线性无偏最小方差准则,因而在理论上是一种最优估计,并因为这一良好的数学性质得到了广泛的应用。但是在实际测量中,在野值的影响下,Kalman滤波新息的特性遭到破坏,滤波不再准确甚至发散。针对此一现象,提出了基于＂新息＂序列和对新息序列进行Kalman预测的方法对测量数据进行处理的新算法。该算法利用＂新息＂序列进行野值点判别,利用Kalman预测的方法对野值点处的＂新息＂进行预测修复。仿真证明,该算法可使状态估计、野值点判别和野值点修复同时进行,并能很好地抑制滤波的发散。     

一种用于船舶气象仪的电子罗盘设计

本文以三轴电子罗盘测量基本原理和计算方法为基准,以XMEGA128A1微处理器、内部集成三轴加速度分量和三轴地磁场分量输出的集成芯片LSM303C为硬件电路核心,利用三轴加速度分量计算俯仰角、横滚角补偿电子罗盘的测量方式,运用CORDIC算法实现在微处理器XMEGA128A1上对罗盘进行倾角补偿计算,获得准确的方位角。实验结果表明,此方法设计的电子罗盘精度高、响应快,体积小,能较好为船舶气象设备提供准确的方位角信息。     

改进区间Kalman滤波器及其在船舶组合导航中的应用

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用。但由于船舶组合导航系统中各子系统模型参数的不确定性,传统的多传感器数据融合算法状态估计精度难以保证,因此提出了一种多传感器数据融合的改进算法。该改进算法不仅具有常规区间Kalman滤波器的鲁棒性,而且实用性较强。其具有如下特点：将所有系统不确定性和观测不确定性等效为系统噪声和观测噪声的不确定性,简化了系统模型;采用一种较为简单的区间矩阵综合求逆方案;利用时变马尔可夫模型在线调整滤波输出加权系数。仿真结果表明：该改进算法的状态估计精度较高。     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

基于渐消记忆自适应滤波的船舶动力定位算法仿真（英文）

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立。为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号。采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一。文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗。仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性。     

采用Kalman滤波器船舶机舱电机控制及应用

在船舶机舱中,由于存在众多的电气化控制设备,不可避免存在干扰,而这些干扰会严重影响到设备的正常工作状态,因此一般在电机控制过程中,必须采取措施以滤出噪声的干扰。本文主要介绍Kalman滤波算法在船舶机舱电机控制中的应用,通过Kalman滤波算法构建合理的机电控制模型,能够有效提取出机舱存在的各种噪声波形,并根据这种噪声模型建立了Kalman滤波处理算法,将噪声干扰降到最低。     

基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义.     

船载磁探测器任意航向实时抗干扰技术研究

船载磁探测器测得的磁场信号中，除期望的船舶坐标系下的地磁场信号外，还包含多种干扰磁场信号，需进行抗干扰才能满足测磁要求。本文在分析各种干扰磁场信号特性及其排除方法的基础上，对任意航向上的三分量实时抗干扰技术进行了理论建模、算法实现以及工程适用性等研究，并通过MATLAB仿真验证该技术的可行性。该技术可使船载磁探测器的抗干扰摆脱时间、地点的限制，有效地解决船舶固定干扰磁场的实时排除，船舶固定磁场变化的实时监测等难题。     

舰船组合导航系统的顺序滤波融合算法

舰船组合导航系统Kalman滤波的集中式融合与分布式融合方法存在滤波精度与计算性能、容错性不可兼顾的缺点.且船舶运动受海洋环境等的影响,其噪声基于白噪声建模过于理想化.针对上述问题,提出了舰船组合导航系统的顺序滤波融合算法.该算法的基本思想是采用一阶Markov过程建立舰船运动的噪声模型,并用状态扩维方法将状态方程转化为符合标准Kalman滤波的基本方程,然后每一时刻检查各导航子系统的有效性,对有效的导航子系统引入顺序滤波融合思想实现导航定位.与传统的顺序滤波融合算法相比,新算法在保留与集中式融合同样高的滤波精度、计算性能好的优点的基础上,新增了实用性强、容错性好的优点.理论分析和舰船SINS/GPS组合导航仿真结果表明了新算法的有效性和优越性.     

基于小波变换与变步长LMS算法的船舶磁场信号检测

针对检测船舶磁场信号时信噪比较低的问题,提出了一种基于小波变换与变步长LMS算法的检测方法.根据船舶磁场信号的实际特征,首先对信号进行小波分解,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取船舶目标特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强...     

基于测量分量加权融合的GPS/SINS船舶组合导航算法

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用.但由于船舶组合导航系统中各子系统通常提供的是不等同维的测量数据,加之传统测量值加权融合存在各传感器测量等同维数的约束,使得该类算法在船舶组合导航中的应用能力和使用范围受到了很大的限制.针对上述问题,以GPS和SINS组成的、具有不同维数测量的船舶组合导航系统为研究对象,提出了一种新的基于测量分量加权融合的船舶组合导航算法.该算法的基本思想是寻找一个变换矩阵将具有不等同维数的测量扩维成满状态维数的矩阵,然后考虑扩维后的噪声方差是奇异矩阵,从而采用测量分量对应加权进行融合.与传统的测量加权融合方法相比,该方法不仅具有更广的应用范围,而且保持了与传统的集中式扩维融合相同的高精度性能.算法的性能分析和计算机仿真证明了新算法的有效性和优越性.     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

分布式传感技术在船联网系统中的应用

随着北斗导航系统的广泛使用,越来越多的船舶都装备了便携的卫星导航设备,随之又出现了以北斗导航卫星为基础的船联网系统,这为船舶的安全航行提供了强有力的保障。本文介绍船舶物联网技术的最新发展状况,总结船联网中的关键技术。基于船联网的特殊需求,设计出采用分布式传感网技术的通信导航系统,建立基于Kalman滤波融合算法的船联网信息通信模型。仿真实验表明,该分布式传感网模型具有较好的性能,应用价值较高。     

船舶交通服务系统雷达网误差配准算法

在船舶交通服务系统(Vessel Traffic Services,VTS)利用多台雷达组成的雷达网中,如果雷达的系统误差未经配准就进行多雷达数据融合,则会使融合结果不可信而严重影响其航迹跟踪质量.平方根无味卡尔曼滤波 (Square-root Unscented Kalman Filter,SRUKF)是一种改进的无味卡尔曼滤波(Unscented Kalman Filter,UKF)算法,它借鉴了平方根卡尔曼滤波(Square-root Kalman Filter,SRKF)能克服滤波发散的思想来设计滤波器,不仅具备无味卡尔曼滤波的全部优点,而且克服了无味卡尔曼滤波由于滤波数值计算中舍入误差的积累而容易导致协方差矩阵失去非负定性的缺点,具有更好的数值稳定性.利用平方根无味卡尔曼滤波实现船舶交通服务系统中的雷达网系统误差配准,并通过Matlab仿真对该方法和无味卡尔曼滤波的滤波性能进行了比较,仿真结果验证了该方法的可行性和有效性.     

VTS与AIS联合船舶物联网信息融合关键技术

随着船舶物联网技术的广泛应用,为船舶管控、状态监测、环境探测等提供了新的模式。船舶物联网的基础是AIS和VTS系统,单一系统的采集信息无法全面分析船舶运行状态,同时,多个系统的采集信息存在冗余相关,如何实现信息的有效融合,成为船舶物联网技术发展的关键。本文设计分布式船舶物联网信息融合模型,提出以灰色理论为基础的航迹关联模型和以Kalman滤波算法为基础的航迹融合模型,有效提高AIS和VTS系统间信息融合的效率和准确性,以及系统的可靠性和生存能力。     

基于时延数据融合的港口船舶监控策略研究

在对现有港口船舶航行监控方法以及导航技术详细分析的基础上,结合基于Kalman滤波的数据融合技术,讨论了利用雷达、GPS以及AIS数据进行港口船舶导航算法和监控策略的设计问题。针对现有的时延平滑估计存在的缺点,提出一种基于时延的集中式预测估计融合算法。新算法具有很高的实时性和可实施性,同时,将新算法与现有的时延平滑估计融合算法相集成,提出一种完整的船舶导航和监控策略,计算机仿真算例验证了新算法的优越性,同时显示了新监控策略的有效性。     

基于光斑跟踪的夜间航行船舶跟踪方法

针对当前普通摄像头对夜间航行船舶检测研究方面的不足,提出一种基于光斑检测和跟踪的方法,实现夜间航行船舶检测。采用边缘检测算子(Laplacian of Gaussian, LOG)对视频图像光斑进行检测,采用阈值化方法对光斑进行过滤;Kalman滤波算法对多光斑目标进行跟踪,通过对光斑进行标记,判断光斑的属性,从而实现光斑的新增和删除。以实际夜间船舶航行监控视频为例进行方法验证,结果表明:该方法能对夜间船舶进行有效检测和跟踪,从而验证采用光斑跟踪的方法能提高夜间船舶的检测精度。     

主机冗余多传感器测速数据处理算法研究

针对船舶主机遥控系统的冗余多传感器测速系统结构,为改进传统的船舶主机测速算法,通过基于测量误差理论和物理量限值的分析,提出了一种主机冗余多传感器测速数据处理算法.该算法具有转速输入通道故障判断、转速测量值滤波和冗余多路转速值取舍等功能.经试验应用,达到了预期的效果.