基于强跟踪滤波器的多传感器非线性动态系统状态容错融合估计

将强跟踪滤波理论与多传感器数据融合估计方法相结合，提出基于强跟踪滤波器的多传感器数据融合估计新算法。对拥用相同采样的分布式多传感器单模型非线性动态系统，应用强跟踪滤波器，得到目标状态基于全局信息融合估计结果，并利用计算机仿结果对算法的有效性进行了验证。这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题，从而丰富和发展了多源信息融合理论。     

微机械陀螺随机误差补偿研究

为了提高微机械陀螺使用精度,研究了随机漂移误差补偿方法。对静态陀螺输出数据进行预处理,提取出随机漂移数据,采用时序分析方法对其建立AR模型。基于模型设计Kalman滤波器,进行静态和动态仿真。结果表明：静态条件下滤波效果显著;动态条件下,滤波效果变差。针对此问题设计了标量因子时变的自适应Kalman滤波器,试验表明,此算法能够有效降低微机械陀螺的随机漂移。     

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JDL的内河航道多源信息融合功能模型研究

航道运行状态评价与研判是内河航道科学运维的重要前提。以内河航道基础设施为研究对象，基于经典的JDL(Joint Directors of Laboratories)融合功能模型，构建了内河航道多源信息融合功能模型；阐述各功能模块的基本原理，明确了信息在模型中的动态流向；通过兴趣反馈机制处理海量异构数据，保障功能模型的稳定性与时效性。针对内河航道信息多源异构的特点，从数据检测、过程优化、智能计算3方面对信息融合算法进行概述总结，为内河航道基础设施运行状态智能化监测提供了理论与决策支撑。     

基于模糊加权的分布式IMMJPDA算法

提出了一种基于模糊加权的分布式交互多模型联合概率数据互联算法.该算法在融合中心采用模糊加权方法对不同传感器关于同一目标的模型概率、状态估计及其协方差进行融合,而模糊权值为各传感器关于各目标的状态估计协方差的迹的隶属度.最后通过计算机仿真验证了该算法的正确性和有效性.     

Matlab在液浮陀螺随机漂移建模中的应用

介绍陀螺随机漂移数据处理与模型建立过程,基于时序建模理论并结合实测的液浮陀螺随机漂移数据,利用Matlab自带函数,建立液浮陀螺随机漂移的平稳时间序列模型,避免了繁琐的编程,减少了建模的计算量,有效提高了模型的精度和效率.     

船用光纤陀螺动态建模方法研究

提出了一种基于沃尔什函数(Walsh)的船用光纤陀螺动态建模方法,引入沃尔什函数可直接由光纤陀螺的时域动态标定数据得出其动态模型微分方程或连续传递函数的系数．文章有效解决了沃尔什矩阵的产生、沃尔什变换时信号采样点的选取等问题．仿真及实测数据的研究表明,该方法获得了良好的建模效果,可以应用于建立光纤陀螺的动态模型．     

基于多源异构数据融合的船舶目标检测与跟踪技术研究

随着内河船舶通航密度加大,面向水上船舶智能化安全监管,提出了一种多源异构传感器融合的船舶目标检测及动态跟踪方法,重点分析了图像目标检测和多源数据融合算法。针对图像目标检测,提出了基于边缘检测的三帧差分法与基于混合高斯背景减除法相结合的船舶视频目标检测算法;针对多源异构数据融合,优化了一种正态性隶属度函数计算模糊矩阵的方法,实现了在动态视频修正下的激光点云数据与AIS数据的船舶轨迹特征融合,并通过空间矩阵变换实现投影到同一坐标系,最后利用卡尔曼滤波算法实现了目标的动态跟踪。通过该方法研发了一套基于多传感器融合的船舶态势主动式智能感知系统,经系统分析,该方法比传统人工检测及单一监测手段都具有更好的环境适用性和检测精度。     

GPS在移动机器人导航定位系统中的应用

为了获得移动机器人定位数据的真实性，减少各种随机误差对定位精度的影响，通过运动载体当前统计模型，取位置作为观测量建立移动机器人动态定位模型，同时针对传统卡尔曼滤波的不足进行了分析，提出自适应卡尔曼滤波算法，该算法始终保持噪声模型接近于真实模型，从而较好地解决了GPS动态定位中状态噪声与观测噪声建模不准确和时变问题，在此基础上，通过模拟噪声和轨迹曲线，进行了仿真，结果显示效果显著。     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法,该方法是将多传感器的测量数据进行自组织聚类,从而实现测量数据的关联,利用融合估计完成对多目标的状态估计.计算机仿真结果表明了该算法的有效性.     

Maritime accident risk estimation for sea lanes based on a dynamic Bayesian network

ABSTRACT

The safety of maritime transportation has become increasingly important with the development of international economics and trade. This paper introduces a dynamic Bayesian network (DBN) model to facilitate the estimation of the dynamic emergency risk in sea lanes. The DBN model is a novel model that can efficiently represent and infer complex stochastic knowledge. To construct this model, available data, which were collected from emergency investigation reports by the International Maritime Organization (IMO), are employed in conjunction with expert knowledge to develop and demonstrate a BN; an evidence theory approach is applied to calculate the prior probability with the help of historical data; the conditional probability is learned by the expectation maximization (EM) algorithm; and the transition probability is obtained by a Markov model. Finally, the Viterbi algorithm is adopted to estimate emergency risk. The emergencies that occurred in the Indian Ocean from 2009 to 2018 were used as a case study for risk estimation. Sensitivity analysis was conducted to identify significant influential factors. The results show that the sea lane risk in the Indian Ocean fluctuates within a small range, presenting an overall downward trend over time. These findings provide a reference for maritime stakeholders to make proper decisions.     

Experimental Investigation of TARMAX Model for Modeling of Hydrodynamic Forces on Cylinder-like Structures

A new approach that models lift and drag hydrodynamic force signals operating over cylindrical structures was developed and validated. This approach is based on stochastic auto regressive moving average with exogenous (ARMAX) input and its time-varying form, TARMAX. Model structure selection and parameter estimation were discussed while considering the validation stage. In this paper, the cylindrical structure was considered as a dynamic system with an incoming water wave and resulting forces as the input a...     

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.     

平台式惯导系统三点校的常值误差解析

为估计和补偿各种误差源引起的综合校正误差,针对平台式惯导系统综合校正中的三点校,从理论上分析了外界测量信息误差和惯性平台水平误差对陀螺常值漂移综合校正效果的影响,并对受外界测量信息误差影响的三点校过程进行仿真。研究结果表明:"三点校"对陀螺常值漂移的估计误差,与重调时刻的量测误差、惯性平台水平失调角均呈线性关系,提高外界测量信息和惯性平台水平测量精度,是提高三点校精度的关键。     

机动对SINS对准中惯性仪表误差估计的影响

为了尽可能估计出捷联惯导系统中惯性仪表的误差,建立捷联惯导系统误差方程和量测方程,运用传递对准技术,构建了速度匹配方式下的Kalman滤波器模型,研究了线加速和拐弯机动下对惯性仪表误差估计的影响,并对计算机仿真结果进行比较分析,仿真结果表明:线加速情况下可以提高陀螺漂移误差的估计精度,拐弯情况下可以提高加速度计偏置误差的估计精度。     

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.     

A new source number estimation method based on the beam eigenvalue

Most source number estimation methods based on the eigenvalues are decomposed by covariance matrix in MUSIC algorithm. To develop the source number estimation method which has lower signal to noise ratio and is suitable to both correlated and uncorrelated impinging signals, a new source number estimation method called beam eigenvalue method (BEM) is proposed in this paper. Through analyzing the space power spectrum and the correlation of the line array, the covariance matrix is constructed in a new way, which is decided by the line array shape when the signal frequency is given. Both of the theory analysis and the simulation results show that the BEM method can estimate the source number for correlated signals and can be more effective at lower signal to noise ratios than the normal source number estimation methods.     

陀螺支承结构的声信号提取及其频率特性分析

针对目前缺乏陀螺支承结构故障在线检测方法的现状,分析了通过检测声信号来分析陀螺支承结构故障的方法.提出了陀螺声信号频率与陀螺马达转速间的关系,并建立了测量数据模型.根据陀螺声信号微弱、测量噪声复杂的特点,提出利用相参处理技术提取陀螺声信号多普勒频率的方法.对某型电控罗经的实验测量结果表明,相参处理技术能够提取微弱的陀螺声信号,验证了陀螺声信号频率与陀螺马达转速间的关系,得到了陀螺支承结构声信号的频率特性,为进一步研究故障检测算法提供了基础.     

长航时捷联惯导系统综合校正方法

针对捷联惯导系统长时间工作时导航误差随时间发散的问题,提出一种适用于长航时捷联惯导系统的综合校正算法.首先建立了惯性系下的φ方程,在此基础上推导了陀螺误差引起的惯性系下φ角增量表达式,并通过φ角增量与观测量（位置误差和航向误差）之间的关系,建立起陀螺误差与观测量之间的关系,进而利用不定期获取的参考位置和航向信息计算陀螺漂移并进行修正.理论和实验分析表明,所提出的综合校正方法明显地抑制了捷联惯导误差随时间的发散,可有效提高长航时捷联惯导系统的导航精度,且该方法不受载体运动和纬度变化的影响,具有很强的工程实用价值.     

DOA估计中MUSIC算法与ORPD算法的联合应用

ORPD算法是一种对来波方向（DOA）估计的最佳分辨方法，但这种算法需要预知信源的大致方位。多信号分类（MUSIC）算法对DOA估计稳定性较好，伪峰情况基本不存在，精度较高，但其分辨能力不如OIWD算法。利用MUSIC算法较好的稳定性，首先预测信源的大致方位，然后利用OIWD算法对DOA进行估计。仿真结果表明，这种方法是比较有效的。