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。     

基于扩展卡尔曼滤波的加速度计特性估计方法

加速度计使用时,通常都需要对其标度因素、零偏以及敏感轴进行标定.为了准确标定加速度计的特性参数,提出了5位置连续测量法,对其不同姿态下的输出进行综合测量,可准确地反映不同姿态下的工作状态以及性能参数.建立了相应的测量模型,根据模型的非线性特性,采用扩展卡尔曼滤波算法(EKF)对实测数据进行滤波处理.实验结果表明,加速度计的零偏、标度因素、敏感轴方向等参数得到了准确标定.     

基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法

针对现有基于电池恒定参数模型的SOC估计方法忽略了工况和SOC对电池模型参数的影响而导致SOC估计误差偏大的问题,本文提出一种将带有遗忘因子递推最小二乘算法与扩展卡尔曼滤波算法相结合的联合SOC估计方法。该方法先利用FFRLS算法在线辨识电池等效电路模型参数并实时修正电池模型,再利用EKF算法和实时修正的电池模型估计电池SOC。实验结果表明,本文所提的SOC估计方法能有效减小电池模型参数变化所带来的SOC估计误差。在脉冲放电、脉冲充电和动态应力测试实验中,最终电池SOC估计的最大误差分别为1.01%、0.87%和1.59%。     

基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题,提出了一种基于扩展卡尔曼滤波（EKF）与机器视觉（VB）融合的道路侧向坡度估计方法。首先,建立含有侧向坡度的车辆2自由度模型,通过EKF估计出侧向坡度与车辆侧倾角的叠加态,由侧向加速度乘以适当增益解耦出车辆侧倾角,得到EKF道路侧向坡度估计值;其次,通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系,得到VB道路侧向坡度估计值;最后,通过数据融合得到最终的道路侧向坡度估计值,使估计结果冗余互补。仿真和实车试验结果表明,该融合算法能够适用于道路侧向坡度变化的坡道,并显著提高了估计精度。     

船舶纯方位无源定位跟踪与数据关联研究

基于传感器的目标定位系统是海洋军事研究的重点领域,传感器部署越密集,采集信息反映目标信息越准确。海上复杂环境中,随着目标移动速度增加,多方位传感器数据会混入各类杂波,某些方位采集数据甚至会丢失,从而导致船舶接收到的数据关联度降低,最终降低目标定位精度。本文重点分析了复杂环境下船舶纯方位无源定位跟踪技术,针对采集信号中的噪声及非线性干扰因素,提出了一种基于多维特征值分解数据关联算法,最后进行仿真。     

卡尔曼滤波在船舶无线传感网络节点定位中的应用

基于无线传感网络的信号传输在海航及海上开发中的应用越来越广,无线节点定位精度对网络的通信性能有较大的影响,无线传感网络中的节点定位技术是海上通信领域研究的重要方向。RSSI是一种利用传感器节点信号强度的定位测量方法,但由于海上的噪声干扰及地形影响,其定位精确度较低,已经越来越不能适应无线传感网络节点定位精度要求。本文将卡尔曼滤波算法应用到以信号强度为观测值的节点定位中,极大地提高了定位精度。     

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。     

船舶MEMS微惯导网络精度技术研究

为了减少误差积累,提高导航精度,通过船舶上的CAN总线网络,利用高精度主惯导系统对低精度的MEMS微惯导系统进行在线修正。根据微惯导网络系统姿态角的误差模型,将惯导系统的角速率输出值作为量测信息设计卡尔曼滤波器,对姿态角修正算法进行了仿真运算,估计出了MEMS微惯导系统姿态角误差。