希尔伯特-黄变换应用于宽带信号参数估计

多普勒效应对主动声纳接收信号的根本影响是接收信号相对发射信号的时间延迟和尺度伸缩。在宽带信号体制下对高速运动目标进行参数估计时,利用传统的窄带信号模型会产生模糊,必须采用时间尺度域模型,即利用接收信号和发射信号的相关性实现运动目标距离和速度的估计。宽带信号模型计算量大,计算时间长。希尔伯特-黄变换具有较高的频率分辨率,利用希尔伯特-黄变换对信号进行频率预估计,减小时间尺度域二维扫描的区域和运算量。在DSP硬件平台上实现希尔伯特-黄变换有关算法。     

基于出租车GPS数据的路段平均速度估计模型

为了解决现有基于GPS数据的路段平均速度估计模型应用条件苛刻、难以满足低成本和高精度信息需求问题,考虑不同类型GPS车辆运行特征,设计了两个基于出租车GPS数据估计路段平均速度的改进模型.基于两个改进模型,设计了路段平均速度的融合估计方法.用某城市局部路网的出租车GPS数据验证两个改进模型,并与传统模型进行了对比分析....     

非线性滤波器在动力定位船位估计中的应用

针对动力定位船舶在作业过程中因丢失GPS位置测量信号,从而导致动力定位系统不能正常工作,而使船舶偏离作业点的问题,设计了一种非线性滤波器,它可以利用以前保存的历史数据进行船舶位置的实时估计,从而使船舶在一定的时间内可以维持在作业点附近,当重新获得GPS信号后,又可以快速地进入正常工作状态。为了使历史数据能够更准确地反映船舶的实时位置,利用历史数据相对于作业点的平均偏差对历史数据进行了补偿。最后给出了此非线性滤波器在船舶仿真系统中的仿真曲线,分析表明在有滤波器的情况下,船舶真实位置估计的准确度比没有滤波器的情况下有明显的改善。     

自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法

针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波（AEKF）理论提出了一种矩阵加权多传感器信息融合估计方法。首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性。结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

厚积薄发的中国车

连续蝉联了两年产销全球第一后,2011年的中国汽车产销量成为万众瞩目的焦点,从年初的乐观估计到年中的市场下滑,可以说中国汽车产业让大家着实坐了一次"过山车"。     

基于卡尔曼滤波算法的电机转速精确估计

从无刷直流电机入手建立数学模型，利用卡尔曼Kalman（EKF）滤波原理算法，对无刷直流电机的转速进行精确估计，然后在Matlab环境下仿真，验证卡尔曼滤波算法对电机转速估计的精确性。     

2009年交通行业展会特征分析

根据目前掌握的情况估计，2009年国内智能交通、交通安全和轨道交通类的展览约20个，其中包括已经基本确认，但未公开推广的展会。行业展会是企业营销的重要方式之一，但企业对如何利用这种方式进行营销，缺乏指导性信息，实际效果不甚理想，对行业会展缺乏整体了解和分析可能是原因之一。根据目前掌握的情况估计，2009年国内智能交通、交通安全和轨道交通类的展览约20个，