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。     

工程船舶液位测量计算机监控技术的应用

系统论述气，电转换式液位测量技术在工程船舶上的应用，并运用先进的计算机测量监控技术。对测量的模拟信号进行运算处理，从而得到实时相应的液位测量值。同时，利用计算机可显示和打印施工过程中有价值数据和图形，是一种值得推广的液位测控手段。     

小波包方法在车载FSK信号中的应用

FSK信号作为保障铁路安全运行的主要信号制式，在国内铁路上现在有两种，是法国引进的UT信号和国内自主开发的YP信号，小波变换是继傅里叶变换之后的重大突破，而小波包则是小波变换的进一步发展，克服了小波变换的一些不足，本文首先研究了车载FSK信号的特征，再利用小波包对车载FSK信号进行滤波处理，文中，给出了如何确定给定频率的信号在小波包分解树各个分解层中对应节点的算法，在滤波处理过程中，为了处理带内的噪声，也给出了采用阈值的方法来减少带内白噪声，阈值的选取充分应用到FSK信号的小波包分解的特点，最，我们给出了计算机产生的仿真FSK信号和现场采集的FSK信号的两种仿真，仿真结果表明，根据车载FSK信号的特性，小波包方法是处理车载FSK信号的有效方法。     

基于卡尔曼滤波的组合定位技术在现代有轨电车的应用研究

针对现代有轨电车定位系统实时性、高精确度等要求,结合有轨电车工程设计的需求,设计一种新的有轨电车定位系统。系统采用组合定位方式,以GPS定位为主、DR/RFID定位为辅,采用分段式组合定位技术,在满足有轨电车工程中造价低的特点的同时确保列车运行安全。利用坐标转换对数据进行融合,再通过卡尔曼滤波对定位数据进行优化,从而有效地提高有轨电车的定位精度。实验测试结果表明,该方法能够有效地减少有轨电车的定位误差,提高定位精度和系统稳定性,满足行车要求。     

基于轨道约束H∞滤波的 北斗辅助列车定位算法研究

针对列车定位的高安全性和稳定性要求,结合列车行驶的特殊性,提出采用铁路轨道信息对北斗定位数据进行约束的H_∞滤波算法。以模糊自适应"当前"统计模型为基础建立列车运动模型,通过将轨道近似为直线段,建立轨道约束模型。将轨道约束与H_∞滤波器结合实现轨道约束H_∞滤波算法。通过仿真对比分析H_∞滤波与卡尔曼滤波、约束与无约束估计的误差。仿真结果表明:轨道约束在提高算法定位精度方面效果明显,H_∞滤波在列车位置估计上具有鲁棒性优势。验证了轨道约束H_∞滤波算法的有效性,对北斗辅助列车定位的工程应用具有理论指导意义。     

一种基于模型的最佳滑移率计算方法

基于滑移率控制的防抱制动系统(ABS)实现的难点在于确定各种路况下的最佳滑移率。本文基于μ λ曲线的参数模型,应用Kalman滤波理论实时计算了不同路面下的最佳滑移率。根据Kalman滤波新息序列特性,设计了路面跃变监视器,解决了Kalman滤波算法在检测跃变路面时响应滞后的问题。最后通过计算机仿真,验证了基于模型的最佳滑移率估计算法在车辆防抱制动系统中的可行性和有效性。     

卡尔曼滤波在光纤测温隧道火灾监测系统中的应用

公路隧道具有结构封闭且狭长的特殊性,隧道内的环境温度监测系统,需要在保证连续实时测量的同时,不引入额外风险。光纤测温技术具有测量连续实时、现场无需供电等优点,适合用于公路隧道的环境温度监测。所以对测温信号进行合理的处理和分析,提升监测的有效性,是需要重点研究的问题。文中采用卡尔曼滤波方法进行光纤测温系统的滤波降噪,并与现有方法进行比较,由实验结果可得,采用卡尔曼滤波方法的测温系统,其工作效果具有更好的实时性和灵敏度,可对高速公路隧道中的温度异常情况进行及时有效地反馈。     

基于UKF滤波的水下目标被动跟踪研究

传统算法在解决目标被动跟踪时存在有偏、收敛速度慢或发散等不足,文中将无迹卡尔曼滤波(UKF)算法应用到目标的被动跟踪.该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法.根据UT变换的基本原理给出了滤波过程的具体计算步骤并进行了仿真计算.理论分析和仿真结果表明,UKF算法的性能相当于二阶高斯滤波器,UKF算法在目标被动跟踪中的滤波精度、稳定性和收敛时间都优于EKF算法.     

路堤沉降变形的分段预测法

该文针对某路堤深厚软土地基的沉降变形,以一维固结微分方程及实测沉降过程为基础,分析了一维固结沉降的预测模型,探讨了预测模型的辨识和滤波问题。通过分析实测沉降过程线,提出了分段沉降预测法,其精度优于一般预测法。     

�г�ʱ���������ݴ������о�

车牌照匹配技术的广泛应用为行程时间样本数据的精确获取提供了一种可行的方式。但是,由于各种客观原因,采集到的原始数据夹杂着大量的噪声数据,只有剔除了这些噪声数据,行程时间样本数据才能更好地应用于行程时间分析与服务。本文对产生噪声数据的原因进行了详细的分析,回顾了现有的噪声剔除方法,并分析其可能存在的问题;基于交通信息提取计算模型,提出了一种噪声剔除的新方法。以荷兰代尔夫特的一条城市道路为研究对象,基于实际数据对新方法和现有方法进行了对比分析。结果表明,新方法能够更好地剔除噪声数据。