基于阿尔法系统的舰船综合导航信息融合方法与仿真

介绍了阿尔法导航系统的特点，提出了一种基于阿尔法信息的舰船综合导航方法，具体阐述了卡尔曼滤波数学模型的建立和滤波实现，并利用Matlab软件进行了仿真和结果分析。     

基于扩展卡尔曼滤波的船舶纵向运动受扰力与力矩的估计

基于递推最小二乘法设计并实现海浪干扰力和干扰力矩的成型波滤器,对有色的次优卡尔曼滤波和扩展卡尔曼滤波(EKF)的效果进行对比.通过引入成型滤波器,采用EKF,提高了状态估计的精度,实现对随机海浪扰动力和力矩的估计.仿真结果表明,通过扩展卡尔曼滤波对海浪扰动力和力矩进行估计是可行的.     

SINS／Two-antenna GPS组合导航系统设计及实现方案

研究了SINS(Strapdown Inertial Navigation System)／Two-antenna GPS(Global Positioning System)全组合系统，建立了相应的误差模型和系统观测模型，特别是组合系统下的GPS载波相位双差观测模型。提出了一种扩展的卡尔曼滤波方法。并进行了系统硬件集成设计。仿真结果表明：该设计改善了系统性能，提高了导航定位的精度、可靠性和实用性。     

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。     

基于列车运行安全的青藏铁路大风预测优化模型与算法

为减轻青藏铁路恶劣大风天气对列车行车安全的影响、对沿线风速进行准确地预测预报,运用时间序列法对格尔木-拉萨段16号测风站实测风速建立时序预测模型,并进行多步预测仿真计算.为提高时序预测模型精度,通过改进时间序列法建模流程,引进卡尔曼滤波智能算法,提出了2种适合于不同预测步长和精度的优化算法.预测实例表明:优化算法将时序模型的超前1步预测平均相对误差从4.89%降低为2.51%,超前5步预测平均相对误差从9.77%降低为5.62%,并明显改善了时序模型的预测延时现象.     

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.     

AKF算法在城市快速路行程时间计算中的应用

卡尔曼滤波算法具有动态性、实时性的优点,但在用FCD数据对城市快速路进行行车时间计算中,要求对参数计算值进行实时跟踪与识别,需要使用具有一定跟踪能力的自适应递推算法,如自适应卡尔曼滤波（AKF）算法。文中通过采用AKF算法计算上海市南北高架道路的行程时间,定量证明了AKF算法的高精度。     

基于距离参数化EKF滤波器的纯方位目标运动分析

针对纯方位机动目标运动分析问题,提出一种距离参数化EKF(RPEKF)滤波器设计方法,该方法能够有效降低探测平台与目标初始距离不确定性影响,提高目标运动状态估计滤波收敛性。针对水面目标典型机动形式,给出一种适用于RPEKF滤波器目标机动检测方法,基于评估目标方位角观测误差与目标运动状态协方差矩阵检测目标机动,通过重置滤波器保证目标运动状态估计滤波稳定。数字仿真分析结果表明,本文提出的算法能够实现对水面机动目标运动要素的快速无偏估计。     

基于云计算技术的船舶航向智能控制技术研究

船舶航行的环境十分复杂,环境信息具有比较强的动态性,导致船舶航向变化的频率相当高,当前船舶航向控制技术存在控制精度低、控制速度慢等问题,无法适应船舶高速航行的要求,为了提高船舶航向控制的准确性,改善船舶航向控制效率,设计了基于云计算技术的船舶航向智能控制技术。首先分析当前国内外船舶航向控制技术的研究进展,找到引起船舶航向控制不足的因素,然后建立船舶航向控制的数学模型,并采用改进卡尔曼滤波算法对船舶航向进行估计,从而实现船舶航向智能控制,最后采用云计算技术搭建船舶航向智能控制平台,并进行了船舶航向智能控制仿真实验,结果表明,本文技术可以对船舶航向进行高精度跟踪与控制,船舶航向智能控制误差小于当前其它船舶航向控制技术,且船舶航向智能控制速度更高,具有十分广泛的应用范围。     

基于AKF的组合对准方法在AUV中的应用

针对水下航行器(AUV)初始对准过程中,由于惯性测量器件的测量精度不高,导致系统自对准的精度不高的问题,提出在初始对准阶段采用DVL辅助的组合对准方法,引入 DVL提供的速度信息提高对准的精度.建立AUV中系统的状态方程和观测方程,同时为解决噪声不确定导致滤波器发散的问题,提出将自适应卡尔曼滤波(AKF)用于组合对准中.通过采集到的实验数据验证基于AKF的组合对准方法的精度比较高,将其用于AUV的初始对准中是可行的.