基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS(Inertial Navigation System)为主,与全球导航定位系统GPS(Global Position System)等多个次级导航系统组成的导航系统的实现方案.设计了基于Hopfield神经网络的导航系统的滤波估计算法.经计算机模拟仿真证明,神经网络的算法优于通常的卡尔曼滤波方法.     

基于角度变化率的机动目标单站无源定位

机动目标无源定位和跟踪技术在航空、制导等领域都有着非常广泛的应用,一直是人们的研究热点。文章运用了运动学原理,在传统测角定位技术基础上加以改进,增加了角度变化率信息,并采用IMM算法,实现了单站无源机动目标跟踪。计算机仿真验证了该方法的正确性与有效性。     

模糊自适应滤波在车载组合导航系统中的应用

文章针对车载GPS/DR组合导航系统工作环境复杂,其观测噪声相应复杂多变的特点,引入了一种基于模糊自适应控制的卡尔曼滤波算法。这一方法基于方差匹配的思想,通过模糊控制器在线调整观测噪声方差,以改变滤波器的自适应性,从而提高导航精度。文章最后对GPS/DR系统进行了仿真,结果表明采用此方法后的滤波精度优于常规Kal-man滤波的结果。     

快速卡尔曼滤波算法在目标跟踪中的应用

介绍一种快速卡尔曼滤波算法,对于一般的递归最小二乘自适应算法(RLS算法)来说有着更快的计算速度,同最小均方自适应算法(LMS算法)相比计算量差不多,该算法用统计模型(时间序列)来代替状态方程,大大减少了算法的复杂度,在速度估计的时候采用时间序列模型方法进行速度估计,通过Matlab仿真,证明在一定情况下此方法有效、可行。     

基于Unscented卡尔曼滤波器的地磁辅助组合导航

将船位推算与地磁测量相结合构成组合导航方法.首先建立了推算模型,然后利用Unscented卡尔曼滤波方法,直接将地磁测量的结果用于校正推算结果,进行导航定位.此方法不采用匹配方法进行定位,可进行实时定位,能适用于非线性和离散的地磁模型.仿真表明,此方法能减小定位误差,适用于基于船位推算和地磁定位的实时组合导航.     

卡尔曼滤波在潜艇垂直面运动控制器设计中的应用

潜艇低噪声操纵存在无效用舵现象。简要介绍了滤波信号的表示形式,在潜艇垂直面线性运动方程的基础上,得出了滤波信号的系统模型,并对其进行了离散化处理;将均方差最小线性递推滤波算法引入到输入信号的控制过程中,通过仿真证明对输入信号进行卡尔曼滤波能够提高输入信号的品质,用于工程应用。     

基于二分法的车辆状态参数融合估计

为提高车辆状态参数估计的精度和可靠性,提出一种基于二分法的车辆状态参数融合估计方法。首先,设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后,为了进一步提高估计算法的可靠性和减小单一算法的估计误差,提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法,基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重,利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明,估计结果变化趋势与实际相符,所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。     

船载炮的射击误差分析及消除方法

基于船舶在海浪中运动模型，结合炮兵射击学原理，研究了船舶摇摆导致火炮基座运动以及杆臂效应导致子惯导初始对准误差等因素对火炮射击的影响，分析了传递对准消除对准误差角的效果。仿真表明，低射界射击情况下，纵摇和横摇对射击距离的影响随射程增大而减小；对射击方向而言，纵摇的影响随射程增大而减小，而横摇的影响则随射程增大而增大；由安装偏差所造成的杆臂效应产生的误差角对射击的影响也很明显，其影响随船舶振荡运动的幅度的增加而增大；采用基于卡尔曼滤波的传递对准能快速消除船载炮初始对准角误差，从而提高火炮初始装定射角的准确性。     

卡尔曼滤波算法在空气质量数据校准中的应用

针对自建点实时监控存在的零点漂移和量程漂移导致空气质量数据测量精度受到制约的问题,提出一种基于卡尔曼滤波算法对空气质量数据进行校准的模型。以PM2.5数据为例,结合其他空气质量数据及气象参数经逐步回归得到调整的数据后,使用改进的卡尔曼滤波算法对自建点测量数据进行校准。经同一时间区间内的自建点、国控点测量及校准数据的对比分析表明:通过改进的卡尔曼滤波校准空气质量数据能够很好地跟踪实际数据的变化趋势,平均误差比较小;使用模型将2019年5月、2018年12月数据的均方根误差分别从11.367、27.188降低至修正后的7.555、10.759,精度得到了显著提高。