基于灰色层次分析法的导航系统滤波效能评估

综合灰色理论和层次分析法提出一种滤波效能评估方法。描述了该方法的评估步骤,通过层次分析法确定指标的权重,利用灰色理论对效能进行量化评估。最后给出一个实例进行计算。结果表明：基于灰色层次分析法的导航系统滤波效能评估方法是有效的。     

飞艇与无人机协同对海上运动目标定位跟踪研究

为实现飞艇、无人机协同对海上运动目标定位跟踪,通过一系列坐标转、变换将无人机测得目标位置转换到飞艇相对地理参考系中,并应用改进的Sage-husa自适应卡尔曼滤波实现对目标的跟踪,改进的卡尔曼滤波器是在Sage-husa噪声估计器基础上进行递推推导并引入权值系数,仿真表明,改进的滤波算法稳定性好,精度高,具有较快的收敛性和较强的自适应性。     

自适应算法在单轴激光惯导初始对准中的应用

针对传统的卡尔曼滤波在单轴旋转激光惯导动基座初始对准中当系统噪声和量测噪声未知时,会导致滤波精度下降甚至发散的问题,设计了简化Sage-Husa自适应滤波算法,建立了动基座条件下的单轴旋转激光捷联惯导的误差方程,利用设计的算法进行了仿真,结果表明在误差模型较大时,自适应滤波算法可以很好的提高滤波精度和稳定性。     

一种基于自适应进化策略采样的粒子滤波算法

提出了一种自适应进化策略算法(AES),该算法利用适应度值控制变异步长的自适应调整,从而提高了进化策略的搜索效率和精度。将AES算法和粒子滤波(PF)相结合,提出了基于自适应进化策略采样的粒子滤波算法(AESPF)。该算法将AES应用于粒子重采样,以保证粒子的有效性和多样性。通过仿真计算表明,提出的算法可以有效提高滤波性能。     

粒子滤波在机动目标自适应参数辨识算法中的应用

针对目前机动目标跟踪算法无法有效跟踪反舰导弹末段机动的问题,提出一种引入粒子滤波算法的参数辨识模型.通过仿真分析目标作匀速圆周运动情况下该算法的跟踪性能.结果表明,该算法可有效提高跟踪收敛速度和精度,具有一定工程实际意义.     

自适应网格交互多模型不敏粒子滤波算法

将一种变结构多模型算法——自适应网格交互多模型(AGIMM)算法和不敏粒子滤波(UPF)算法相结合,提出了自适应网格交互多模型不敏粒子滤波算法(AGIMMUPF).该算法通过自适应网格实现了模型自适应,从而以较小的模型集合覆盖了目标大范围的机动,并以此来克服固定结构交互多模型粒子滤波(IMMPF)算法存在的缺陷,同时各模型滤波算法采用不敏粒子滤波(UPF)算法,使重要性密度函数融合了最新量测信息,更好地逼近真实状态的后验概率分布.通过计算机仿真证明,提出的算法可以有效提高IMMPF的费效比.     

基于观测器的半主动悬架仿真和实车控制

基于Kalman滤波算法设计了一个状态观测器,利用测得的簧载和非簧载质量加速度信号估计半主动悬架的簧载质量绝对速度以及簧载和非簧载质量之间的相对速度,并且基于这两个速度构建了天棚控制策略.仿真和实车试验表明,该状态观测器能较准确地估计这两个速度信号;与被动悬架相比,天棚控制有效提高了悬架的平顺性.     

安全阀试验台的研制

介绍了安全阀试验台的用途、系统组成以及测试原理.     

舰船多目标识别中的一种抗碎云干扰方法研究

随着计算机图像处理技术的飞速发展,各种智能化的目标检测设备已经被广泛应用在舰船目标的识别中,通过采用智能目标检测算法,智能设备能够对舰船的特征进行快速学习,然后进行计算机处理后,就能够快速准确地对目标的状态进行判断。但是,在目标数据获取的过程当中,常常会受到碎云的干扰。因此,本文主要介绍了一种改进后的目标识别算法,该算法能够显著降低碎云的干扰噪声,通过加强目标的特征信号,能够在碎云干扰情况下,快速对目标的特征进行定位和提取,通过对有用信号的滤波和模式识别,有效改善了对舰船多目标的识别效果。     

动力定位系统自适应滤波技术

与普通船舶相比,耙吸挖泥船变吃水作业动力定位的滤波器设计,不仅需要考虑到模型偏差,还需要考虑到模型的时变性和突变性。本文采用Sage-Husa自适应滤波和强跟踪卡尔曼滤波相结合的改进自适应滤波算法,前者滤波精度高但自适应能力有限,后者应对突变的能力较强但精度有限。由仿真实验可以看出,二者的有机结合很好地解决了耙吸挖泥船变吃水作业动力定位的滤波问题。