多惯性导航系统信息融合方法研究

舰船导航领域通常采用多传感器组合的方式保证导航精度,但对于水下舰船而言,由于其传感器种类少、精度低,导航精度水平有待提升。本文结合舰船配置特点,提出一种多惯性导航系统信息融合方法,通过设计Kalman滤波器实现多套惯导设备的信息融合,模拟仿真实验和半实物仿真试验结果表明,相较于单套惯导系统而言,所提方法可以将定位精度提升30%,为水下舰船的长航时高精度导航提供了保障。     

基于粒子滤波的声呐图像目标跟踪算法研究

声呐图像目标跟踪技术在水下UUV作战系统中具有重要意义,由于水声环境复杂,噪声干扰严重,导致声呐目标跟踪效果欠佳。本文针对UUV声呐成像特点,首先给出一种改进的Curvelet变换图像增强方法,可以有效降低声呐图像噪声并在一定程度上增强目标图像的边缘。并此基础上,提出一种基于粒子滤波的声呐目标跟踪算法以获得更为准确的目标跟踪效果。仿真结果表明,相较于传统声呐目标跟踪,该方法具有更好的目标跟踪精度以及鲁棒性。     

基于小波阈值法和LMS自适应滤波法的舰船去噪方法

在海上行驶过程中,为确保安全稳定航行,有必要高度重视舰船去噪的重要性。其中,在舰船去噪过程中,将信噪比增益当做小波基函数的一个重要参数进行研究,可以将改进后的小波阈值算法应用到舰船的背景信号去噪算法中,进而改善去噪的效果。而LMS自适应滤波器则能够结合环境改变对滤波器的系数进行自动调整,结构相对简单且运算量不大,容易满足硬件需求,所以也在噪声对消与信号预测、增强等诸多领域中得到广泛应用。在舰船去噪中,将小波阈值去噪方法与LMS自适应滤波算法应用于其中具有一定的可行性,值得展开进一步研究与探讨。     

一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.     

多径信道下基于等增益合并的盲多用户检测

提出一种多径信道下基于等增益合并约束最优化的盲多用户检测算法，该算法在数学形式上可等效为等增益合并的形式，并可分别由于空间和最小最大滤波的方法来求解，此种算法的优点是不需要估计信道，其性能与信道信息在已知情况下的差别不大，与基于等增益合并的子空间算法相比，基于最小最大滤波的方法收敛速度快，性能更好。     

测深侧扫声呐中干涉图的降噪

介绍了测深侧扫声呐(BSSS)干涉图中噪声的产生原因,对BSSS信号处理中干涉图噪声抑制给出了4种方法:均值滤波、中值滤波、回转均值滤波、回转中值滤波等.在抑制噪声能力、保持干涉图边缘能力以及计算量方面,用实际数据对各种方法进行了分析比较,得出结论如下:均值滤波抑制噪声能力强,中值滤波保持边缘能力强,但这两种滤波方法在复图像域中进行,计算量大;回转均值滤波、回转中值滤波直接对实测相位主值进行滤波,能够解决相位主值2π的模糊问题,计算量小.     

并联型有源滤波器与LC滤波器串联的谐波抑制器

新型电力滤波器采用有源滤波器与LC无源滤波器串联后再与电网并联的混合结构,本文通过理论分析和matlab/simulink仿真分析,验证了有源滤波器与LC滤波器相串联既克服有源电力滤波器容量大、成本高因而缺乏工程意义的缺点,同时改善了滤波,抑制了并联谐振.本文还对有源滤波器的输出滤波器进行了参数设计和仿真,改善了整个系统性能.     

自适应滤波方法在外弹道实时测量中的应用

在对测控网现状分析的基础上，研究出适合测控网的数据融合方法，通过对目标动态模型和观测模型在线识别，实现目标状态参数的最优估计，建立一套完整的数据检验准则，通过对目标动态模型处理，建立高效的数据融合和自适应算法，优化数据结构和计算流程，实现优化处理。     

船舶组合导航系统测量数据预处理技术研究

本文研究了船舶组合导航系统随机测量数据的等权、变权平均测量数据预处理技术及基于数据压缩技术后的滤波方程和应用仿真。最后，讨论了预测数据中扰动值的剔除方法。     

重力图匹配导航方法研究

提出一种利用重力异常信息校正惯导系统的方法按照一定方法将重力实测数据和数字重力图进行相关分析和匹配以得到最优路径,再用位置误差对惯性器件误差进行扩展Kalman滤波估计,最后对惯导系统的导航状态进行修正,得到最优导航状态。