多航向传感器信息融合与容错联邦卡尔曼滤波器在舰艇综合导航系统中的应用

不同的航向确定方法呈现不同的误差特性,通过多航向传感器的信息融合能够获得更稳定、准确的航向测量。本文提出了一种包含多个航向传感器数据融合和故障容错联邦卡尔曼滤波器的组合导航方法。该方法能够实现多个航向传感器的数据融合,同时还能实现传感器的在线故障检测和实时容错。首先基于输出误差协方差的权值法对航向测量进行最优融合,然后基于状态卡方和残差卡方设计了一个容错联邦卡尔曼滤波器,该滤波器能够检测并隔离故障的航向传感器。实测数据试验表明,该方法能够达到预期的舰艇组合导航系统的故障容错性能。     

一种基于INS/GPS/CNS的全信息导航滤波算法

为解决INS/GPS两组合导航系统因观测信息不完整造成的姿态误差发散、系统稳定性较弱的问题,本文利用CNS搭建了基于INS/GPS/CNS的全观测信息导航系统。通过建立以位置误差、速度误差及平台失准角误差为观测量的系统数学模型,提出一种基于INS/GPS/CNS的全信息导航滤波算法,提高了系统的导航精度,改善了系统的稳定性。试验结果表明,本文所提算法相较于传统两组合滤波算法,各导航参数的精度在不同程度上得到改善,长航时条件下姿态误差收敛、稳定性较高。     

基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

基于滤波器自适应更新的机场目标跟踪算法

机场场面目标跟踪常面临目标遮挡、背景干扰、低分辨率等因素的影响，导致跟踪准确性降低甚至丢失跟踪目标。针对以上问题，研究了基于滤波器自适应更新的机场目标跟踪算法。选取跟踪目标的颜色特征和深度特征，通过插值算子进行多特征融合，再将融合特征与之对应的滤波器进行卷积求和计算各区域置信度，置信度高的区域即为跟踪目标位置。为提高跟踪准确性，利用峰值旁瓣比与平均响应峰值能量建立了跟踪结果校验机制，并设计了1种滤波器自适应更新策略，使滤波器能够自适应调整学习速率，仅在结果可靠时更新。在西南某机场采集的视频数据集上进行测试，结果表明:算法在目标特征不明显或发生变化时具有更好的性能，在目标遮挡和背景干扰等9种因素下的跟踪性能有较大提升，整体精确度和成功率分别达到0.834和0.828，较原ECO算法分别提升了11.35%和11.29%，且均优于文中提到的其他5种经典算法。      

应用于捷联惯性姿态测量系统的EFRLS算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散。针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性。     

船舶远程监控数据的动态采集方法

为了提高对船舶的远程监控能力,提出一种基于多传感器组网及融合跟踪识别的船舶远程监控数据动态采集方法,构建船舶远程监控数据采集的无线传感器网络模型,进行传感器节点的自适应分布式优化定位设计,采用量化融合跟踪方法进行船舶远程监控数据挖掘和特征提取,构建反馈均衡滤波器进行数据采集后的抗干扰滤波处理,提高数据采集的干扰抑制能力,结合数据挖掘算法实现对船舶监控数据的动态采集。仿真结果表明,采用该方法进行船舶远程监控数据采集的准确性好,抗干扰能力较强,输出信噪比较高。     

船联网中曲波阈值图像去噪自适应算法研究

随着船联网时代的到来,对于图像的传输质量要求越来越高。本文给出一种改进的曲波阈值图像去噪自适应算法,该算法结合反应扩散滤波器,有效利用曲波变换与反应扩散滤波器的优势,既抑制曲波图像去噪过程中所产生的"虚假"现象,也弥补反应扩散滤波会产生斑点噪声的缺点。