基于改进UKF的加油机位姿预测方法

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题,提出了一种改进UKF（无损卡尔曼滤波）预测方法。建立了视觉导航系统模型,利用Harris算法检测角点,并用RANSAC（随机序列一致性）算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值,并通过匹配角点所得姿态观测值对改进UKF预测值进行修正,从而实现加油机姿态的高精度预测。仿真结果表明,改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF,所预测误差小于5.8%,满足空中加油精度要求。该算法避免了强干扰引发的预测出错,有效抑制了突发干扰。     

硬管式无人机AAR双目视觉导航算法研究

针对硬管式无人机自主空中加油近距编队阶段的相对位置和姿态估计问题,研究了基于双目视觉的相对位姿估计算法。该算法采用Harris方法提取特征点,并对其进行快速匹配,通过Sampson方法三维重构获得特征点在摄像机坐标系下的三维坐标,以重构误差平方和最小为准则建立目标函数,利用单位四元数法求解位姿参数。最后利用仿真平台验证双目视觉位姿估计算法的有效性。结果表明:相对位置误差低于0.1 m,相对姿态误差小于0.5°,其精度满足自主空中加油相对导航性能要求。     

MS-KF融合算法用于锥套跟踪

针对无人机自主空中加油过程中锥套跟踪,提出一种均值漂移-卡尔曼滤波(mean shift-Kalman filter, MS-KF) 融合算法。分析了基于均值漂移算法的锥套目标模型、相似性度量、锥套目标定位的锥套定位原理;引入卡尔曼滤波器对锥套运动状态进行预测,将锥套运动信息融合到均值漂移算法中,以保证锥套跟踪算法的稳定性和鲁棒性;给出了MS-KF融合算法用于锥套识别跟踪的流程;搭建了锥套跟踪半物理实验验证系统,分别进行MS-KF融合算法用于锥套跟踪的半物理实验验证及数值仿真分析。实验结果表明:MS-KF融合算法可以对锥套精确定位跟踪,无人机3个轴向的跟踪误差保持在0.3 m的范围内,保证了无人机自主空中加油的顺利进行。     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.     

低空无人机航空摄影高度自动测量方法研究

为提高产品外观质量的检测精度和实时性,提出一种基于特征融合的多尺度滑动窗口机器视觉检测方法。在训练阶段,首先提取图像的HOG特征和Lab颜色特征,并采用典型相关分析法(CCA)进行特征融合。接下来,采用支持向量机(SVM)对融合的特征进行训练,生成分类器。在检测阶段,产品外观不同区域对精度的要求不同,为提高检测效率,生成不同尺度的滑动窗口,在每个窗口中都进行图像的特征提取与特征融合。最后,对采集的图像序列进行匹配,实现产品外观划痕的实时检测。实验中,选取不同的特征提取方法进行对比,并分别生成大小不同的滑动窗口,通过分析实验结果,结合检测时间与精度,确定各个区域的窗口尺度。实验表明,与传统的检测方法相比,所提方法在检测精度和实时性上具有显著提高。     

基于时频差的正交容积卡尔曼滤波跟踪算法

针对基于时频差测量的无源跟踪中面临的非线性估计问题, 提出一种正交容积卡尔曼滤波跟踪算法. 该算法在容积卡尔曼滤波算法的基础上, 通过引入特定正交矩阵改进容积采样方法, 在高维状态估计下减小因采样产生的误差, 在没有增加计算量的前提下, 有效提高收敛速度及跟踪精度. 仿真结果表明, 在基于到达时差和到达频差的联合无源跟踪问题中, 与扩展卡尔曼滤波及容积卡尔曼滤波算法相比, 本文所提算法在跟踪性能上有明显提升.     

Variational Bayesian-Based Improved Maximum Mixture Correntropy Kalman Filter for Non-Gaussian Noise

The maximum correntropy Kalman filter (MCKF) is an effective algorithm that was proposed to solve the non-Gaussian filtering problem for linear systems. Compared with the original Kalman filter (KF), the MCKF is a sub-optimal filter with Gaussian correntropy objective function, which has been demonstrated to have excellent robustness to non-Gaussian noise. However, the performance of MCKF is affected by its kernel bandwidth parameter, and a constant kernel bandwidth may lead to severe accuracy degradation in non-stationary noises. In order to solve this problem, the mixture correntropy method is further explored in this work, and an improved maximum mixture correntropy KF (IMMCKF) is proposed. By derivation, the random variables that obey Beta-Bernoulli distribution are taken as intermediate parameters, and a new hierarchical Gaussian state-space model was established. Finally, the unknown mixing probability and state estimation vector at each moment are inferred via a variational Bayesian approach, which provides an effective solution to improve the applicability of MCKFs in non-stationary noises. Performance evaluations demonstrate that the proposed filter significantly improves the existing MCKFs in non-stationary noises.     

基于MARG的无人机抗干扰系统的研究

由IMU或电子罗盘组成的无人机航姿测量系统易受载体有害加速度或周围局部磁场干扰导致姿态角解算不准确。针对该问题提出将自适应扩展卡尔曼滤波算法应用于该系统。在卡尔曼滤波算法中提出引入分段函数构造自适应测量噪声方差阵。相比于传统噪声方差阵的阈值判断方法,该方法提高了传感器信息的利用率,进一步减小了外界干扰对系统姿态估计的影响,最终提高了姿态角的解算精度。最后针对该方法进行了仿真分析和无磁转台实验验证,仿真和实验结果表明,该方法能有效提高无人机航姿测量系统的抗干扰能力,具有一定的应用价值。     

一种新的卫星钟差Kalman滤波噪声协方差估计方法

采用Kalman滤波方法进行钟差参数计算和预报时, 需确定Kalman滤波噪声协方差矩阵. 针对这一问题, 提出了一种新的卫星钟差Kalman滤波噪声协方差估计方法, 通过建立新息的相关函数序列与未知的噪声参数间的线性函数模型, 采用最小二乘法进行噪声参数估计. 采用精密钟差数据进行钟差参数估计和预报分析, 结果表明, 该方法具有较好的收敛性, 并与顾及随机噪声模型的开窗分类因子自适应抗差估计方法进行对比分析, 验证了新方法的正确性和有效性.     

基于优化估计的深度图像修复与误差补偿方法研究

针对Kinect传感器在获取深度图像时存在深度值随机跳变的不准确性问题,基于最优估计的思想,提出卡尔曼滤波与多帧平均法相结合的图像修复方法。首先利用卡尔曼滤波对多幅深度图像进行修复处理,实现Kinect传感器在采集信息过程中随着时间递推,深度值的跳变逐渐趋于平稳的效果;然后基于多幅图像平均法确定最终的深度图像,解决了Kinect获取深度值存在误差导致的不精确问题。实验结果表明,该算法的均方根误差为38.102 5,平均梯度为0.471 3,信息熵为6.191 8,与单幅图像修复效果相比,得到的深度图像边缘更加清晰。     

实时运动结构重建在自主导航系统中的应用

实时运动结构重建是自主车辆、机器人导航、空间探测器自主降落、智能监控等领域中的重要研究课题。目前实时运动结构重建主要存在着特征匹配困难、鲁棒性差、系统无法自动获取初始参数和需要大量人工干预等诸多问题。利用高速CMOS摄像机与惯性传感数据融合提高了运动结构重建算法的精度及其鲁棒性。该算法在扩展卡尔曼滤波框架下是通过融合惯性与视觉传感器的数据来进行运动估计的。对场景中的每一个待估计结构的特征点建立对应的卡尔曼滤波器,以估计其空间三维结构信息。运动估计模块与结构估计模块交替运行,减小了系统运算的复杂度,提高了实时性能。通过对真实场景图像序列的实验验证结果表明,惯性传感器的额外信息能够有效地提高运动结构估计的精度,能够增强算法的鲁棒性。     

利用粒子滤波从雷达回波实时跟踪反演大气波导

粒子滤波(particle filter,PF)是利用蒙特卡洛仿真方法处理递推估计问题的非线性滤波算法,这种方法不受模型线性和高斯假设的约束,是处理非线性非高斯动态系统状态估计的有效算法,适用于雷达回波反演大气波导(RFC)这类非线性非高斯问题.文中分别介绍了PF的基本思想和具体算法实现步骤,最后导出PF反演算法的迭代求解格式.数值试验结果表明,与扩展卡尔曼滤波(extended kalman filter,EKF)和不敏卡尔曼滤波(unscented kalman filter,UKF)相比,PF更适用于RFC这类高度非线性反演问题,可有效提高反演结果的稳定性和精度.     

基于TLD算法的加油锥套跟踪

针对自主空中加油对接阶段锥套跟踪问题,提出了一种基于tracking learning detection (TLD)的锥套跟踪算法。该算法将加油锥套的跟踪任务分解成跟踪、学习、检测3个部分。跟踪模块在LK光流法的基础上添加跟踪失败自检测,筛选出好的跟踪点,跟踪加油锥套;检测模块构建级联分类器,对滑动窗遍历得到的图像块进行分类并返回含有目标的图像块,融合跟踪模块的跟踪框,给出最终跟踪结果;学习模块引入P N约束修正错误样本并学习更新检测模块。利用Creator/Vega Prime软件对空中加油进行视景仿真,在视景仿真视频上测试锥套跟踪算法。结果表明:TLD算法跟踪加油锥套成功率达95.5%,处理每帧平均耗时31.4 ms,能够满足加油锥套跟踪鲁棒性、准确率、实时性的要求。     

高空无人机自动加油对接过程轨迹控制研究

针对无人机在高空自动加油对接过程中容易出现偏差的问题,提出了无人机空中自动加油精准对接的优化控制方案,研究并分析了影响加油锥管与受油接口快速准确对接的主要因素,通过运动轨迹生成器对浮锚加油锥套的运动轨迹进行模拟,无人机的自动飞行控制系统根据轨迹跟踪曲线对无人机的飞行姿态进行调整,引导无人机的受油接口与加油锥管进行精确对接,整个飞行轨迹跟踪控制过程优化了复杂高空环境中无人机加油对接的精准性。通过仿真实验表明,本高空无人机加油对接引导方法提高了空中管口对接的速度与抗干扰能力,可以满足各种复杂高空环境的无人机加油任务。     

Tracking noisy limit cycle oscillation with nonlinear filters

For engineering systems, the dynamic state estimates provide valuable information for the detection and prediction of failure due to noise and vibration. From this perspective, nonlinear filtering techniques are applied to the problem of state estimation of dynamical systems undergoing noisy limit cycle oscillation. Specifically, the extended Kalman filter, ensemble Kalman filter and particle filter are used to track the limit cycle oscillations of a Duffing oscillator using noisy observational data. The noisy limit cycle oscillations feature highly non-Gaussian trends. The efficiency and limitations of the extended Kalman filter, ensemble Kalman filter and particle filter in tracking limit cycle oscillations are examined with respect to the model and measurement noise and sparsity of measurement data. For the limit cycle oscillations considered here, it is demonstrated that the ensemble Kalman filter and particle filter outperform the extended Kalman filter in the presence of sparse observational data or strong measurement noise. For moderate measurement noise and frequent measurement data, the ensemble Kalman filter and particle filter perform equally well in comparison to the extended Kalman filter.     

基于自适应SRUKF的无人机位姿预测方法

针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题，建立了机器视觉和惯性导航相融合的组合导航系统，并提出了一种自适应平方根无迹卡尔曼滤波(adaptive square-root unscented kalman filter, ASRUKF)算法。该算法通过观测值与估计值残差的Mahalanobis距离时刻修正系统噪声协方差，再与采用最小偏度采样的SRUKF算法相融合，从而达到时变噪声自适应抑制，滤波快速且对噪声鲁棒性高的效果。仿真结果表明，相比标准SRUKF，ASRUKF计算耗时减少约38.8%，位移、速度和姿态角预测精度分别提高超过4倍和6倍，且对于时变噪声鲁棒性更强。     

X荧光分析仪中数字基线估计的研究

在数字化X荧光分析仪中,不稳定的基线电压,会直接影响到仪器的性能,造成能量分辨率下降。基于此,利用卡尔曼滤波算法,对数字化后的X射线荧光信号进行基线估计。由于现有的经典卡尔曼滤波、简化sage-husa和改进sage-husa算法模型进行基线滤波的效果都不佳,因此有必要对现有的算法进行改进和优化。提出双重遗忘法,建立新型的基于sage-husa自适应卡尔曼滤波算法模型。实验结果表明,利用该数学模型进行基线滤波,取得了很好的滤波效果。避免了滤波发散和基线收敛缓慢的问题,实现了脉冲基线恢复,提高了仪器的能量分辨率。     

无人机侦察多目标实时定位技术研究

目标定位是无人机侦察系统中至关重要一步。为增强无人机侦察目标定位的实时性、提高定位精度及侦察效率,提出一种多目标实时定位的方法,建立主次目标定位几何关系及坐标转换模型,结合已知数据信息求取各目标大地坐标,并用蒙特卡洛法分析目标定位误差。最后,基于即将组网成功"北斗二代"卫星导航系统对无人机空中定位,同时采用递归最小二乘算法滤波处理,提高了目标定位精度。研究及实验结果表明,北斗导航定位能够有效提高无人机空中定位精度,且有望达到厘米级精度,同时采用RLS滤波处理能使目标定位精度提高10 m左右。该方法能够有效增强无人机定位实时性,提高定位精度及侦察效率。     

A Kalman filter algorithm based on exact modeling for FOG GPS/SINS integration

The Kalman filter is widely applied in fiber optic gyro (FOG) inertial integrated navigation system. To solve the problem of hard acquirement of Kalman filter parameters, a novel algorithm for FOG GPS/SINS integration navigation based on exact modeling is proposed in this paper. The models of inertial sensors using Allan variance analysis are established in proposed algorithm and the precise Kalman filter model is obtained based on the correspondence between Allan variance coefficients and inertial sensors parameters. The simulation and experimental results show that Kalman filter parameters can be obtained for GPS/SINS integrated navigation system precisely and efficiently based on Allan variance modeling method, and the algorithm has reference value for theoretical perfection and engineering applications.     

扩展卡尔曼滤波和不敏卡尔曼滤波在实时雷达回波反演大气波导中的应用

为了改善雷达回波反演大气波导(RFC)方面存在的单时次、单方位角反演的问题,提出利用扩展卡尔曼滤波和不敏卡尔曼滤波的反演算法对大气波导结构的多方位角实时跟踪反演. 在卡尔曼滤波方法中分别给出大气波导结构的参数化方程、观测方程、滤波算法的状态转移方程,最后导出滤波反演算法的迭代求解流程. 在大气波导结构不随时间变化和随时间变化的两种条件下,对扩展卡尔曼滤波和不敏卡尔曼滤波算法进行数值实验. 实验结果表明,不敏卡尔曼滤波更适用于RFC这高度非线性反演问题,它可能今后为大气波导结构多方位角实时跟踪反演的业务化运行提供理论基础与技术保证. 关键词： 大气波导 雷达回波 扩展卡尔曼滤波 不敏卡尔曼滤波