水下目标多平台协同定位和跟踪方法

提出了一种融合多平台方位观测数据的水下声学目标定位跟踪方法。该方法采用多级多假设跟踪对目标状态进行滤波和关联,第一级基于每个平台波束域检测结果独立使用多假设跟踪方法对目标方位角进行初级跟踪;第二级首先通过多平台联合似然概率估计多目标初始位置,再用多假设跟踪方法对不同平台初级跟踪的方位角航迹进行关联,最后通过关联的角度值和扩展卡尔曼滤波对多目标位置进行序贯估计。仿真结果证明,该方法能以更少计算量实现更优定位性能,优于单级多假设跟踪方法.海试数据处理结果表明,存在较多干扰的情况下,单级方法跟踪过程中丢失目标,而多级方法实现了对目标的全程跟踪,且收敛后定位误差在70m内。该方法可降低噪声干扰对数据关联及目标定位的影响,并通过多平台协同消除线阵的方位模糊,适用于移动多平台声学目标定位和跟踪场景。      

基于强跟踪平方根容积卡尔曼滤波的纯方位目标运动分析方法

针对纯方位目标跟踪系统中模型状态简化、系统噪声统计特性未知、目标初始距离信息不准确导致的滤波收敛时间长和滤波精度不高的问题,以自主水下机器人(Autonomous Underwater Vehicle, AUV)跟踪水下动态目标为例,提出了一种基于强跟踪平方根容积卡尔曼滤波器(Strong Tracking Square Root Cubature Kalman Filter, STFSRCKF)的纯方位目标运动分析算法。该算法在滤波过程中,利用平方根容积卡尔曼滤波器(Square Root Cubature Kalman Filter, SRCKF)完成预测更新,对于SRCKF中的每个容积点采用强跟踪滤波器(Strong Tracking Filter, STF)进行更新,设计滤波增益以抑制噪声对系统状态估计的影响,有效提高了滤波的数值稳定性,减小了状态估计误差。通过仿真分析,比较了扩展卡尔曼滤波器(Extended Kalman Filter, EKF)、无迹卡尔曼滤波器(Unscented Kalman Filter, UKF)、平方根容积卡尔曼滤波器(Square-Root Cubature Kalman Filter, SRCKF)、STFSRCKF的算法性能,实验表明所提算法具有跟踪速度快,精度高等优点。     

自回归状态空间模型下时变声速剖面跟踪方法

讨论了一种适用于浅海的时变声速剖面跟踪方法。该方法将时变水体声速剖面的反演问题建模为由描述声速剖面时变特性的状态方程与包含声压场局部测量信息的测量方程组成的状态-空间模型,提出利用自回归分析拟合方法将声速场扰动建模为高阶自回归演化模型,并通过集合卡尔曼滤波序贯地估计时间演化的海洋声速场。利用2001年亚洲海实验环境与声速测量数据,仿真分析了基于高阶自回归演化模型的时变声速剖面集合卡尔曼滤波估计方法。结果表明,相比于利用传统随机游走状态演化模型的估计方法,该改进方法可有效降低声速的跟踪误差,并且在较低信噪比条件下仍具有较好的跟踪性能。      

基于声强向量法的体积目标被动跟踪和尺度估计

根据体积目标的几个特定部位的辐射噪声特性的不同,应用声强向量方法对它们进行观测,然后,应用卡尔曼滤波器对它们进行跟踪,并实现目标纵向尺度的估计。仿真结果表明：本文方法能在理想模型条件下实现体积目标的各个特定部位的良好跟踪并能完成目标纵向尺度的估计;即使在某一部位不可观测的条件下,该方法也可较好地实现对各个部位的跟踪和目标纵向尺度的估计。     

图像跟踪系统中机动目标预测的实现

针对装甲车上的图像跟踪系统，提出一种机动目标预测方法。将目标的运动分解为2部分，即全局运动和局部运动，并根据各自的动态特性分别进行预测。文章以局部运动预测为重点，通过对机动目标跟踪技术的研究，建立起性能优良的跟踪滤波器，并将其扩展到预测滤波器中对目标的未来运动状态进行预测，从而提出“交互式多模型预测算法”，并对该算法进行仿真，给出速度均方根误差的仿真结果。仿真结果表明:该算法预测精度高、自适应能力强。最后还给出了预测门的计算方法。     

基于小波神经网络的物联网主干光信道估计

传统的正交频分复用技术对正交性要求高且存在频谱资源的浪费,不适合大规模物联网接入5G网的应用场景,偏移正交幅度调制滤波器组多载波技术是该应用场景的一个解决方案,但该技术应用于40～100Gbps光纤主干网时存在固有干扰和光信道噪声的问题,为此提出了基于小波神经网络的物联网主干光信道估计方法。通过最小二乘法对光信道进行初步估计,基于估计的结果和布谷鸟搜索算法初始化小波神经网络的参数;通过伪逆运算动态更新网络的权重参数,从而对信道状态进行实时跟踪,保持较高的估计准确性。实验结果显示,估计方法的效果好于传统的最小二乘估计和最小均方误差估计。     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

观测站非机动情况下的渐进无偏目标跟踪算法

针对无源目标跟踪中将非线性测量方程伪线性化带来有偏估计的缺点,提出了一种基于方位和径向速度联合估计的渐进无偏目标跟踪算法。该算法通过对方位-径向速度组成的伪线性测量方程的噪声协方差矩阵进行约束,使其均方误差达到最小,得到目标状态向量的最小二乘无偏解。仿真和实验结果表明,在观测站非机动情况下,算法能够渐进无偏地收敛到真值,收敛后的距离跟踪误差在5%以内。     

基于估计的风力机最大功率跟踪控制

在额定风速以下,变速恒频风力发电机组应采用可靠控制策略,保证最大风功率跟踪;在不估计风速的情况下,提出一种风力机最大功率跟踪方法;首先,利用状态观测器和非线性扩展卡尔曼滤波,估计风力机最佳转速,采用PI控制器给出风力机转矩估值;其次,以风力机转矩、转速估值为输入,采用风力机转矩前馈控制,在计算风力机最优转速后,给出发电机转矩控制量,从而实现低风速时的最大功率跟踪;在Matlab/Simulink软件上搭建了仿真平台,仿真验证了估计的有效性和控制的正确性。     

红外／雷达双传感器融合目标跟踪算法

实现雷达和红外融合跟踪的基本思路是：首先提取红外成像的目标质心并将其转换到惯性坐标系：然后用最小二乘规则对红外传感器的冗余角度数据进行压缩，以产生在时间上和雷达测量对准的伪角度测量：再通过加权平均的方法分别与雷达的方位角和俯仰角测量进行融合处理，以得到同步数据融合估计。采用了由拉格朗日算法所求得的约束极值作为权系数，使用扩展的卡尔曼滤波方法设计跟踪滤波器，将基于雷达和红外融合得到的数据用于更新滤波器的目标状态。     

高精度光电跟踪系统中伺服稳定控制算法研究

针对光电跟踪稳定平台系统中载机振动、系统参数摄动、摩擦力矩及外部扰动等因素直接影响光电跟踪系统稳定精度的问题,从伺服控制器控制角度出发抑制跟踪系统中的偏差,提高稳定精度,保证其在复杂环境下仍具有强鲁棒性。通过建立光电跟踪稳定平台系统的数学模型,分析干扰力矩、陀螺噪声及系统参数的变化对光电稳定平台的影响,设计了基于新型非线性扩张观测器（novel nonlinear extended state observer,NNESO）和滑模变结构控制（sliding mode varianle structure control,SMVSC）的复合控制策略。理论推导和仿真实验结果表明:此种复合控制策略具备对干扰力矩、外界扰动和系统结构参数摄动的完全适应性和强鲁棒性,对比无新型非线性扩张观测器的控制系统,证明其拥有更高的稳定精度和更快的动态响应,在补偿非线性方面具有良好的效果,可增强光电跟踪稳定平台的抗扰动能力。     

跟踪微分器在陀螺信号去噪方面的应用

为了提高航空光电稳定平台的视轴稳定精度,采用跟踪微分器作为滤波器,对输入信号进行滤波,改善随机噪声对控制精度带来的负面影响。跟踪微分器会产生相位延迟,根据它得到的滤波信号及其微分信号,采用预报方法对滤波后的信号进行补偿。算法不依赖对象模型,计算量较小,易于实现。本文阐述了该算法的离散数学表达式,给出数值仿真分析,并在某型航空光电稳定平台上进行实验验证。结果表明:相较于巴特沃斯滤波器,跟踪微分器提高了阶跃响应的性能,最大超调量减少10.5%,上升时间缩短了4.5 ms,调整时间缩短50 ms。基本满足控制系统的实时性、快速性、稳定可靠、精度高、抗干扰能力强等要求。研究表明跟踪微分器对于航空光电稳定平台的精度提高,有比较好的实用价值。     

基于前馈补偿的并联型光电设备稳定平台伺服控制

以并联稳定平台作为研究对象,介绍了并联型光电设备稳定平台的工作原理。根据交流伺服矢量控制原理,建立了并联稳定平台控制系统的数学模型。为提高系统的响应速度和跟踪特性,引入了基于速度和加速度补偿的前馈控制算法,并进行了并联稳定平台控制算法的仿真研究。结果表明前馈控制应用在并联稳定平台系统中可提高系统的响应速度,跟踪微分器和α-β-γ滤波补偿比位置差分具有更好的跟踪效果。     

精确跟瞄控制技术研究

针对目标跟瞄多功能的需求,将最小方差估计和跟踪控制的思想结合,设计了一种跟瞄控制器,实现了目标位置预测与伺服控制的融合,优化了系统结构。采用基于当前统计模型的改进卡尔曼滤波算法,预测出目标运动状态参数;采用自适应滑模的解算控制方法,实现伺服系统的位置控制。通过仿真实验,系统状态稳定,抗干扰能力加强,通过对数据分析,跟瞄精度明显提高。     

机载光电跟瞄平台动态准确度测试研究

分析了光电跟瞄平台的随动稳像准确度、稳定准确度和瞄准线稳定准确度等,提出了动态准确度的光电测试方法.通过搭建一定的试验环境,测试多传感器光电系统的光电跟瞄平台动态准确度的各项性能指标.研究结果表明,通过光电法测试光电跟瞄平台动态准确度的各项性能指标,可满足测试光电跟瞄平台和光电传感器系统动态瞄准准确度的要求,有利于复杂多传感器光电跟瞄系统的准确度分析与控制.     

车载光电稳定跟踪平台自抗扰伺服系统设计

为了提高光电稳定跟踪平台伺服性能,针对车载光电稳定平台的扰动特点,依据自抗扰控制算法的分离特性,提出一种含有积分补偿项的自抗扰控制伺服系统,系统对指令信号安排过渡过程,即采用最速控制方案。实际摇摆测试结果表明:设计的自抗扰控制伺服系统既保证了车载光电稳定平台稳定误差为0.129 mil（1）,又提高了平台的自动跟踪性能,是一种可应用在稳定跟踪平台系统中的理想控制器。     

基于实时操作系统的光电稳定自适应模糊PI复合控制方法研究

针对经典稳定控制理论存在超调与快速性之间难以调和的矛盾,建立了稳定控制系统数学模型,采用自适应模糊实现控制的快速性,用PI保证系统的稳态精度,以误差为模糊控制的输入,设计一种实用的自适应模糊和PI复合控制系统,并在基于VxWorks实时操作系统的数字平台上得以实现.仿真和试验表明:设计的新型自适应模糊PI复合控制系统超调量为0,调节时间约8 ms,带宽约29 Hz.     

一种光电跟踪复合控制切入反馈控制的误差抑制方法

针对光电系统跟踪目标时由复合控制模式向反馈控制模式切换过程中出现的误差变大现象,从控制原理、仿真及实验方面进行分析,提出采用模式切换时上一时刻复合控制所使用的一阶微分数据,对切换后的反馈控制在速度环路进行常值补偿,使控制模式切换引起的误差显著减小,同时确保跟踪系统在采用该补偿后不增大反馈控制的稳态误差,并对此方法进行了仿真,最后针对某型光电跟踪仪进行航路实验,结果表明该方法行之有效。     

水平线列阵方位—相速度联合的卡尔曼滤波方法*

传统的水下被动测向方法通过波束形成估计目标角度,水平线列阵波束形成中的参考声速应使用声传播的相速度,在被动测向中,由于声源距离未知,因此在对目标角度估计时选取的参考声速与接收阵处的相速度往往存在偏差,从而影响测向精度。本文提出了一种水平线列阵方位-相速度联合的纯方位扩展卡尔曼滤波方法,该方法引入相速度作为估计状态量以此校准参考声速,提高测向精度,进而改善了由于测向误差较大引起的纯方位扩展卡尔曼滤波算法跟踪结果发散的问题。浅海传播条件下的数值仿真结果表明,改进方法较常规纯方位扩展卡尔曼滤波算法具有更高的跟踪精度及稳健的跟踪性能。     

基于滑模变结构控制及预测跟踪的光电吊舱控制方法北大核心CSCD

光电吊舱在稳像和目标跟踪过程中存在摩擦力矩、不平衡力矩等干扰力矩,从而影响速度环响应精度;另一方面,吊舱视频跟踪器图像传输和处理造成的延迟也会造成跟踪滞后,因此必须进行延时补偿。提出基于预测跟踪的滑模变结构控制方法,采用微分预测跟踪器实现对视频跟踪器的延迟补偿,采用预测跟踪器估计出的目标运动角速率构成自适应补偿参数,以调整滑模变结构控制量,改进的滑模控制算法在补偿干扰力矩的同时抑制了抖振现象。仿真及实验结果表明:改进的控制方法能够有效补偿干扰力矩和跟踪器延迟造成的误差,相对于传统PID控制,其跟踪误差减小为原来的1/3,并且该算法已经在相关系统上得到应用。