基于高斯混合无迹粒子滤波的地形辅助导航算法

地形辅助导航是一种利用地形高度信息定位的导航技术,由于地形高度起伏是非线性的,因此地形辅助导航本质是非线性、非高斯贝叶斯后验概率估计问题.粒子滤波因为适合非线性、非高斯估计问题,被引入地形辅助导航领域得到广泛研究和应用,但粒子滤波算法存在粒子匮乏的问题,会影响定位精度.针对此问题,将高斯混合无迹粒子滤波( GMUPF)用于地形辅助导航,该算法用高斯混合模型(GMM)近似粒子分布,用无迹卡尔曼滤波(UKF)估计重要密度函数,不需要做重采样.通过用实际地形数据做飞行仿真实验,结果显示相比粒子滤波,不仅没有粒子匮乏问题,而且所用粒子数更少时估计精度略好.     

平面镜反射辅助视场下相机位姿估计问题的Cramer-Rao下界

针对不通视条件下的相机位姿估计问题,可通过移动平面镜实现相机对目标镜像的多次观测,进而求解相机与目标之间的相对位姿关系。本文研究了该配置下位姿估计误差的CramerRao下界问题,推导了平面镜反射中心透视投影模型中物点、光心、镜像虚拟像点三者之间的共线方程及位姿估计误差理论下界的计算公式,并进行了数字仿真验证。结果表明:增大平面镜摆动角度、减小平面镜到相机的距离或增加平面镜有效移动次数,都可降低位姿估计误差的CRLB。上述结果可为某些不通视条件下摄像测量的现场布设提供可靠的性能指标。     

一种改进RANSAC校验的失效卫星位姿估计回环检测方法

为解决失效卫星位姿估计中视觉SLAM方法回环检测效果差的问题,结合空间特殊的应用环境,提出一种改进RANSAC校验的空间失效卫星位姿估计回环检测方法。首先利用深度学习提取图像的全局特征和局部特征;然后对全局特征进行快速检索,建立回环候选帧集合;最后,将图像网格化并提取优质特征点作为RANSAC算法的随机抽样点集,采用改进的RANSAC算法对回环候选帧集合进行图像匹配校验,挑选出匹配程度最高的作为回环检测结果。实验表明：在牛津数据集上,所提方法与无校验的方法对比,100%准确率下的最大召回率提升了30.6%,说明改进RANSAC校验在回环检测中的有效性;在失效卫星数据集上,所提方法无需预训练,对光照变化的空间场景具有高适应性,和基于词袋模型（BoW）算法相比,缩减时间24.1%。     

基于单个SIFT特征的相对位姿估计方法

位姿估计是精密光测和自动驾驶的基本问题之一。针对自动驾驶等实际应用中,相机在平面上运动,相机位姿的自由度为3的情况,本文提出了基于单个SIFT特征的相机相对位姿估计方法。由于单目相机无法恢复平移尺度,因此相机运动的自由度减少为仅有旋转角和平移角的两自由度。通过观测地面,可以得到包含相机运动和平面法向量的地面单应信息,因此可以通过提取地面同名点估计单应矩阵来恢复相机运动。为了减少RANSAC迭代次数、提高算法效率,引入SIFT特征进行位姿估计。SIFT特征包括2幅图像中同名点图像坐标以及其特征旋转和特征尺度,可以扩充单个点对中包含的信息,有效减少求解单应矩阵所需点对数量。针对平面二自由度运动情况,本文使用单个SIFT特征点对完成单应矩阵的估计,并采用随机采样一致算法对结果进行优化,最终分解单应矩阵得到相对位姿估计结果。在仿真实验及真实实验中与2pt方法和5pt方法进行对比,证明了所提出的方法是有效的。     

基于改进高斯和粒子滤波的海底地形辅助导航

为了提升低分辨率海底地形图下的导航定位精度,提出一种基于改进高斯和粒子滤波的海底地形辅助导航方法。以高斯和粒子滤波为基础,通过高斯过程回归建立海底地形模型以获得有效粒子观测值。在量测更新阶段引入最小均方误差约束从而提升高斯和粒子滤波的估计效率,再进行滤波并最终获得导航输出。该方法能够解决低分辨率海图下数字地形模型不准确问题并提升高斯和粒子滤波在实时计算过程中的运算效率。在某低分辨率海图下进行仿真实验,结果表明:所提出的算法与采用基本粒子滤波和基本高斯和粒子滤波的海底地形辅助导航方法相比,导航定位精度提升了20%～40%,算法耗时降低了30%～40%。     

一种采用足部航姿参考和肩部航向参考的室内个人导航方法（英文）

为了解决传统足部航姿参考系统中航向信息可观性较差的问题,提出了一种采用足部航姿参考系统和肩部电子罗盘的室内个人导航方法。在这种模式下,肩部电子罗盘测量得到的航向信息被直接用于计算足部航姿参考系统的姿态转移矩阵。在此基础上,通过在行人在行走过程中足部处于静止状态时采用卡尔曼滤波器被用来限制惯性导航系统的误差漂移。实验结果显示,本文提出的方法平均位置误差与不使用肩部电子罗盘的方法相比降低了30%左右。     

基于卡尔曼滤波器的数字式捷联航姿系统算法设计

提出了一种基于卡尔曼滤波器的捷联航姿算法,利用加速度及磁航向作为观测量,结合四元数微分方程,采用信息融合手段对姿态信息及陀螺漂移进行修正.半实物仿真结果证明,该算法合理可行,达到了预期效果,为新型数字捷联式航姿系统研发奠定了基础.     

改进的PSO与ACO混合搜索GNSS整周模糊度算法

针对蚁群传统算法在计算GNSS整周模糊度过程中由于缺少初始信息素而产生搜索效率低下问题,提出改进的粒子群(PSO)与蚁群(ACO)混合搜索GNSS整周模糊度算法.在搜索初期,由于改进粒子群算法具备收敛速度快的优势,进行粗搜索获取次优解,并以此来初始化改进蚁群算法的信息素分布,最后完成整周模糊度的细搜索.基于经典算例和实...     

基于多轮升维策略与改进量子行为粒子群优化算法的热导率函数估计方法

将改进的量子行为粒子群优化算法应用于材料热导率函数估计问题中,并提出了一种多轮升维策略对算法的搜索过程进行优化,形成了一种鲁棒性强且高效的反演方法。通过数值实验测试了该方法在测量误差以及系统误差下的表现,并对不同粒子群优化算法的性能进行了比较研究。结果表明,采用的反演方法能够在较大的搜索范围与反演维度下稳定收敛,对测量误差的敏感度较低;提出的多轮升维策略能够使各类粒子群优化算法在热导率函数估计问题中的搜索效率得到提升。     

基于扩展卡尔曼滤波算法的船舶姿态监测预报系统设计（英文）

为提高船舶姿态监测预报系统的测量精度,设计加速度传感器和陀螺仪捷联的惯性导航系统,利用互补处理和反馈调节对传感器输出参数进行校正。为得到精度较高的预估数据,通过广义最小二乘法进行系统辨识建立船舶状态模型和矫正的传感器测量模型,由扩展的卡尔曼滤波器得到最优估计状态。同时设计闭环系统,进一步提高系统的测量精度和预估精度。此外,针对当前监测预报系统普遍存在的软件界面差、交互困难等缺点,设计姿态监测预报友好型界面,可3D动画实时显示船舶当前的运动姿态,并具有数据存储、分析、操作处理等功能。最后,通过实验对不同倾角变化率下实际姿态、测量姿态和预估姿态进行对比,结果表明所设计的姿态监测预报系统具有较高的监测精度和预估精度。     

GPS/INS组合导航系统中的高斯粒子滤波混和算法

采用非线性滤波器的惯性组合导航系统中,非线性滤波器的精度和实时性直接决定了惯性组合导航系统的性能.计算量和精度之间的矛盾是制约粒子滤波在GPS/INS组合导航系统中应用的主要因素.在分析高斯粒子滤波算法原理的基础上,提出了一种高斯粒子滤波混和算法,对系统线性部分采用线性递推方式,对系统非线性部分采用非线性递推方式,从而提高高斯粒子滤波精度和实时性.针对GPS/INS组合导航系统,混和算法利用卡尔曼滤波的线性递推方式进行量测更新,仿真结果表明混和算法在较少粒子条件下,相对高斯粒子滤波算法精度提高20％,滤波时间降低40％.     

基于蜂窝网格粒子滤波的行人导航航向估计方法

为了提高低成本行人惯性导航系统的实时导航精度,针对行人惯性导航系统航向角发散问题,提出一种适用于实时行人导航系统的蜂窝网格粒子滤波算法(CSPF,cellular structure particle filter)。该方法将二维平面划分为紧密相连的蜂窝六边形区域,记录行人运动的历史轨迹信息,采用粒子滤波方法对航向误差补偿量进行估计。蜂窝网格粒子滤波算法在行人惯性导航系统的实验结果表明,引入了蜂窝网格粒子滤波的行人惯性导航方法与常规方法相比能有效改善实时行人惯性导航精度。在二维行走实验中,水平位置误差百分比由5.3%改进到1.7%;三维行走实验中,水平误差百分比由4.2%改进到2.9%。     

混合粒子联邦滤波在多信息组合导航系统中的应用

在组合导航多信息滤波系统的应用中,会遇到部分子滤波器为非线性系统的情况。提出了一种混合粒子联邦滤波方法,把高斯粒子滤波获取多维高斯分布的计算过程融入到联邦卡尔曼滤波结构框架中,并采用该滤波框架解决混合系统的多信息融合问题,该算法在滤波模型的适应性方面要优于传统的联邦滤波。以组合导航多信息融合问题为例,建立了混合粒子联邦滤波模型,对该算法进行了仿真,仿真结果验证了混合粒子联邦滤波的有效性。     

基于修正的Rodrigues参数的EKF算法在姿态估计中的应用

以低成本航姿测量系统为研究对象,针对四元数描述姿态时存在冗余的不足,提出使用三维独立矢量的修正的Rodrigues参数进行姿态解算,利用与其影子参数相互切换的方法解决了修正的Rodrigues参数在描述姿态时存在奇异的问题,根据系统中器件的特点,以陀螺零偏和修正的Rodrigues参数为状态向量,以加速度计、磁强计输出为观测向量建立了基于扩展Kalman滤波的姿态估计算法,避免了利用四元数进行姿态估计时状态误差方差阵产生奇异的问题,并在一定程度上减小了估计算法的计算量。最后通过全姿态以及摇摆基座数据仿真验证了算法的有效性。     

EPF算法在惯导非线性初始对准中的应用

介绍了作为粒子滤波理论基础的递推贝叶斯估计的基本概念,说明了重要性函数对于粒子滤波器的设计是至关重要的。随后,给出了一种将EKF算法作为重要性函数的EPF算法,并提出将其用于静基座条件下的惯导系统非线性初始对准,通过计算机仿真对比了EPF和EKF的估计效果。仿真结果表明,EPF算法较传统的EKF算法对准时间更快,对准精度更高。     

改进的粒子滤波在列车组合定位系统中的应用

为了克服粒子退化现象,将奇异值分解Unscented卡尔曼滤波（SVD-UKF）和粒子滤波相结合,利用SVD-UKF得到粒子滤波的重要性分布,提出了一种改进的粒子滤波算法。该算法将最新观测信息引入到状态估计中,不但使估计精度优于常规的粒子滤波,而且继承了奇异值分解数值稳定性好的优点,因而具有较强的鲁棒性。将该算法应用到列车组合定位系统,与经典粒子滤波进行仿真比较,结果表明,提出的改进粒子滤波算法导航定位精度高,算法稳定性好。     

水下石油管道漏油检测定位的粒子滤波SLAM算法

针对海底石油管道漏油位置检测定位这一问题,提出了捷联惯性导航系统与同时构图定位算法相组合的水下导航定位方法。利用声纳传感器采集石油管道的特征位置信息,在同时构图定位算法的作用下构建管道地图并获得高精度定位信息。然后利用粒子滤波算法将上述获得的定位信息与捷联惯性导航系统相结合,以补偿其位置误差积累。仿真实验结果显示所述组合方法的定位精度较高,达到总航程的0.1%。     

粒子滤波及其在导航系统中的应用综述

传统的扩展卡尔曼滤波方法要求对非线性系统近似线性化,有可能会引入较大的模型误差.应用粒子滤波解决了这一问题.该算法可以直接应用于原系统的非线性模型当中,并且不需考虑系统噪声和量测噪声是否为高斯白噪声,都能得到很好的滤波效果.文中介绍了粒子滤波的理论基础-贝叶斯估计及具体的实现方式-蒙特卡罗方法;指出粒子滤波存在的退化问题,并从减小退化现象入手将重要性采样和再采样方法引入到算法之中;最后阐述了粒子滤波在导航系统中的一些应用.     

基于自适应无迹粒子滤波的SINS大方位失准角初始对准

针对捷联惯导系统大方位失准的情况进行分析,提出了采用了自适应UPF滤波进行初始对准的方法。该滤波器基于强跟踪滤波器的思想,通过引入衰减记忆因子有效增强当前信息残差对系统的修正作用,在一定程度上降低了由于系统简化、噪声统计特性不确定对系统造成的影响,同时较好地克服了UPF中粒子退化的现象。当系统噪声统计特性确定时,自适应UPF水平对准时间比UPF对准时间大约少200 s,方位对准时间大约少150 s,对准结束后,自适应UPF对准的纵摇、横摇以及航向误差均值分别为?0.018?、0.0074?、?0.8609?,UPF对准对应的值分别为0.0209?、0.0189?、1.0983?。当系统噪声统计特性不确定时,自适应UPF水平对准时间比UPF对准时间大约少400 s,方位对准时间大约少450 s,对准结束后,自适应UPF对准的纵摇、横摇以及航向误差均值分别为0.0105?、0.0122?、?0.7304?,UPF对准对应的值分别为0.0454?、0.0278?、2.8174?。仿真结果表明:在系统噪声统计特性确定或不确定的情况下,自适应UPF能在一定程度上提高大方位失准捷联惯导系统的初始对准速度和对准精度。