基于改进交互多模型概率数据关联的机动目标跟踪（英文）

为了提高杂波条件下的空中机动目标跟踪精度,提出了一个改进的交互多模型概率数据关联算法。该算法将交互多模型、去偏转换测量和概率数据关联算法相结合,利用交互多模型算法模型集合间不同模型的相互切换来估计跟踪目标的状态;利用去偏转换测量算法对转换测量误差进行去偏补偿,从而减小观测数据坐标变换引起的误差;利用概率数据关联算法处理数据关联和测量的不确定性。通过将本文的算法和基于扩展卡尔曼滤波的概率数据关联算法进行对比分析和验证,实验结果表明本文提出的算法可以提高机动目标的跟踪精度,且跟踪精度相对基于扩展卡尔曼滤波的概率数据关联算法减少26.38%的位置误差。     

分布式自适应多传感器多目标跟踪算法

为了有效提高复杂环境下的船舶多目标跟踪系统的跟踪性能,提出了一种分布式自适应多传感器多目标跟踪算法。针对分布式融合结构设计了一种在线估计的自适应分配信息系数的方法,将自适应分配算法和动态权值分配算法相结合,实现在线自适应权值分配算法,以解决融合航迹误差低和不稳定性问题。对系统进行建模与分析,对提出的分布式自适应多传感器多目标跟踪算法进行了公式推导。通过仿真表明,改进的自适应算法估计精度提高了20%,同时该方法能够提高多目标跟踪系统稳健性。     

两种多天线GNSS定姿方法的精度分析

基于高精度多天线GNSS基线分量及精度估计结果,实现了两种常用的多天线定姿方法:直接姿态法和最小二乘姿态法。利用一套车载三天线GNSS实测数据和高精度惯性导航系统(陀螺漂移0.005(°)/h,加速度计零偏优于10~(-3)g)输出的姿态结果,深入分析了两种定姿方法的内、外符合精度。实验结果表明:两种定姿所解算的航向角、俯仰角和横滚角的精度分别为:直接法的内符合精度约为0.3°~0.5°、0.3°~1.0°、0.5°~1.0°,最小二乘法约为0.1°、0.2°~0.5°、0.5°~2.0°,即最小二乘法对航向角估计有明显改善,对俯仰角和横滚角改善不明显;两种方法的姿态外符合精度(消除航向系统偏差)基本一致,约为0.08°、0.15°、0.42°,但是最小二乘法得到的航向角系统偏差更小。     

随机并行梯度下降图像匹配方法

基于灰度的图像匹配方法具有匹配精度高等优点, 但在实时性方面还存在不足。本文提出一种基于随机并行梯度下降优化算法的快速图像匹配方法,该方法同时对匹配图像间所有的变形参数施加相互统计独立的随机扰动, 然后计算扰动前后待匹配图像间性能评价函数的改变量, 并用这一改变量对变形参数进行更新, 进行迭代运算, 最终实现快速的最优变形参数估计及图像匹配。将SPGD匹配方法用于对仿真和真实的图像序列中的目标进行跟踪,均证明了该匹配方法能进行正常匹配, 匹配精度和最小二乘方法相当, 但速度要较最小二乘匹配方法快。     

非线性最小二乘跟踪的对偶变量变分方法

最小二乘跟踪方法是近几年提出的一种计算动力系统跟踪轨迹的方法.基于最小二乘跟踪的灵敏度分析算法可以有效避免传统的非线性系统灵敏度分析方法中的病态初值问题,因此其在混沌系统灵敏度分析方面有着重要的应用.针对非线性的最小二乘跟踪问题,首先将其重新描述为带有约束的非线性最优控制问题,引入协态变量并将系统的哈密顿函数表示为关于状态变量和协态变量的函数.然后将目标函数的积分时间离散化,根据对偶变量变分原理,以离散区间两端的状态变量作为独立变量,用Lagrange插值多项式近似离散区间内的状态变量和协态变量,进而将非线性最优控制问题转化为求解非线性方程组问题.这种算法无需对原问题做线性化处理,避免了复杂的线性化过程以及可能因此造成的误差,同时为求解非线性最小二乘跟踪问题提供了新的思路.根据最小二乘方法可以得到两条设计参数有微小变化的状态轨迹,基于这两条状态轨迹可进一步计算出系统关于设计参数的灵敏度,范德波振子作为数值算例验证了该方法在求解最小二乘跟踪问题以及计算非线性系统灵敏度时的有效性.      

互相关DPIV亚像素匹配方法研究

使用传统互相关法对DPIV粒子图像进行粗匹配,取得整像素匹配结果,在此基础上开展亚像素定位方法研究.将最小二乘匹配法应用到DPIV技术中,获得比经典的高斯曲面、二次多项式拟合法更高的估算精度,弱化算法对粗匹配相关测度的依赖性.通过控制初始位置和匹配精度降低最小二乘算法的时间开销.标准图像仿真实验以及在氧化沟模型实验中的成功应用,验证了最小二乘匹配法在DPIV技术中的有效性和可靠性.     

基于递推最小二乘的水下声学应答器在线标定方法

针对水下应答器在线标定问题,提出了一种基于递推最小二乘的应答器标定方法,其在解算间隙不断插入历史数据进行循环解算并引入遗忘因子加快算法收敛。为了提高算法稳定性,在标定最后用改进消元法对结果进行比对,以避免递推最小二乘法结果陷入局部收敛。改进消元法在传统方法基础上加进了声速修正方法以提高定位精度。对影响标定精度的误差因素进行了分析,对标定时不同的航行路径带来的定位效果进行了比较得出最优路径。仿真结果表明,递推最小二乘法不但能够在线估计,而且具有与实时性和高精度特点,具有很好的效果,相比于传统消元法有显著提高。最后在千岛湖实验中,采用所提出的方法对应答器进行了标定,标定精度优于10 cm,保证了水下应答器高精度标定的实施。     

基于椭球曲面拟合的三维磁罗盘误差补偿算法

针对现有三维磁罗盘误差补偿速度慢、需专用转台、野外使用不便的问题,提出了一种建立总磁场的不等边椭球曲面数学模型进行误差补偿的方法.首先根据Poisson方程描述的总磁场测量模型,得出一般椭球曲面模型,然后,采用牛顿迭代法对椭球曲面方程线性化,分别使用最小二乘法和总体最小二乘法计算线性化方程,推导椭球曲面拟合的数学公式,计算椭球曲面参数,最后,利用最小二乘法提出并推导参数初值的计算公式,给出了选取数据点的方法.实验结果表明,仅手持磁罗盘在各象限旋转即可实现误差补偿,航向测量精度可达0.8°,补偿精度与传统的转台补偿基本相同,而补偿方式更为灵活,适用于无转台设备的野外环境测量使用.     

二维弹性新型快速多极虚边界元的最小二乘法

在虚边界元最小二乘法的方程求解中采用新型的快速多极展开和广义极小残值法,提出了一种二维弹性新型快速多极虚边界元最小二乘法的求解思想。基于二维弹性问题原有的快速多极虚边界元最小二乘法的展开格式,通过引入对角化的概念,以更新展开传递格式;相对于原有快速多极算法,该方法可进一步提高计算效率且仍能保证具有较高的计算精度。数值算例说明了该方法的可行性、计算效率、计算精度均较高。     

道路约束条件下的移动机器人跟踪

为提高移动机器人的位置估计精度和跟踪效果,提出一种基于道路约束条件下的移动机器人鲁棒约束H∞滤波(CHF)跟踪算法.首先,将机器人移动的道路网络作为跟踪的约束条件,并利用当前统计模型对机器人的运动进行建模.其次,将道路约束条件作为机器人跟踪的非线性状态约束,利用最小协方差估计推导了鲁棒CHF递推方程.通过拉格朗日乘子法对非线性约束优化估计问题进行求解,并利用约束信息对CHF算法的状态更新过程进行了改进.最后,通过对CHF算法和无约束的H∞滤波算法的跟踪性能进行了对比分析和验证.仿真结果表明,该算法可以实现机器人的跟踪,且跟踪精度优于HF算法.     

一种用于振动陀螺零偏抑制的复合融合算法

针对振动陀螺零偏误差会影响其长期精度的问题,提出了一种可以去突变或奇异信号并保留有效信号的陀螺滤波算法。首先应用小波分析法对原始信号进行分解,高频信号软阈值处理,信号重构,得到粗糙去噪信号;然后采用含遗忘因子的推广递推最小二乘算法对粗糙去噪信号进行最优估计;最后实验表明,采用小波分析和推广递推最小二乘的陀螺融合算法,陀螺零偏稳定性可提高40%左右,比传统小波分析算法可提高20%左右。     

INS/双星/GPS联邦最小二乘滤波容错结构研究

采用联邦最小二乘滤波信息融合的方法对INS／双星／GPS组合导航系统进行了研究，并将联邦卡尔曼滤波的四种典型容错结构应用到联邦最小二乘滤波中，对四种结构的容错性能进行了仿真研究。仿真结果表明：联邦最小二乘滤波能有效提高INS／双星／GPS组合导航系统的精度及容错能力。     

基于GPS伪距单差的舰船相对导航方法

为了测量编队航行中的舰船相对位置信息,从而进行相对导航,研究采用GPS卫星的伪距信息,通过编队通信链,交换目标船和跟踪船的观测到相同卫星的伪距信息,进行伪距单差差分。以伪距差分信息作为观测量,以跟踪船相对目标船的位置信息作为状态量,建立了跟踪船相对目标船的位置信息解算模型,利用最小二乘法解算跟踪船相对目标船的位置信息,以满足编队舰船间的相对导航信息需求。将相对位置信息解算模型和方法应用于实测试验,数据处理结果表明,相对距离测量精度优于0.2 m,方位精度优于5°,相对距离信息完全满足了舰船相对导航的需求,相对方位信息基本满足舰船相对导航的需求。     

应变网络分析的新方法

本文提出了一种处理应变网络数据以确定某点应力状态的新方法,并推导了计算公式.该法主要是运用最小二乘原理,考虑若干约束条件,对应变网络测量数据进行处理,达到充分利用实验信息,提高处理精度的目的.实例表明,效果良好,有一定应用价值.     

基于小波分析与LSSVM的陀螺仪随机漂移建模

为了提高陀螺仪的使用精度,以陀螺仪随机漂移时间序列为研究对象,建立了基于小波分析和最小二乘支持向量机（LSSVM）的陀螺仪随机漂移模型。陀螺仪作为高精度敏感器件,其随机漂移信号具有非线性、弱平稳性等特点,难以补偿。为了提高补偿精度,这里采用小波分析对陀螺仪随机漂移信号进行多尺度分解,利用最小二乘支持向量机方法对重构后的近似序列和细节序列建立非线性子模型,最后将各子模型输出融合作为组合模型输出。最后将该算法用于动调陀螺仪的随机漂移建模,实验结果表明基于该组合算法的非线性模型能够有效地反映陀螺仪的随机漂移特性,建模效果明显优于直接采用LSSVM和ANN建立的模型。     

基于最小二乘的全局信息融合方法在分布式POS中的应用

分布式POS是一种基于惯性/卫星组合技术的多节点高精度时空测量系统,是实现多任务高精度航空遥感载荷成像的关键装置。受阵风湍流、载机机动等外部扰动,柔性长机翼产生多模挠曲变形,导致柔性基线效应,降低分布式POS多传感器信息融合精度。针对大变形机翼柔性基线效应导致的多传感器信息融合难题,提出了一种基于最小二乘的全局信息融合方法。在分布式POS主子传递对准基础上,采用基于最小二乘的正交多项式拟合方法,对分布式POS所有主子IMU的运动信息进行全局信息融合,充分利用各子IMU对应节点间的空间相关性,得到分布式POS各节点全局估计信息,提高分布式POS测量精度。最后,通过分布式POS地面模拟仿真实验验证,所提出的方法与传递对准方法相比,x轴基线精度平均提高了1.893 mm,y轴基线精度平均提高了0.461 mm,z轴基线精度平均提高了2.183 mm,水平姿态测量精度平均提高0.023°。     

基于扩展H_∞滤波的单站无源目标跟踪

针对无源定位与跟踪系统可观测性弱,目标初始状态估计精度低的特点,提出了一种基于扩展H∞滤波的单站无源目标跟踪方法。将扩展H∞滤波算法对被动声纳平台获得的目标方位数据进行目标运动分析,以实现较高精度的水下仅测角目标定位和跟踪,并采用雅克比矩阵来近似处理系统的非线性测量方程。扩展H∞滤波对噪声的不确定性具有鲁棒性,保证滤波算法的数值稳定性,提高跟踪的精度和可靠性。理论分析与仿真结果表明,扩展H∞滤波跟踪速度快,性能稳定,估计精度明显优于扩展卡尔曼滤波(EKF),用于水下运动目标跟踪是可行的。     

基于模糊迭代均方根容积卡尔曼滤波的天基非合作目标跟踪

针对非合作航天器相对导航中测量噪声不确定的问题,提出了一种模糊迭代均方根容积卡尔曼滤波算法,实现对非合作目标相对状态的测量。该算法利用容积点均方根迭代策略和模糊推理系统实时调整改进容积卡尔曼滤波的量测噪声协方差阵权值,修正量测噪声协方差阵,使其接近真实噪声值,从而提高目标跟踪算法的自适应能力,提高了滤波精度。通过建立数学仿真模型,分别采用扩展卡尔曼滤波、容积卡尔曼滤波以及模糊迭代均方根容积卡尔曼滤波进行跟踪仿真,仿真结果表明,与标准容积卡尔曼滤波相比,该改进算法能够提高13.17%的跟踪精度。     

一种磨损预测的优化算法研究

根据机械部件磨损机理复杂、磨损量预测难精确的特点,提出基于免疫粒子群参数优化的最小二乘支持向量机方法预测磨损量.该算法采用免疫粒子群优化最小二乘支持向量机建模参数,避免了算法陷入局部最优解,实现了精确度高、泛化能力强的磨损量预测模型.对轴承钢试件磨损进行了试验研究,试验数据分析结果表明,基于免疫粒子群的最小二乘支持向量机预测方法优于前向反馈神经网络算法、遗传算法及蚁群算法,预测误差较小,具有很好的预测能力.     

截断总体最小二乘法在抑制地磁导航磁力仪随机误差方面的应用

三轴磁力仪的随机误差补偿技术是当前水下地磁导航领域的研究热点。传统上采用最小二乘法或其相关改进方法进行误差修正,是基于假设随机误差为高斯分布或者没有考虑到磁力仪观测方程的病态问题。将总体最小二乘方法与正则化方法结合起来,提出一种截断总体最小二乘法,来处理观测方程两边都存在随机误差的病态问题。仿真结果表明,截断总体二乘法能很好地抑制磁力仪测量中的病态影响,且将经过截断总体二乘法标定前后的残差减小至10 n T以内。此外,比起最小二乘法补偿和总体最小二乘法补偿后的测量数据,经过截断总体最小二乘法补偿后的测量数据更加接近真实值,达到了抑制随机误差的目的。