基于深度残差网络的重力数据去噪重构

为有效消除各种干扰噪声对实测重力数据的影响,提高重力数据处理的精度,将深度学习算法应用到重力数据处理中。构建了一种基于深度残差网络的含噪重力数据到去噪重构重力数据的非线性映射网络模型(GraResNet)。通过模型数据和实测数据对所提出的重力数据去噪重构方法进行了试验验证。数值实验表明:相较于传统的IIR滤波方法、FIR滤波方法和小波滤波方法,所提方法能够结合学习到的重力数据特征,有效区分重力信号和噪声信号,从而提高重力数据去噪重构精度。实验结果中,所提方法的信噪比相对IIR滤波和FIR滤波方法提高近一倍,其噪声衰减因子高达0.9387;另外,该方法还具有较好的泛化性和鲁棒性,当重力数据中噪声的幅度增大为原始数据标准差的80%和100%时,去噪结果的噪声标准差降低了78.3%和78.4%。     

基于级联滤波的重力信号处理方法

根据重力信号微弱和非平稳的特点,提出了一种小波滤波器与有限脉冲响应滤波器(FIR)级联的去噪方法.该方法针对噪声特点,在小波强制阈值滤波之后级联一个低阶FIR滤波器以去除色噪声的影响,基于实测重力信号的时域和功率谱处理结果,说明级联滤波能够在含有强噪声的原始信号中提取出微弱的重力信号.该方法既可以抑制小波滤波起始和结束阶段的波形畸变,又省去了FIR滤波需要调整参数的繁琐,具有工程实用性.     

一种基于多参考信号ICA的重力信号提取方法

海洋重力测量包含大量噪声,其中的低频噪声与重力信号频率相近,常用算法难以有效抑制测量噪声提取重力信号。为了有效地消除海洋重力测量信号的噪声,提高信号的获取精度,根据独立分量分析理论,提出一种基于多参考信号独立分量分析的重力信号提取方法。采用经验模态分解将海洋重力测量信号分解为固有模态分量,同时采用卡尔曼滤波以及小波分解等算法处理重力测量信号,将卡尔曼滤波器和小波分解的滤波结果以及由固有模态分量重构的信号作为独立分量分析算法虚拟通道的参考信号,应用基于负熵的独立分量分析算法估计重力信号。基于实测重力信号对该方法进行了去噪试验,理论分析和试验结果表明,多参考信号独立分量分析的重力信号提取方法能有效的抑制干扰和恢复重力信号波形,与常用的重力信号处理算法相比,海洋重力数据的获取精度大约提高了30%。     

自适应Kalman和零相移滤波算法在重力信号处理中的对比

为了有效消除海洋重力仪测量信号的噪声,提高重力数据的获取精度,根据随机过程理论,借助基于二阶高斯一马尔可夫异常位模型的重力异常协方差函数,得到海洋重力测量中重力异常信号的状态方程.对sage-husa滤波算法和零相移算法进行了理论分析,为了抑制零相移滤波器的首尾数据畸变,求解了滤波器的初始状态.根据实测重力数据,进行了去噪仿真试验.理论分析和仿真结果表明,sage-husa与零相移滤波算法均能较好地抑制采样重力数据中的噪声干扰,但零相移滤波算法的性能优于sage-husa滤波器.     

一种用于重力测量信号畸变校正的盲反卷积算法（英文）

强阻尼和大时间常数是海洋重力仪的共同特性,它们在抑制垂直方向上干扰加速度的同时也造成了重力仪测量信号的幅值衰减和相位滞后。为了校正重力测量信号的畸变,获得高精度的重力异常信号,在分析重力仪和重力测量信号畸变原理的基础上,提出了一种单通道Bussgang算法,并应用于重力测量信号的畸变校正。该方法首先将盲反卷积滤波器近似简化为FIR模型,然后采用常数恒模算法对Bussgang均衡器权系数进行更新,并在此基础上对反卷积滤波器进行了估计,最后基于实测重力信号将该方法与Kalman逆滤波进行了试验对比。理论分析和试验结果表明,该重力信号畸变校正方法能有效地消除重力测量信号的畸变,且校正效果明显优于Kalman逆滤波,其校正后信号相对于原始信号的标准差为0.328×10-5 m/s2,而Kalman逆滤波校正标准差为1.838×10-5 m/s2。     

光纤陀螺信号的解耦自适应Kalman滤波降噪方法

针对光纤陀螺(FOG)输出信号的随机噪声问题,提出了一种解耦自适应Kalman滤波方法用于FOG信号降噪。方法采用Allan方差分析法估计量测噪声的方差参数,Kalman滤波过程与量测噪声方差的估计过程完全独立,避免了Kalman滤波器与量测噪声估值器间的相互耦合。利用时间序列分析法对FOG的随机噪声进行建模,并在建立的二阶自回归模型的基础上,采用本文滤波方法对采集的FOG实测数据随机噪声进行了试验验证。与传统方法相比,提出的滤波方法具有更好的降噪效果,噪声均方误差降低40%以上。     

基于数字滤波的激光陀螺数字信号处理算法

基于Sagnac效应的激光陀螺,信号输出为天然的数字形式,高速数字信号处理器为数字滤波提供了硬件平台,在现有研制精度和工艺水平下,激光陀螺输出信号的滤波算法好坏直接影响其精度。采集激光陀螺0.25 ms原始测试数据,并以此为研究对象,首先采用改进的FIR、IIR滤波算法进行了处理,然后从算法的实时性、处理精度等方面讨论了改进算法的优缺点,最后为激光陀螺选定了最优的滤波算法:IIR滤波+13阶FIR滤波。试验表明,相对于34阶FIR滤波,选定的滤波算法在不减低系统精度的基础上,将系统的时延从传统的3.625 ms降至1.805 ms左右,极大提高了制导系统的实时性,具有重要的工程参考价值。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

分形滤波在高精度海洋重力仪数据处理中的应用研究

为有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析基于分形理论的滤波算法基础上,首次将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波进行对比分析,以实际信号数据与处理后信号数据的均方差作为衡量两种数据处理方法好坏的依据。理论分析和仿真实验表明:分形滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,分形滤波的性能优于自适应卡尔曼滤波。     

基于相位补偿的舰船升沉位移测量方法

为了解决舰船升沉信息测量过程中传统升沉数字滤波器存在输出信号相对于实际信号相位超前的问题,提出了一种基于相位估计与补偿的自适应滤波算法。分析了传统升沉数字滤波器输出相位超前的原因,采用加权傅里叶线性组合频率估计算法实时估计输入信号的频率,并设计自适应FIR滤波器对传统升沉数字滤波器的输出进行相位补偿。将自适应FIR滤波器与传统升沉数字滤波器的估算结果进行模拟实验对比。实验结果表明自适应FIR滤波器输出的升沉位移精度达到厘米级,有效提高了舰船升沉信息测量的准确性和实时性。     

一种改良Kalman滤波参数辨识粗对准方法

针对传统基于g信息的粗对准的捷联惯导系统中,受传感器噪声的影响,存在效视运动无法提取和双向量共线的缺点,提出了一种基于改良Kalman滤波的参数辨识粗对准方法。该方法通过构建视在重力在初始载体系中的映射模型,利用改良Kalman滤波进行模型参数辨识,然后通过识别参数重新构建视在重力在初始载体系中的映射,解决了由于传感器噪声导致有效视运动无法正常提取的缺点。利用识别参数具有随估计次数增多得到优化的特点,构造初始时刻和最终时刻向量,避免双向量共线问题。利用改良Kalman滤波算法的自适应特点,优化参数识别精度与速度。转台实验表明,采用改良Kalman滤波方法航向对准精度为-0.0414°,标准差为0.041°,而传统RLS方法得到的航向精度为-0.0738°,标准差为0.128°。由此可知,本文提出的方法性能更优。     

数字信号处理技术在陀螺多位置寻北仪中的应用

在分析陀螺多位值寻北仪工作原理的基础上，采用求平均值和数字滤波处理陀螺输出数据，并比较了寻北结果重复性。试验表明：数字滤波后寻北精度明显提高。为进一步提高寻北精度，比较了数字滤波、AR(2)模型、小波滤波和Kalman滤波四种信号处理方法。结果表明：数字滤波、AR(2)模型和小波滤波均可以提高陀螺输出信号重复性，小波尺度重构出来的信号方差比原始信号方差降低一个数量级，Kalman滤波器使陀螺输出重复性提高30倍。由于这些方法使陀螺输出更加平稳，因而有利于提高指北仪最终寻北精度。     

基于粒子群优化的UKF在SINS/GPS组合导航中的应用

针对组合导航中使用传统Kalman滤波方法时噪声协方差矩阵参数需要耗时耗力反复试验得到的问题,提出利用粒子群优化算法对卡尔曼滤波器的滤波参数Q和R进行寻优后用于组合导航的方法。将滤波参数Q和R作为粒子进行寻优,将粒子群算法优化得到的滤波参数值作为卡尔曼滤波器输入参数,用于SINS/GPS组合导航系统。仿真实验结果表明,12次实验中粒子群算法搜索出的参数均值分别为0.0208(°)/h、94.7827?g,接近所设置的噪声参数值与标准参数值0.02(°)/h、100?g。半物理实验结果表明,在实际系统中,与经验参数值用于卡尔曼滤波器相比,粒子群算法优化得到的滤波参数值位置估计精度提高了15%~30%,从而提高了组合导航性能。     

MIMU信号去噪方法的对比研究

采用“中值平均法“、“FIR数字滤波器滤波法“、“小波去噪“三种不同的方法对MIMU的输出信号进行去噪处理.通过对处理结果的比较研究,证实了小波变换算法在信号去噪处理中的适用性和优越性,并且编写了实时信号处理软件,提高了MIMU的输出精度,从而提高了惯导系统的精度.     

FLP滤波算法在光纤陀螺信号预处理中的应用

在简要地介绍FLP（前向线性预测）滤波技术的基础上,采用该方法对某型光纤陀螺信号进行FLP 实时滤波,对滤波后的数据进行了功率谱密度和Allan方差分析,并把滤波效果与小波变换滤波和IIR数字滤波器的滤波效果进行了对比,得出了FLP滤波能有效的减少光纤陀螺的零偏不稳定性、角度随机游走误差和抑制高频噪声的结论.     

抗野值自适应卡尔曼滤波方法的研究

针对陀螺漂移信号中野值的不良影响。从量测噪声自适应Kalman滤波算法出发，首次提出了抗野值自适应Kalman滤波方法，并在其基础上进行了分析，提出一种改进的算法．通过对某型号高精度寻北仪中的试验证明，该算法能够有效去除寻北仪信号中的野值，提高寻北仪的寻北精度，并且对系统的量测噪声不敏感．     

H∞滤波在无陀螺捷联惯导系统中的应用

无陀螺捷联惯导系统角速度解算精度不高是其难以实现工程化瓶颈问题.为此,首先深入分析了无陀螺捷联惯导系统的角速度解算原理,并推导出了所用加速度计配置方案的角速度解算方程.然后创造性地构建了Kalman滤波器的状态方程和滤波方程,突破了以往采用Kalman滤波时必须引入额外观测信息(如GPS观测值)的模式.在此基础上构建了系统的H∞滤波器,并借助某型导弹的弹道数据,在外部噪声分别为白噪声和有色噪声的条件下对积分法、开方法、卡尔曼滤波器和H∞滤波器进行了仿真比较,验证了H∞滤波器具有较高的解算精度和对系统的不确定性具有良好的鲁棒性.     

基于Elman神经网络和Kalman滤波的捷联惯导精对准

在采用Kalman滤波进行捷联惯导精对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于Elman神经网络和Kalman滤波的捷联惯导精对准方法.首先对已知噪声统计特性的系统进行Kalman滤波,将稳定可靠的状态估值作为网络期望输出用来训练Elman网络,然后再用训练好的网络对未知噪声统计特性系统进行状态估计.利用仿真数据对该算法进行验证,结果表明该算法能够克服Kalman滤波精对准的缺陷,提高了对准精度,尤其是航向角的精度.     

激光陀螺POS惯性数据滤波及时延补偿

激光陀螺作为位置姿态测量系统(POS)的核心传感器,其精度直接决定激光陀螺POS系统精度,围绕机抖激光陀螺信号去噪的需求,基于FIR滤波器建模的方法,设计了FIR数字低通滤波器;针对滤波器导致的信号延迟问题,根据FIR数字滤波器群延迟特性建模,提出了激光陀螺POS数据时延补偿方法。静态实验结果表明,设计的FIR数字低通滤波器降低了激光陀螺抖动噪声功率达80dB。进一步通过飞行实验表明,提出的方法降低了激光陀螺POS系统姿态角误差,与POS/AV510相比航向角误差由0.017°降低到0.01°,俯仰角误差由0.007°降低到0.005°,横滚角误差由0.016°降低到0.005°,满足了机载InSAR对激光陀螺POS精度要求。     

基于自适应时频峰值滤波的光纤陀螺去噪算法

为减小光纤陀螺输出信号噪声、提高惯导系统精度,提出了光纤陀螺信号自适应时频峰值滤波算法。对光纤陀螺信号进行初始变换并调制,采用伪Wigner-Ville分布对调制信号进行时频分析,给出了一种自适应的伪Wigner-Ville分布最优窗长获取准则,通过局部峰值搜索实现编码信号的瞬时频率估计进而还原出有用信号,实现了光纤陀螺噪声的去除。详细对比了小波方法与自适应时频峰值滤波算法并分析了两者的去噪效果。仿真结果和实际数据验证表明:自适应时频峰值滤波算法能有效减小光纤陀螺输出噪声,信噪比比小波滤波改善1³ dB;特别对于高动态信号,该算法滤波后的信号能够有效地跟踪原始信号。