基于简化模型与自适应滤波的车载SINS静基座快速对准

为了实现捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)快速初始对准,根据已有可观测性分析结果,通过理论分析和计算得到了扩展观测量时初始对准系统最优可观测状态量组合,在此基础上简化了对准模型,建立了新的系统方程。针对载车发动机启动或其他情况导致系统噪声无法精确统计,提出了运用基于强跟踪滤波原理的自适应卡尔曼滤波(Kalman Filter,KF)算法抑制滤波发散,加快收敛速度。仿真结果表明运用简化模型和自适应滤波在系统噪声不匹配时具有更快的收敛速度和更高的对准精度,车载实验结果也表明运用简化模型和自适应滤波可以实现快速对准。     

捷联惯导系统中卡尔曼滤波的应用研究

为提高捷联惯导系统初始对准精度,提出将卡尔曼滤波技术应用于系统初始精对准,用以估计系统的失准角和惯性误差。对卡尔曼滤波技术在捷联惯导系统中的应用进行分析,建立捷联惯导系统初始对准误差模型和卡尔曼滤波量测方程。分析不同条件下不同滤波方法的滤波原理和滤波精度。在此基础上,提出一种将预测扩展卡尔曼滤波应用于逆向导航技术的思路,并进行了理论分析和捷联惯导系统自对准流程设计,为后续进一步深入开展惯导系统初始对准奠定基础。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

改进粒子滤波在汽轮机故障诊断中的应用夏飞,郝硕涛

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法。首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题。由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题。进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别。通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

基于粗对准与精对准信号分开探测的对准系统

提出了一种用于光刻装置的对准系统。该对准系统所用的标记包含多个相位子光栅。其中,标记±1级衍射光的光强信息用于产生粗对准信号。在粗对准信号上,通过峰值检测和信号拟合获得最大峰值点,该峰值点即为粗对准位置。同时,在另一光路中,精细子光栅的±1级衍射光的光强信息用于产生精对准信号。利用余弦或正弦曲线对该精对准信号进行拟合,得到一系列的波峰点。距离粗对准位置最近的波峰点即为精对准位置。当精细子光栅的周期足够小时,该对准系统可获得5nm级的重复精度。     

基于姿态跟踪的LINS晃动基座初始对准

为了提高激光捷联惯性导航系统在晃动基座上的初始对准准确度,将惯性仪表数据的低频波动看作载体真实姿态晃动的反映,采用对准算法跟踪这种姿态变化.粗对准在惯性坐标系进行,利用惯性系对准对姿态变化敏感的特性,跟踪载体姿态角变化,确保粗对准误差为小角度;精对准采用标准Kalman滤波,避免了复杂的非线性算法,将两个水平加速引入Kalman滤波的量测向量,利用水平加速度对姿态角变化的敏感性,提高了Kalman滤波对准算法跟踪载体姿态变化的能力.提出了一种晃动基座对准准确度的考核方法,通过激光捷联惯性导航系统车载晃动对准和跑车试验,表明所提对准算法可以在风扰、发动机工作、人员晃动等干扰条件下,实现自对准,对准时间180s,对准重复性为0.04°,跑车水平定位误差达到770m/h,满足高准确度惯性导航设备要求.     

大口径反射镜加工机床在线检测高精度对准方法

本文提出了基于特殊点对靶标的快速对准装置,实现机床加工臂和检测臂初始扫描位置自动高精度复位。靶标由外围区域四组放大倍率标定点对和中心区域大小对准点对组成;对准装置经初次使用前的畸变校正后,每次自动识别靶标区域完成自动对焦;根据外围点对进行放大倍率标定;自动识别中心大小点对并对其进行坐标定位;根据当前点对靶标位置计算与理想位置角度量和平移量偏差,指导机床转台和导轨互相配合,迭代调整直至完成精确对准。实验表明该方法对准精度约为5 μm,优于几十μm的机械定位精度,更利于实现超高精度光学加工的快速收敛,提高大口径反射镜加工效率。     

基于复合光栅的大范围高精度对准方法

提出一种基于复合光栅的对准方法,满足接近式光刻高精度、大范围对准需要。该复合光栅由周期具有微小差异的小周期光栅以及与之相正交的大周期小范围光栅组成。对准过程中,通过对叠栅条纹进行高精度相位解析,实现精对准;通过直接求取大周期光栅位置实现粗对准。由于两个方向上的光栅相互正交,傅里叶变换提取频谱时将不受影响。分别分析小周期光栅的叠栅条纹相位分布,以及大周期光栅的强度分布,实现大范围、高精度对准。推导了基片、掩模相对移动量与复合光栅变化之间的关系。通过计算机模拟对该对准方法进行了仿真分析,考虑噪声的基础上,对准精度可以达到16.5 nm;通过实验系统对该对准方法进行了验证与分析,对准精度可以达到30.19 nm。     

EMD算法在低温超导瞬变电磁噪声抑制中的应用

瞬变电磁信号具有较宽的频谱,为使得超导瞬变电磁信号的接收不产生失真,要求接收信号的超导传感器具有足够高的带宽(100kHz以上),而接收高带宽信号会导致信号的噪声峰峰值变大,传统的滤波(模拟、数字)方法易造成衰减曲线畸变.基于数据驱动的经验模态分解(Empirical Mode Decomposition,EMD)算法能够根据信号本身特性对其进行信号分解和分量选择,具有自适应和不产生波形畸变的特点.本文采用EMD算法分别对数值模拟和野外实测的超导瞬变电磁信号进行EMD滤波处理和分析,结果表明,EMD可以显著压制瞬变电磁信号衰减曲线中的宽频带噪声且波形无畸变.经过EMD滤波的超导瞬变电磁与原始信号相比,信号衰减时间显著延长(从5ms延长至50ms),表明EMD算法能够极大提高瞬变电磁方法对地下深部信息的探测能力.     

基于小波包分解和EMD-SVM的轴承故障诊断方法

针对轴承振动信号具有的非平稳和故障诊断样本数据难以按需获取的问题,设计了一种基于小波包分解和EMD-SVM的故障诊断方法。首先,采用Mallat塔式算法对信号进行降噪,实现信号的小波分解,获得重构后的故障诊断子频带信号。然后,在经典的EMD算法的基础上定义了改进的EMD算法,采用改进的EMD算法对经过小波包降噪的故障诊断子频带信号进行特征提取,从而获得故障诊断特征向量。最后,采用适合小样本分类的SVM进行故障诊断,将经过小波包降噪和EMD特征提取的样本数据用于训练SVM,得到用于故障诊断的多个二分类SVM故障诊断模型,通过投票机制来确定样本数据最终对应的故障诊断类别。在Matlab环境下对轴承故障诊断进行实验,实验结果证明了文中基于小波包和EMD-SVM的方法一种适用于小样本的故障诊断方法,且与其它方法相比,具有诊断效率高和精度高的优点。     

基于经验模态分解的高光谱遥感数据去噪方法

经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。     

激光陀螺滤波评估方法研究

在现有硬件的基础上,通过滤波等软件算法来提高激光陀螺捷联惯导系统对准和导航精度是目前国内外学者所公认的。为了对激光陀螺滤波前后的效果进行准确、定量的评估,设计了Allan方差分析算法,开发了对准-导航及精度分析评估软件,分别从元件级、系统级对其展开了研究,并结合具体激光陀螺捷联惯导设备对其进行了实验验证。     

AR模型辅助SINS／GPS组合导航的实验研究

激光陀螺的随机漂移噪声类似于白噪声,可以采用AR（2）模型进行数字滤波来减小其对激光陀螺精度的影响。首先介绍了AR模型,然后利用IMU单元三组陀螺信号的AR（2）模型给出了车载SINS／GPS组合导航系统误差模型,并在GPS的辅助下,对SINS／GPS组合导航进行了实验研究。最后利用Kalman滤波器对车载SINs／GPS组合导航实际测量数据进行了离线的半实物仿真。实验结果表明,采用AR（2）模型辅助的SINS／GPS组合导航系统能够得到较高的姿态精度,并能有效抑制速度误差的发散。     

利用经验模态分解的高频水声信号滤波方法*

研究了一种高频水声信号的滤波问题,提出了一种改进的经验模态分解加小波阈值滤波方法。首先对信号进行带通滤波处理,再进行经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法对这些频域信号进行滤波,最后对信号进行重构,并转换为时域信号。经数值仿真与试验数据验证表明此方法是可行有效的,与原基于经验模态分解的小波阈值滤波方法相比,本方法滤波效果较好:对不同输入信噪比的仿真信号进行滤波后,本方法的输出信噪比最大提高17.41 d B,滤波后所得信号与加噪前纯信号的相关系数最大提高0.90;对实验数据进行滤波后,不同时间段信号的相关系数最大提高0.62。     

Relevant modes selection method based on Spearman correlation coefficient for laser signal denoising using empirical mode decomposition

Empirical mode decomposition (EMD) is a recently proposed nonlinear and nonstationary laser signal denoising method. A noisy signal is broken down using EMD into oscillatory components that are called intrinsic mode functions (IMFs). Thresholding-based denoising and correlation-based partial reconstruction of IMFs are the two main research directions for EMD-based denoising. Similar to other decomposition-based denoising approaches, EMD-based denoising methods require a reliable threshold to determine which IMFs are noise components and which IMFs are noise-free components. In this work, we propose a new approach in which each IMF is first denoised using EMD interval thresholding (EMD-IT), and then a robust thresholding process based on Spearman correlation coefficient is used for relevant modes selection. The proposed method tackles the problem using a thresholding-based denoising approach coupled with partial reconstruction of the relevant IMFs. Other traditional denoising methods, including correlation-based EMD partial reconstruction (EMD-Correlation), discrete Fourier transform and wavelet-based methods, are investigated to provide a comparison with the proposed technique. Simulation and test results demonstrate the superior performance of the proposed method when compared with the other methods.     

改进的经验模态分解法分离超声多普勒血流与管壁信号

超声多普勒血流信号常包含管壁信号的干扰,准确分离二者对提高血流检测的精度具有重要作用。本文提出两种改进的经验模态分解(EMD)方法,先将含管壁信号的超声多普勒信号分解成多层本征模态函数(IMF),然后根据血流信号与管壁信号的不同特性,对既含管壁信号又含血流信号的IMF分量进行分离处理,最后将各层IMF分量中的管壁成分叠加得到管壁信号的估计,而血流信号可通过原信号减去估计的管壁信号而得到。将本方法用于计算机仿真信号和人体实测的超声多普勒信号,并与高通滤波器法、空间选择性降噪法和原EMD法进行比较,结果表明:本文提出的两种方法能在较大的管壁搏动速度范围内准确地分离血流信号和管壁信号,其平均相对误差比高通滤波器的结果降低了约52%和57%。可见,本文提出的两种方法有望用于血流信号与管壁信号的准确分离。      

Rapid transfer alignment of laser SINS using quaternion based angular measurement

A novel rapid transfer alignment algorithm for laser strapdown inertial navigation system (SINS) is studied. Transfer alignment have typically relied on velocity measurements from the master SINS as the source of alignment information, but lever arm error must be compensated accurately while velocity information is utilized, all most every quaternion based error model is nonlinear, so nonlinear filtering algorithms are need, suffering from computational complex and large error. Aim at these problems, a novel improved rapid transfer alignment algorithm formulation is presented, applying quaternion to built the process and measurement models, the improvement employs a special manipulation of the measurement equation results in a linear pseudo-measurement equation, thus the classical linear Kalman filter is employed to estimate the state, need not lever arm error compensation, results in the reduce of computational burden. Observability analysis of this new transfer alignment algorithm has been done based on the piece-wise constant system (PWCS) method, results show that the presented algorithm can accomplish the initial alignment task perfectly. A transfer alignment simulation system is also developed for the evaluation and analysis of the presented algorithm, simulation results are confirmed with the theoretical conclusion, which can achieve the transfer alignment accuracy about 1 mrad within 10 s.     

基于经验模式分解的拖曳式声纳拖船噪声抵消研究

拖曳式线列阵声纳的拖船噪声具有多途角扩展等特点，并且是一个非平稳过程，使得对该噪声的消除或抑制是一大难点。经验模式分解是一种用于分析非线性非平稳信号的新方法，该方法自适应地将嵌于数据内部的多个固有模式函数逐一分解开来。本文尝试利用经验模式分解方法分离出水听器接收信号中的拖船干扰噪声，从而达到消除干扰的目的。海上试验数据的处理结果充分验证了这种方法的可行性。     

应用经验模态分解和独立成分分析解译岩矿光谱

岩矿光谱由多种矿物光谱混合而成,解译岩矿光谱能够得到岩矿的组分信息,且该方法具有快速、方便、不损坏样品的特点。经验模态分解(empirical mode decomposition, EMD)不能直接分离出混合信号中的源信号,独立成分分析(independent component analysis, ICA)要求混合信号数目不小于其所包括的源信号数目。将EMD和ICA两种方法相融合,首先用EMD分解混合信号得到本征模态函数(intrinsic mode function, IMF),再选择一定数目的IMF与混合信号一起组成ICA的输入数据矩阵,经过ICA运算可以获取单一混合信号中的源信号信息,克服了EMD和ICA两种方法各自的缺陷。研究表明,综合应用EMD和ICA方法可以获取单一混合信号中的源信号信息,混合信号中源信号含量越大,得到的源信号近似值越理想。参与ICA分离的IMF数目决定了分离得到的源信号近似值的数目,并且选择的IMF与混合信号相关系数越大,得到的源信号近似值越理想。运用该方法定量分析岩矿光谱,可以获取组成岩矿的矿物信息,比较适用于野外作业岩矿的快速分析鉴定及成分初步分析。