基于DFI一体化网络的水下抗干扰目标跟踪方法

由于水下环境的特殊性,水下机器人容易受水流、可见光反射、遮挡等复杂水下环境影响,从而干扰目标检测器的性能,进而使跟踪算法效果下降,影响跟踪效果。针对这一问题,提出了一种基于目标检测特征提取一体化网络（DFINetwork）的水下抗干扰目标跟踪方法。在传统YOLOv3检测网络基础上,设计了特征提取网络,通过卷积和最大池化运算,输出目标特征信息,并将状态向量维度扩充为10维,同时针对扩维状态向量,构造了扩维滤波器,进而通过后续匹配、跟踪控制等步骤,实现了水下机器人在干扰环境下的目标跟踪。使用标注的水下目标跟踪数据集对所提算法进行测试,并与YOLOv3算法进行对比验证。测试结果表明,与原版YOLOv3算法对比,所提出的算法以2FPS的较小帧率损失,将跟踪精度提高了30%以上。     

波长可调的低噪声全固态黄绿光激光器（特邀）

报道了一种808 nm激光二极管端面泵浦Nd:YAG激光晶体/腔内倍频的波长可调、低噪声全固态黄绿激光器。基于L型折叠谐振腔结构的优化设计,不但使谐振腔对热焦距具有动态热不灵敏性,而且补偿了折叠型结构和凹面反射镜引起的光束像散。基于布儒斯特片的布儒斯特角调节,实现对Nd:YAG晶体受激辐射产生的1 112.62 nm、1 116.70 nm和1 123.24 nm三条谱线的选频和单一波长基频光腔内振荡;调节单一波长基频光的p偏振方向与双折射单晶玻璃光轴之间的夹角,通过压缩纵模个数,实现对该波长基频光的滤波。在此基础上,通过Ⅰ类角度相位匹配LBO晶体腔内倍频,分别获得了556.31 nm、558.35 nm和561.62 nm三个波长可调、高稳定性、低噪声的黄绿激光输出,对应最大连续输出功率分别达到了678 mW、653 mW和606 mW,光光转换效率分别为8.47%、8.16%和7.58%。在输出功率均为500 mW时,功率不稳定度分别为±0.42%、±0.38%和±0.49%,对应激光噪声分别为0.69%、0.51%和0.96%。     

基于双通预脉冲清洁及腔内频谱滤波的高对比度飞秒激光再生放大器

为了提高再生放大器输出激光脉冲的对比度,需要同时提高激光脉冲纳秒尺度的对比度和皮秒尺度的对比度。利用普克尔盒对主脉冲和预脉冲时间滤波的方法,设计了普克尔盒的双通预脉冲清洁装置,通过该装置使再生放大器输出激光纳秒尺度的预脉冲对比度提高了5个数量级;利用频谱整形方法,通过在放大器腔内适当位置插入频谱整形滤波片使得主脉冲前400 ps处的放大自发辐射对比度提高了1个数量级。最终,在双通预脉冲清洁与腔内频谱滤波共同作用下,再生放大器输出激光纳秒尺度的预脉冲对比度从4.3×10^-4提高到了6.6×10^-10,放大自发辐射对比度(主脉冲前400 ps)从5.0×10^-8提高到了5.0×10^-9。     

基于小波的恒电量瞬态响应信号的滤波处理

利用小波变换的阈值法对恒电量响应信号进行滤波处理, 同时与传统的时域和频域的滤波方法进行分析比较, 并且讨论了小波变换的分解层数对恒电量响应信号滤波效果的影响. 结果表明, 利用小波变换可以在时域和频域同时对恒电量响应信号取得良好的去噪效果. 这不仅能提高时域曲线拟合的精度, 还大大地提高了恒电量频谱解析的可靠性. 在实际应用中, 小波变换的分解层数取5～7层可以收到满意的效果.     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

对"联邦滤波器信息分配系数的优选算法"一文的商榷

介绍了联邦滤波算法和信息分配原理，指出《中国惯性技术学报》第11卷第6期“联邦滤波器信息分配系数的优选算法”一中存在一些问题，说明使用该优选算法进行信息分配，可能使主滤波器方差阵失去正定性；将联邦滤波用于GPS姿态测量，实验表明动态选择信息分配因子，相对于固定信息分配因子的算法并没有明显优势。     

基于新型滤波器-HABF的SINS传递对准仿真

传统动基座传递对准主要采用扩展卡尔曼滤波技术。但在动基座传递对准的非线性、非高斯条件下,这种基于模型线性化和高斯假设的滤波方法在估计系统状态及其方差时误差较大且可能发散。混合退火粒子滤波针对非线性、非高斯系统状态的在线估计问题,提出一种新的基于序贯重要性抽样的粒子滤波算法。在滤波算法中,用状态参数分解和退火系数来产生重要性概率密度函数,此概率密度函数综合考虑了转移先验、似然、噪声的统计特性以及最新的观察数据,因此更接近于系统状态的后验概率。实验仿真结果表明,这种基于混合退火粒子滤波器不仅比扩展卡尔曼滤波提高了传递对准的精度,而且又比传统的粒子算法减少了时间。     

浮筏的主动吸振控制实验研究

浮筏在低频减振方面存在较大不足,而这恰是主动减振的优势.将两者相结合,研究了浮筏的主动吸振控制问题.研制了一种主动吸振器,建立了以DSP F2812为核心的控制系统;提出了符号LMS算法,与广泛使用的滤波x-LMS等算法相比,该算法不需要精确的模型信息;在此基础上设计了自适应前馈主动吸振控制律,并在浮筏实验平台上进行主动吸振控制实验.实验结果表明,通过主动吸振控制,浮筏的低频减振能力得到了显著的改善.     

具有衰减测量和概率通讯延迟的随机非线性系统的事件触发分布式一致滤波

文章针对传感器网络下一类具有衰减测量和概率通讯延迟的随机时变非线性系统,研究该类系统的分布式一致滤波算法设计问题.首先,考虑到传感器网络的拓扑结构,状态估计信息可在相关节点间进行交换.注意到相邻节点间的信息传输会产生概率通讯延迟现象,提出事件触发传输方案旨在减少交换传感器节点之间误差较大的估计信息.每个传感器节点使用相邻节点发送的信息来修正自身的状态,从而构造相应的分布式一致滤波器.通过最小化滤波误差协方差上界的迹来求出滤波器增益以及一致增益.此外,对滤波误差协方差上界矩阵的单调性进行理论分析,并通过数值仿真验证所提出的滤波算法的可行性和有效性.     

存在有界功率扰动和高斯白噪声的滤波算法

传统滤波算法,如卡尔曼滤波,通常对系统模型具有较高的依赖性,需要精确建模才能达到较高的估计精度.而现实场景中由于未知环境因素与建模误差的存在,往往使得估计品质不尽人意.因此针对离散系统同时受有界功率扰动和高斯白噪声影响的滤波问题,提出了一种新的线性时不变的鲁棒最优滤波方法.该方法在保证鲁棒性的同时还能够保证最优均方估计.为了保证鲁棒最优滤波,基于系统级综合方法,并根据误差动力学的系统响应以及干扰和噪声的参数来描述估计性能的上界.并在此基础上,提出了一种数值可处理的新的滤波器设计算法.最后借助测速算例验证了结果的有效性,仿真表明采用该方法得出的滤波算法相比于其它现有方法,能够实现理想的估计品质.