QR_RLS算法的浮点脉动阵结构研究与FPGA实现

随着雷达信号处理技术的不断发展,对实时并行性和处理精度都提出了更高的要求,脉动阵结构是雷达信号处理中一种关键并行处理结构.文中介绍了一种基于QR_RLS算法的浮点脉动阵结构.为了提高运算速度,充分利用资源,引入了自定义浮点格式及该格式下的浮点运算单元的设计,并改进了平方根算法,提高了运算精度.在FPGA上实现了这种脉动阵结构,结果表明这种自定义浮点格式的脉动阵结构在提高了运算精度的同时,降低了相应的资源占用率,对实时信号处理的工程设计具有较高的参考价值.     

一种新的红外目标跟踪方法

提出了一种基于灰度加权和Kalman滤波预测的红外目标跟踪方法。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,增加了描述的鲁棒性。同时,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。实验结果表明,该方法是有效和稳健的。     

一种改进的Mean Shift运动目标跟踪算法

首先研究了Mean Shift算法(均值漂移算法),针对Mean Shift算法在跟踪视频运动物体应用中的不足,提出了将卡尔曼滤波预测的窗口和三帧差法提取的窗口通过加权的方式,产生一个新的检测窗口作为均值漂移算法的检索窗口,同时对核函数带宽和目标模型进行更新。实验表明经过优化的算法,对运动物体跟踪有了明显的改进,有了更好的鲁棒性。     

机动目标单站无源定位中的测量更新CKF-IMM算法

机动目标单站无源定位是一个典型的非线性滤波问题,将一种新型的滤波算法——容积卡尔曼滤波(CKF)应用于IMM算法之中.为进一步提高定位跟踪精度,提出了一种测量更新CKF-IMM算法.该算法利用马尔科夫过程控制子模型间的切换,并采用CKF算法对各模型进行滤波,然后将每个滤波器的输出状态进行概率加权求和,最后对融合状态再进行一次非线性测量更新.结合空频域单站无源定位模型进行仿真实验表明,与传统的EKF-IMM和UKF-IMM算法相比,CKF-IMM算法的估计误差更小、定位精度更高;而测量更新CKF-IMM算法较CKF-IMM算法可进一步提高定位跟踪精度.     

基于改进克隆卡尔曼滤波的视觉惯性里程计实现

视觉-惯性多传感器融合方案可以有效解决GNSS据止环境下的导航问题。为了更有效地处理视觉的相对观测信息,文中研究并实现了一种基于克隆卡尔曼滤波(stochastic cloning Kalman Filter,SCKF)与滑动窗方法相结合的低成本视觉惯性里程计紧耦合算法。开源数据集实验表明,文中算法精度超过了多状态约束卡尔曼滤波(MSCKF)开源代码的效果。     

基于中心差分卡尔曼滤波的SINS初始对准研究

研究了在大失准角条件下,捷联惯导系统初始对准非线性误差模型,分析了扩展卡尔曼滤波算法因对非线性模型线性化而存在的缺点,研究了中心差分卡尔曼滤波算法,提出将中心差分卡尔曼滤波算法应用于捷联惯导系统大失准角初始对准中.仿真结果表明,在水平失准角为小角度、方位失准角为大角度时,中心差分卡尔曼滤波算法同扩展卡尔曼滤波算法相比,提高了初始对准的估计精度和收敛速度.     

基于ARM电池检测管理系统的设计与实现

针对电池组进行充放电时,电池组内每个电池存在荷电状态(SOC)值不一致的问题,设计并实现了电池检测管理系统.提出了基于开路电压法、安时计量法以及卡尔曼滤波算法相结合的SOC值估计方法,通过飞渡电容实现每个电池之间能量的转移,最终使每个电池的SOC值趋向于一致.测试和实验结果表明,电池组进行充放电时,电池检测管理系统能够有效地解决每个电池SOC值不一致的问题,大大地提升了电池的使用寿命和使用效率.     

微幅晃动下车载SINS初始对准技术研究

为了研究微幅晃动状态下车载SINS初始对准技术,本文利用导航计算机采集惯性测量组件输出的比力和角增量信号,在载车初始粗对准之后,分别采用卡尔曼滤波法和参数辨识法完成精对准实验,结果表明在粗对准算法相同、精对准时间相等的情况下,卡尔曼滤波精对准比参数辨识精对准能够获得更好的对准精度,对于工程应用具有一定的参考价值。     

融合激光SLAM实现无人驾驶轮椅空间定位优化

移动机器人空间定位是实现无人驾驶的重要环节,但仅使用单一传感器进行定位会产生定位误差,且误差会不断累积。为提高对移动机器人的空间定位精度,提出了一种融合3种传感器的空间定位方法,即激光雷达（LiDAR）、惯性测量单元（IMU）、光电编码器三种传感器。首先,采用扩展卡尔曼滤波算法融合了基于距离流算法的光电里程计信息、IMU偏航数据信息及双光电编码器的轮式里程计信息;其次,通过对扩展卡尔曼滤波进行差分改进来消除在融合过程中因存在两个绝对姿态信息而产生的振荡现象;最后,在自主搭建的无人驾驶轮椅移动平台上对优化后的定位精度进行了实验验证。经多次重复实验的结果表明,多传感器融合优化后的轨迹在定位偏差最值和绝对误差均值方面均较真实运动轨迹有明显降低,且环境越复杂优化效果越好,表明所提方法可有效提高无人驾驶轮椅的空间定位精度。     

基于光纤惯性传感的变形测量方法研究

为了对地表变形进行实时有效的监测,及时发现其不规则沉陷的规律和趋势,从而确定整个地表移动区域的下沉情况。本文选取MIMU惯性测量单元,布设光纤光栅传感器,设计分布监测网路对地表变形数据进行测量。构造新的指数型阈值小波算法并结合时间序列分析对采集的数据进行去噪处理,显著提高去噪效果,最后利用卡尔曼滤波进行变形体的变形趋势预测。与仿真实验结果对比分析发现,采用这种方法得到的数据准确有效,该方法可应用到地形变形预测的工程实际中。