基于改进总方差法的MEMS陀螺随机误差分析

对陀螺仪随机误差的分析通常采用Allan方差法,但用该方法分析随机误差时,存在长相关时间下震荡较大的问题,传统总方差法解决了这一缺陷,但同时也带来了计算量大的问题.为了解决这一问题,首先介绍了3种采样方案,在分析Allan方差法和传统总方差法的基础上,提出了改进的总方差法,并对MEMS陀螺随机误差进行分析.分析结果表明...     

基于序贯检验的激光主动成像目标探测方法

针对激光主动成像图像信噪比较低、目标难以被实时探测和识别的问题,提出了一种多通道序贯概率比检验(SPRT)的激光主动成像目标探测方法。基于原始观测数据,构造对数似然比检验,给出似然比判据及阈值的计算方法。结合激光主动成像的多通道特性,采用序贯概率比检验,在给定虚警概率和检测概率的情况下,对仿真的强度像和距离像通道进行探测。理论分析和实验结果表明,该方法能够实现对激光主动成像图像中目标的可靠检测,且具有检验速度快、所需样本少以及可在线计算等优点,可以满足激光主动成像制导中目标探测的准确性和实时性要求。     

自动控制原理中频域串联校正的教学探讨

对自动控制原理课程中频域串联校正的教学内容和思路进行探讨。基于系统期望开环伯德图,阐述了滞后环节和超前环节的有利和不足。以一个系统的完整校正过程为例,给出补偿环节的类型和幅穿频率的选择,提供环节参数的公式计算,使读者能够对系统串联校正这个复杂工程问题获得更深入和全面理解。最后,描述了我校自动控制原理课程的改革措施和实践效果,给频域串联校正教学提供一个参考。     

一种多源试验条件下惯导误差系数融合的新方法

为充分利用各种系统级试验信息提高惯导系统误差模型准确性,提出一种多源试验条件下惯导误差系数融合的新方法.根据各试验中误差系数对总误差的贡献比重来确定误差模型中可分离的误差系数.然后将各试验中分离出的误差系数分为独立系数和公共系数分别进行融合.其中,独立系数作为信任值保留,公共系数的加权融合采用以估计方差阵的迹作为代价函数的随机搜索算法来确定其融合权重.利用某型惯导系统车载、机载和火箭橇试验信息进行融合的结果表明,该方法效果较好,可行性强.     

激光主动成像图像噪声分析与抑制

分析了激光主动成像图像的噪声机理,针对强度像噪声抑制问题,提出了一种基于同态滤波和小波域SURE(Stein's Unbiased Risk Estimate)的激光主动成像图像降噪算法.该方法首先用同态变换将乘性散斑噪声转换为加性噪声;然后在小波域,没有将小波系数看作随机变量.而是以最小化均方误差MSE为目的,将图像...     

基于加权重叠率的单目标视觉跟踪评价指标

针对真值标注的歧义性、偏差性问题和具有缩放场景的视觉跟踪应用情况,提出了一种新的视觉跟踪单目标基准评价指标.首先,在重叠率基础上提出了加权重叠率框架;其次,提出了多区域标注方法,通过多区域标注降低标注者歧义性,在具有缩放场景的应用中,通过反演进行多区域标注,使评价更符合应用实际;再次,针对标注的偏差性,提出了多标注融合方法,提高了标注的可信度;最后,将应用于单次跟踪评价的重叠率框架推广到多次跟踪评价,利用加权结果图使评价更具解释性.通过著名评价标准VOT、OTB的真值标注融合实验验证了本文标注规则的准确性;通过在具有缩放场景的视觉跟踪实验和重复实验,与其他跟踪指标的比较验证了本文指标的有效性.     

基于RBF神经网络的自适应反演大机动飞行控制器设计

针对飞行器在大机动飞行过程中气动参数不确定、外部未知干扰因素较多及系统建模可能存在误差等问题,设计了一种基于RBF神经网络的非线性自适应反演控制器。飞行器大机动飞行过程中的广义不确定性由RBF神经网络在线逼近,神经网络权值矩阵通过自适应律在线更新。反演设计过程中对虚拟控制律的反复求导带来的"项数膨胀"问题,通过引入一阶滤波器来解决。通过构造Lyapunov函数,证明了闭环系统所有信号均有界,并且跟踪误差指数收敛到零的一个小邻域内。对某飞行器进行了大机动飞行仿真,结果表明该控制器具有良好的跟踪效果和鲁棒性。     

高超声速飞行器的滑模边界层模糊自适应控制方法研究

针对高超声速飞行器飞行过程中存在的高度非线性、强耦合、参数不确定性等问题提出了一种基于滑模边界层模糊自适应的控制方法;首先将纵向模型进行精确线性化,通过引入一个滑模边界层可调参数,在边界层外施加基于正切趋近律的准滑模控制律;在边界层内,去掉准滑模控制律,采用饱和函数法设计的控制律;边界层参数用模糊逻辑系统进行在线调节,从而消除了系统处于准滑动模态时的高频抖振;仿真结果表明:该方法在保证控制系统具有良好跟踪性能的同时,具有削弱抖振的能力和强鲁棒性。     

基于Contourlet域HMT-3S模型的激光主动成像图像分割

基于Contourlet系数分布统计特性,结合隐马尔科夫树(HMT)-3S模型和贝叶斯准则,提出了一种基于Contourlet域HMT-3S模型的图像分割算法(CHMT-3Sseg),并将其用于激光主动成像图像的分割。CHMT-3Sseg方法首先利用HMT-3S模型充分挖掘子带间的相关性,通过HMT-3S模型参数训练和似然值计算得到了可靠的初始分割。为了获得较好的区域一致性和边缘准确性,对初始分割结果进行了基于邻域背景的多尺度融合。对合成图像和激光主动成像图像的实验结果表明:CHMT-3Sseg不但在边缘和方向信息保持上有明显改进,而且错分概率显著降低,对真实图像得到了理想的分割效果。     

基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法

针对1点RANSAC(Random Sample Consensus)单目视觉EKF(Extended Kalman Filter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。