公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

非合作航天器双目视觉位姿估计算法研究: 非合作目标的识别测量在航天、军事、智能交通、医疗、多媒体等领域有着广泛的应用。其中在航天领域，非合作目标的测量技术是实现在轨卫星维修、卫星元器件升级、建立永久空间站、捕获敌方卫星等航天活动的技术基础。非合作目标测量技术的...; 于浛; 关键词：双目视觉

考虑随机量测时滞和同步相关噪声的改进高斯滤波算法被引量：5: 2016年; 经典高斯滤波算法存在量测信息实时获取,以及过程噪声和量测噪声相互独立的假设条件.然而,在工程实际应用中该假设条件有时难以满足.本文针对一类具有随机量测时滞和同步相关噪声的高斯系统的状态估计问题,设计了一种高斯滤波框架形式的最优估计算法,并给出了所设计算法的三阶球径容积法则的次优实现形式-考虑随机量测时滞和同步相关噪声的容积卡尔曼滤波器(CKF–RDSCN).其借助Bernoulli随机序列,来描述系统中可能存在的量测时滞现象,并利用高斯条件分布性质来解决噪声相关问题,在此基础上构建所提出的最优估计算法.仿真结果表明,相比于扩展卡尔曼滤波(EKF),无迹卡尔曼滤波(UKF)以及容积卡尔曼滤波(CKF),在含有随机量测时滞和噪声同步相关的状态估计问题中,CKF–RDSCN具有更高的精度和更好的数值稳定性.; 于浛张秀杰陈建伟宋申民李鹏; 关键词：高斯滤波随机时滞

交互式容积卡尔曼滤波及其应用被引量：2: 2015年; 针对非线性系统模型参数未知情况下的状态估计问题,提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF).该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想,实现对模型未知参数的确定,从而使滤波算法摆脱对模型参数精确已知的依赖,并通过容积卡尔曼滤波算法完成状态估计和量测更新.仿真结果表明,相比于经典的参数扩维方法,InCKF算法具有更高的精度和更强的数值稳定性.; 于浛宋申民王硕; 关键词：非线性滤波

噪声特性未知的多传感器协方差交叉融合姿态估计被引量：6: 2016年; 针对噪声特性未知的多传感器航天器姿态估计过程中互协方差未知的问题,提出一种鲁棒的协方差交叉(CI)融合算法.首先采用容积卡尔曼滤波(CKF)器获取局部的估计信息;然后以最小化非线性性能指标为原则求取局部的估计信息权重;最后使用CI算法融合各局部估计信息.此外,对于由四元数描述航天器姿态时存在的冗余问题,采用了以误差四元数和误差广义罗德里格参数相互切换的方法来替代.仿真结果验证了所提出算法的有效性.; 王硕宋申民史小平于浛; 关键词：多传感器信息融合四元数

基于自适应容积卡尔曼滤波的非合作航天器相对运动估计被引量：13: 2014年; 针对目标星无信息传递以及无特征光点的非合作目标交会对接问题,提出了一种利用立体视觉的相对运动估计方法。由于测量装置安装在非质心位置时,CW方程描述的卫星相对运动所存在的误差不能忽略,因而通过给出适用于椭圆轨道和圆轨道下的一般耦合模型,来描述姿态运动对位置运动的影响。为了克服模型的严重非线性以及噪声统计特性时变的问题,提出了基于Sage-Husa噪声估计器的自适应滤波器。仿真表明:该算法能够适应测量噪声统计特性随时间变化的情况,具有较高的相对运动估计精度。; 于浛魏喜庆宋申民刘铭; 关键词：立体视觉自适应滤波算法

考虑噪声特性未知的多传感器姿态融合方法被引量：1: 2015年; 研究了噪声特性和互协方差未知情况下多传感器系统的协方差交叉融合估计问题,其中噪声特性未知是指系统的状态噪声和量测噪声的相关性和真实方差均是未知的。首先,每个子系统根据最新更新时刻的测量信息,选择相应的CKF估计器,从而得到各子系统在每一时刻的一个局部估计。其次,以矩阵加权线性最小方差为最优融合准则,提出了一种快速连续的协方差交叉(SCI)融合策略,将多维优化问题简化到对几个一维非线性代价函数的优化,得到最优融合估计。再次,在子系统的估计中采用误差四元数和误差修正罗德里格斯参数相互切换的方法来避免四元数的规范约束和误差修正罗德里格斯参数奇异的发生。最后,通过一个卫星姿态估计的例子验证了所提方法的有效性。; 王硕宋申民于浛; 关键词：信息融合四元数

一类非理想条件下非线性系统的高斯滤波算法及其应用研究: 随着社会生产需求的增多以及人类对外部世界探索的深入，越来越清楚地认识到，现实中只有少数的系统才能够满足线性特性，非线性才是事物的普遍属性。因此，对非线性系统的状态估计问题，由于其重要的理论意义与广阔的应用前景，自提出以来...; 于浛; 关键词：非线性系统状态估计航天器导航系统

具有随机时滞和异步相关噪声的非线性系统的高斯滤波器设计被引量：5: 2015年; 针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法(GF),并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器(CKF-RDCN)。首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计。其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题。最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计。此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式。仿真结果表明,相比于扩展卡尔曼滤波算法(EKF)以及容积卡尔曼滤波算法(CKF),CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性。; 于浛宋申民王硕李鹏; 关键词：非线性滤波高斯滤波随机时滞相关噪声

全选清除导出

共1页<1>

于浛