非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。     

基于广义高斯模型的机载测深LiDAR波形拟合算法

针对传统LiDAR测深波形拟合算法受噪声干扰严重、对微弱回波信号及复杂波形拟合不准确的问题，提出一种基于广义高斯模型的波形拟合算法。首先通过计算滤波前后尾段波形的差异估计波形的噪声；然后利用广义高斯模型提取海面与海底反射信号分量，并对剩余信号进行迭代拟合；最后利用LM算法对参数进行优化，并对优化后的参数进行约束，避免冗余分量。采用南海实测数据进行验证，该算法拟合微弱回波及复杂波形能力强，不论在浅水(回波发生叠加)还是深水，其拟合精度均优于传统算法，具有良好的鲁棒性。     

GNSS/SINS组合导航的改进Sage-Husa自适应滤波算法

针对组合导航系统中标准Sage-Husa自适应滤波算法存在滤波发散的问题,提出一种改进的Sage-Husa自适应滤波算法。首先,对组合导航系统的线性卡尔曼滤波算法采用补偿反馈校正算法获得最优估计,并对滤波器新息向量进行简化;然后,提出一种改进的Sage-Husa自适应滤波算法,该算法具有实现简单并且可以避免状态估计发散的特点;最后,进行基于该算法的GNSS/SINS组合导航实验。结果表明,该算法可以对量测噪声突变方差和缓变方差进行准确跟踪,并且量测噪声方差估计精度与变分贝叶斯滤波方法相当;当量测噪声方差变化时,相对于标准KF算法,该算法可分别提高约20%和21%的位置精度和速度精度,能有效降低未知量测噪声统计特性对组合导航系统滤波精度的影响。     

一种多传感器组合导航系统的自适应分布式滤波算法北大核心CSCD

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声，而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法，采用前面历元的观测残差和状态残差建立有色噪声模型，削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验，结果表明，顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高，三维位置精度提升9%以上。     

基于后向递推与扩展指数的球谐域高斯滤波系数高精度计算方法北大核心CSCD

针对滤波半径较大、参考球面半径较小、球谐阶数较高时,传统高斯滤波球谐系数计算存在不稳定性的问题,将扩展指数法应用于高斯滤波球谐系数的后向递推计算。数值计算和实际应用均表明,该方法基本可实现在任何半径大小球面上、任意滤波半径的超高阶高斯滤波高精度计算。     

一种冲击噪声中波达方向估计的有效算法

基于空间平滑技术和矩阵重构技术,提出了一种相干信源下波达方向估计的新算法。算法在非高斯冲击噪声下,能对波达方向进行有效地估计。与基于分数低阶矩算法以及基于分数低阶矩平滑算法相比较,新算法能在信噪比为-5dB时,提高40％的成功估计概率。信噪比为0dB-10dB时,成功概率大约提高20％,且均方根误差被降低近20％-50％。计算机仿真结果验证了算法的有效性。     

基于信噪比检验的双参数岭型Kalman滤波及其在BDS星地联合定轨中的应用

将Kalman滤波病态性诊断与处理相结合，提出基于信噪比检验的双参数岭型Kalman滤波。在分析Kalman 滤波的病态性以及岭型 Kalman 滤波的缺陷后，引入信噪比统计量度量每个待估参数受病态性影响的大小，将待估参数区分为涉扰参数和非涉参数，并利用两个岭参数对两类参数进行不同强度的修正，结合广义岭估计思想给出两个岭参数的选取方法。该算法在降低状态参数估计方差的同时尽量减少岭型Kalman滤波引入的偏差。利用STK仿真5颗GEO卫星+24颗MEO卫星+3颗IGSO卫星的北斗卫星星座并进行分布式自主定轨，结果表明提出的新算法能够有效改善病态性对Kalman滤波的不良影响，且相对于岭型Kalman滤波具有更高的定轨精度。     

BDS/GPS差分系统间偏差估计算法及性能分析

基于BDS/GPS单频紧组合相对定位模型，提出联合卡尔曼滤波与粒子滤波估计差分系统间偏差(DISB)的算法，并利用实测短基线数据对比分析卡尔曼滤波算法与本文算法估计DISB的效果。实验表明，载波DISB的整数部分会影响参考卫星站间单差模糊度的估计，从而影响载波DISB小数部分的估计结果；利用本文算法估计并改正DISB后得到的模糊度解算的可靠性和固定解精度均优于卡尔曼滤波，固定解精度最大可提高10%~20%。     

一种改进的基于背景差算法的运动车辆检测方法

针对背景固定的交通监控视频中的运动车辆检测问题,提出了一种改进的基于背景差算法的运动目标检测方法。该方法改进了混合高斯模型,对图像进行了平滑滤波预处理,并利用形态学滤波方法对二值化的前景图像进行后处理。该方法提高了背景模型的环境适应能力,能够很好地适应背景改变和光照等变化。同时,也改善了视觉效果,使前景检测误差值降低了14％,可为后续交通参数的提取提供更为精确可靠的图像数据信息。     

Probability Distribution of the Hull Motion and Mooring Line Tension of Two Floating Systems

The statistical and distribution characteristics of the responses of a floater and its mooring lines are essential in designing floating/mooring systems.In general,the dynamic responses of offshore structures obey a Gaussian distribution,assuming that the structural system,and sea loads are linear or weakly nonlinear.However,mooring systems and wave loads are considerably nonlinear,and the dynamic responses of hull/mooring systems are non-Gaussian.In this study,the dynamic responses of two types of floaters,semi-submersible and spar platforms,and their mooring lines are computed using coupled dynamic analysis in the time domain.Herein,the statistical characteristics and distributions of the hull motion and mooring line tension are discussed and compared.The statistical distributions of the dynamic responses have strong non-Gaussianity and are unreasonably fitted by a Gaussian distribution for the two floating and mooring systems.Then,the effects of water depth,wave parameters,and low-frequency and wave-frequency components on the non-Gaussianity of the hull motion,and mooring line tension are investigated and discussed.A comparison of the statistical distributions of the responses with various probability density functions,including the Gamma,Gaussian,General Extreme Value,Weibull,and Gaussian Mixture Model(GMM)distributions,shows that the GMM distribution is better than the others for characterizing the statistical distributions of the hull motion,and mooring line tension responses.Furthermore,the GMM distribution has the best accuracy of response prediction.     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。     

基于LMS滤波的地基增强系统电离层异常检测

针对地基增强系统(GBAS)中传统电离层异常检测方法无法同时兼顾检测精度与灵敏度的问题,通过构造单通道变步长最小均方(LMS)自适应滤波器以抑制伪码-载波偏离度高频噪声。单通道LMS自适应滤波器是在标准双通道LMS自适应滤波器的基础上,利用被检测信号短时相关性及其量化噪声的非相关性,构造一个采用被检测信号延时量作为参考输入的自适应滤波器,同时对Sigmoid函数进行改进,使得自适应滤波器在前期收敛速度快,且待滤波器收敛后保持较高稳定性。实验结果表明,在相同卫星仰角与电离层时间梯度值下,采用LMS自适应滤波器后电离层异常检测时间缩短,且当电离层时间梯度较小时,该方法也能够实现异常检测,验证了其有效性。     

一种改进的UKF滤波算法在BDS/SINS组合导航系统中的应用研究

将自适应估计原理引入UKF（unscented Kalman filter）算法中,该改进算法可以自适应地调节系统模型信息在导航解中的比重,从而减少滤波器初值偏差和系统模型异常扰动对导航解的影响。将改进的UKF算法应用于BDS/SINS（北斗/捷联惯导）组合导航系统中,仿真结果验证了其有效性,且该算法可提高组合导航系统的精度。     

一种改进的单幅图像快速去雾方法与实验

目前,物理模型的单幅图像去雾已成为图像去雾算法研究的重点。在分析了暗原色先验知识的单幅图像去雾算法基础上,针对暗原色先验去雾算法时间复杂度大的缺点,比较了目前已有的暗原色先验改进去雾算法,提出了一种新的暗原色先验单幅图像去雾改进算法。通过引入快速、各向同性的低通高斯滤波器,实现对透射率图的平滑均匀,以代替暗原色去雾方法中精妙但时间复杂度高的软抠图算法;对于图像中图层交界处,提出了以区域中值滤波方法进行修正的算法,以及满足自适应要求的全局大气光求解详细算法。实验结果表明,结合了以上3点改进的快速去雾算法在保证图像去雾效果的同时,能大幅度提高暗原色去雾算法的速度,适用于对工程上的图像、视频实时去雾。     

抗差自适应卡尔曼滤波模型及其在塌陷区监测中的应用

针对塌陷区等地表快速沉降区域的动力学特点及观测向量中存在的粗差对卡尔曼滤波结果的影响，设计一种抗差自适应卡尔曼滤波模型。该模型能识别稳定沉降与快速沉降2种状态，通过抗差估计减小观测向量中粗差的影响，并采用自适应因子调整动力学模型，减少状态模型的误差，提高滤波结果的精度。将该模型应用于某矿区沉降监测数据的处理，结果表明，其效果优于抗差卡尔曼滤波。     

����IMM-PF�Ĺ���/�ش���ϵ����㷨

???????/????????????????????????????????????????????????????????????(PF)???IMM??????????IMM-PF???????????÷??????????????????????????????????????????????????????????????EKF??????IMM-PF??????????????????????????????????????????????????????????????