用容积卡尔曼滤波算法进行集装箱吊具姿态估计

为提高非线性模型下集装箱吊具姿态的估计精度,建立一个基于四元数和低精度高噪声传感器的集装箱吊具姿态估计非线性模型,运用容积卡尔曼滤波算法进行姿态估计.试验数据与高精度姿态传感器数据比较表明,采用容积卡尔曼滤波算法可以有效提高集装箱吊具姿态估计精度和稳定性.     

近景摄影测量大角度外方位元素解算方法研究

为了提高大角度近景摄影测量的外方位元素解算的精度,介绍了推导包含共线方程泰勒展开二次项的非线性误差方程式,并建立其外方位元素的数值解算方法。多个工程实例表明该方法有助于提高大角度摄影的外方位元素解算的精度和求解稳定性,具有一定的应用价值。     

基于卡尔曼滤波的PS-InSAR地表形变预测方法

PS-InSAR是用于监测大范围地表形变的微波遥感技术,可提供精确地表形变信息,但该技术无法对形变趋势进行预测。现有形变预测方法只能预测少数监测点的形变,不适用于大面积预测。针对这些问题,提出一种基于卡尔曼滤波的PS-InSAR地表形变预测方法。结合PS-InSAR方法的技术流程,从理论上推导设计卡尔曼滤波器,通过真实的多时相SAR数据对该方法进行验证。实验结果表明,该算法可充分利用PS-InSAR形变监测信息,有效预测大面积观测区域的形变趋势。     

基于EKF的污水处理过程经济模型预测控制

针对污水处理中许多相关过程状态不可测量或测量受到噪声影响具有较大的不确定性,进而影响过程监视和控制的问题,提出了一种基于扩展卡尔曼滤波的经济模型预测控制方法以提高系统的整体性能。在系统受到不确定扰动及测量噪声的情况下,利用扩展卡尔曼方法对污水组分进行估计,并基于状态估计设计了一种高效经济模型预测控制方法,优化出水质量及运行成本。在不同天气条件下从出水水质和运行成本等角度与基于扩展卡尔曼滤波的常规跟踪模型预测控制方案性能进行比较。仿真结果表明,该方法能够对污水处理BSM1模型的过程状态进行很好的估计,同时具有显著改善出水水质和降低运行成本的潜力。     

基于相位偏移的压缩感知无源多目标定位方法

无源定位作为一种新兴的定位技术,是安防监控、入侵检测和接触跟踪等被动传感领域的研究热点。其通过分析无源目标对无线链路的阴影效应来定位目标。相位是无线信号的一个重要特性,比信号强度更具细粒度。为提升定位性能,利用无线链路相位信息,提出基于相位偏移的压缩感知无源多目标定位方法。该方法将接收信号相位偏移值作为观测数据,结合变分贝叶斯推理,恢复目标位置稀疏向量。仿真实验结果表明,在6.5 m×6.5 m的监测区域中,基于接收信号强度的定位方法平均定位误差为0.579 0 m,而该方法的平均定位误差为0.254 7 m,定位精度提升超过1倍,且该方法具有较强的鲁棒性。     

雨量预报方法的评价

本论文讨论雨量预报的方法准确性的评价问题。我们利用最小二乘法、体积模型、等级换算模型对数据进行处理,得出方法二比方法一的准确性略高。最后我们对得到的数据进行概率分析与方差检验,结果比较吻合。     

中心对称矩阵一类逆特征值问题的最小二乘解

本文研究了如下中心对称矩阵逆特征值问题:问题Ⅰ:已知X∈Rn×m,∧=diag(λ1,λ2,…λm),求A∈CSRn×n,使得‖AX-X∧‖=min.问题Ⅱ:已知A ∈Rn×n,求A～∈SE,使得‖A -A～‖=infA∈SE‖A -A～‖.其中SE是问题Ⅰ的解集.证明了问题Ⅰ、Ⅱ解的存在性,给出了问题Ⅰ解的通式及问题Ⅱ唯一解的表达式.     

基于卡尔曼滤波和ISODATA的航标漂移预警方法

为解决目前航标遥控遥测系统中航标漂移误报警过多的问题,提出一种基于卡尔曼滤波和迭代自组织数据分析算法(iterative self-organizing data analysis technique algorithm,ISODATA)的组合优化方法。该方法如下:对航标GPS接收机原始坐标数据进行滤波,消除波动较大的数据后得到较可靠的航标位置数据;使用ISODATA得出其聚类中心;以该聚类中心取代航标抛设位置作为航标回旋中心,计算航标漂移距离。测试结果表明,该组合优化方法能够获取较为准确的航标漂移距离,在降低航标维护成本的同时,还能有效减少误报警。     

基于最小二乘法的船舶吨位计算模型

为更高效且准确地实现船舶吨位即排水量的测量,通过多个超声波换能器和速度传感器测量多点距离和船舶速度,应用最小二乘法拟合曲线来计算船舶截面的面积,并建立船舶吨位算法模型,利用MATLAB对该模型进行仿真。通过在泰州船闸处的实际运用案例验证该模型的可行性。对比MATLAB仿真结果与实际测量结果发现,用该模型计算的船舶吨位误差较小。该模型可以更高效且准确地实现船舶吨位的测量,是一种可以代替人工测量估算船舶吨位的有效方法。     

基于马尔可夫链蒙特卡罗算法的无线电定位

为实现在多媒体舞台剧中真实空间的目标与多媒体背景的虚拟空间元素间的互动,进行无线电测向定位建模,利用马尔可夫链蒙特卡罗算法进行仿真.实际应用表明,该方法可通过驱动多媒体舞台背景的虚拟场景元素的位置和形态的变化,实现真实空间与虚拟空间的互动.     

一种基于改进粒子滤波的水下采矿导航方法

针对水下采矿导航系统所面临的噪声具有非高斯性和频率随机性的问题,提出基于粒子滤波的深海采矿导航算法,并针对粒子滤波的粒子退化和贫化提出一种新的重采样算法。结合湖试数据,仿真实验表明新的重采样算法在获得更好的滤波精度的同时可以避免粒子贫化现象。最后,将基于改进的粒子滤波的深海采矿导航算法与基于无迹卡尔曼滤波算法的导航算法进行对比。结果表明本文提出的算法具有较高的精度和优良的鲁棒性。     

基于磁钉技术的集装箱码头AGV 定位精度分析

为解决自动导引车（Automated Guided Vehicle, AGV）的定位精度问题,以国内某在建的自动化集装箱码头为工程背景,研究与基于磁钉技术的AGV定位误差相关的因素.通过给出AGV惯性导航系统的运动方程和误差方程,按照工程实况,在忽略陀螺仪影响的基础上,得到AGV惯性导航系统位置误差的理论计算式.依此指出,基于磁钉技术的AGV组合导航系统定位精度与加速度计精度、AGV 运行方向的余弦、磁钉数据更新时间的平方成正比例关系.最后,对某工程算例进行数值仿真,验证了理论分析的正确性.该方法对磁钉排布、惯性导航系统传感器选型等有参考意义.     

一种LSTM神经网络和卡尔曼滤波相结合的复合材料承载预测方法

复合材料是基于多种材料组分的不同组合方式经由相应工艺加工而成的新型材料,近年来凭借其优良的综合性能被广泛应用于交通、建筑等领域,其试验分析结果有时候与经验分析存在较大误差,从而建立可信的分析方法对复合材料承载性能进行验证具有十分重要的理论意义。基于长短期记忆（long short term memory,LSTM）深度学习网络模型的预测精度受数据序列长度影响,提出一种LSTM神经网络和Kalman滤波相结合的复合材料承载预测方法,既可以克服训练数据序列长度对传统LSTM神经网络的影响,又使得Kalman滤波可以从输入数据中学习。仿真结果表明,该方法可以获得优良的预测性能：LSTM-KF模型的承载预测误差将LSTM模型的预测误差从0.033 0 kN减小到0.016 0 kN,降幅为51.52%。     

基于集合卡尔曼滤波的太湖叶绿素a浓度同化试验系统设计及实现

以太湖作为研究区,把数据同化技术引入蓝藻水华预测研究,设计并实现了太湖叶绿素a质量浓度同化试验系统,该系统结合基于WASP原理的二维水动力水质耦合模型,采用集合卡尔曼滤波方法同化空间分辨率为250 m的MODIS叶绿素a质量浓度反演数据. 结果表明,利用同化技术将衡量模型预报值、分析值和观测值之间的偏差指标RMSE减小了15.5%,可以有效地提高叶绿素a质量浓度的预测精度.