【摘 要】
：
针对高稳定目标导航参数获取对多传感器融合算法的需求,提出一种偏振光/捷联惯性导航系统(SINS)/北斗卫星导航系统(BDS)/地磁组合导航方法.分析了各类传感器的导航性能,采用联邦卡尔曼滤波器两级结构,利用子滤波器进行局部估计,主滤波器进行多传感器数据融合,研究了基于联邦卡尔曼滤波方法的多传感器数据融合导航算法.进行了预定路径往返运动实验,运动距离2300 m,系统定位的东向误差3.2305 m,北向误差3.7419 m,系统可用于平台、地面、空间运动导航.
【机 构】
：
中北大学信息与通信工程学院,山西太原030051
论文部分内容阅读
针对高稳定目标导航参数获取对多传感器融合算法的需求,提出一种偏振光/捷联惯性导航系统(SINS)/北斗卫星导航系统(BDS)/地磁组合导航方法.分析了各类传感器的导航性能,采用联邦卡尔曼滤波器两级结构,利用子滤波器进行局部估计,主滤波器进行多传感器数据融合,研究了基于联邦卡尔曼滤波方法的多传感器数据融合导航算法.进行了预定路径往返运动实验,运动距离2300 m,系统定位的东向误差3.2305 m,北向误差3.7419 m,系统可用于平台、地面、空间运动导航.
其他文献
针对目前国内缺乏1600℃以上长时间超高温环境下有效的温度测试手段,基于超声导波谐振测温原理,采用钼铼合金丝制作了一种半波长导波谐振传感器.通过高温实验获得了传感器性能数据,实验结果表明:该传感器在1800℃高温环境下分辨率达到了0.32％,重复性为99.77％,符合设计需求.
为了建立保障智能配电网(SDN)通信服务质量(QoS)需求的路由机制,提出一种配电网中基于量子蚁群优化的无线传感器网络(WSNs)改进路由算法(SDN-QACO).首先建立优化SDN数据传输模型;然后分析配电网不同通信业务的QoS需求;在路由阶段引入QACO算法,在期望启发式中引入邻节点距离、剩余能量因素,在信息素启发式中综合考虑时延与丢包率来更新信息素浓度,利用其全局寻优和快速收敛的优点,搜寻到数据传输的最短路径,以优先保证算法的实用性.通过与传统ACO算法和一种保障QoS的面向配电通信网的WMSNs多
目前在方面级情感分析(ABSA)方法中,利用上下文或方面短语的平均值来计算方面短语或上下文之间注意力得分的方法往往会产生较大的信息损失,导致模型在长文本分类上的性能降低.为此,研究了一种建立在BERT表示上的记忆网络模型,BDMN.首先,把句子构造成多[CLS]的Token嵌入形式,然后,从BERT输出中获取到各短句的初始化向量,将其作为记忆体与方面短语的[CLS]向量进行充分注意力交互,最后,拼接输出注意力层所有短句的方面短语表示作为最终的情感分类特征向量.在AI Chal-lenger 2018细粒度
针对超高压(EHV)同塔双回交流(AC)输电线路下方工频电场,首先基于有限元法建立输电线路模型,通过架设屏蔽线研究屏蔽线数量、位置的变化与屏蔽效果之间关系,计算得到部分屏蔽线位置电场强度值作为训练值,对于未知位置对应的屏蔽效果,提出采用反向传播(BP)神经网络进行预测.结果表明:预测值与真实值之间最大误差仅为0.6％,具有良好的预测效果,可为交流超高压输电线路电场环境优化及建设提供参考依据.
针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法.主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,得到回波信号的残差谱.然后利用残差谱与回波信号R-D谱进行背景对消以抑制杂波,进而实现对回波信号中运动目标的检测.由于该方法通过学习杂波特性进而进行目标检测,因此适用于未知杂波模型的场景,避免了假设的模型与实际环境不符合的问题.实验验证:该方法相比于传统的杂波抑制目标检测方法,具
针对目前人为根据经验判断汽车轮胎是否达到最终使用时间不准确造成资源浪费的问题,提出了一种基于高斯拉普拉斯算子的汽车轮胎磨损检测算法.首先,将拍摄的汽车轮胎图片进行预处理,包括图像灰度化和高斯滤波,用拉普拉斯算子对图像的边缘进行检测;然后,对处理好的图片进行像素坐标提取,通过汽车轮胎花纹深度的检测算法,得到轮胎的实际深度值;最后,将检测的花纹深度值和轮胎使用的临界深度1.6 mm进行对比,若大于这个临界深度,就判断该轮胎可以继续使用,反之,则不可继续使用.实验结果表明:该实验方法能够很好地计算出轮胎花纹的深
输电线的跟踪与定位是无人机(UAV)实现自主巡检输电线的关键要素.针对目前输电线跟踪与定位方法存在易受天气和环境因素影响、成本较高以及数据处理困难等缺陷,提出了一种基于电场传感器阵列的输电线跟踪与定位方法,计算出当前UAV的航向角偏转角度、输电线与UAV的距离以及仰角,并设计了电场传感器及信号调理电路,进行了实验验证.实验结果表明:当传感器阵列沿着输电直导线移动时,依据此方法计算出的航向角偏转角度的最大绝对误差为5.74°,阵列与输电线距离最大绝对误差为20.4 cm,仰角的最大绝对误差为8.12°,误差
地铁过渡电阻是影响杂散电流泄露的重要因素之一,准确测量过渡电阻可以及时了解地铁回流系统的老化程度,对于杂散电流的防治有很大的意义.提出了一种可以在线测量地铁过渡电阻的方法,将列车运行时的回流电流作为外部测试电源,利用区间中的传感器采集区间内轨道电压和排流网极化电压,得出轨道到排流网的电压,再根据两个区间的轨道电流求出泄漏电流的值进而求出过渡电阻.这种方法可以改变传统的停电测量方式,实现在不停电情况下快速测量区间过渡电阻.最后,通过SIMULINK工具箱搭建回流系统模型,采集电压值进行计算对比,验证其方法的
针对深度模型在网络深层易丢失细节特征导致对小尺度目标检测效果差的问题,提出一种基于YOLOv3算法的小尺度交通信号灯检测模型.首先,采用跨越式特征融合提升浅层特征图的语义能力、减少过度融合产生的冗余信息;然后,采用K-means算法聚类出适合交通信号灯尺寸的新先验框,再采用线性缩放机制对新先验框离散以提升IoU.经过Bosch Small Traffic Lights Dataset测试集测试表明:所设计的新模型相较原YOLOv3模型,其mAP提升约9％,Green-AP提升5％,Red-AP提升30％,
基于深度学习的交通标志牌检测算法取得了突破性的进展,但在检测精度和速度方面仍得不到兼顾.针对此问题,本文在YOLOF算法的基础上提出了一种改进的算法,在YOLOF网络检测分支中融入注意力机制以增强网络对交通标志牌目标的表示,并利用CIoU改进损失函数;使用数据增广模拟自动驾驶过程中的复杂环境,增强检测模型的鲁棒性.对比实验结果表明:本文提出的改进方法具有更高的检测精度,能够达到检测精度和速度的平衡.