1 国防科技大学 前沿交叉学科学院，湖南 长沙 410073
2 国防科技大学 南湖之光实验室，湖南 长沙 410073
对于雷达天线伺服跟踪这种高动态应用环境，传统的有限脉冲响应（Finite impulse response, FIR）低通滤波抖动解调引入的时间延迟会导致较大的跟踪误差。为了解决时间延迟问题，文中提出一种FIR滤波与抖动剥除相结合的测量方法，FIR实现具有时延的精确解调，抖动剥除对FIR延迟时间段进行精确补偿。抖动剥除基于相关抵消原理，通过Kalman滤波对陀螺抖动剥除增益因子进行动态跟踪，并对时延前后的抖动量进行实时计算。文中对无延时测量方法进行了激光陀螺实验测试，测试结果表明：该测量方法能够对FIR时延时间段的抖动量进行精确计算，抖动剥除精度优于0.5″，实现了陀螺无延迟测量。FIR滤波和抖动剥除相结合兼顾了激光陀螺的高精度和实时性，具有很好的应用前景。
激光陀螺 FIR滤波 抖动剥除 Kalman滤波 ring laser gyroscope FIR filtering dither stripping Kalman filter 红外与激光工程
2023, 52(11): 20230171
1 天津大学, 水利工程仿真与安全国家重点实验室, 天津 300350
2 雅砻江流域水电开发有限公司, 成都 610051
综合采集混凝土振捣施工过程多源异构信息, 进而及时、客观地分析振捣质量, 对于保障高拱坝坝体混凝土施工质量至关重要。针对高拱坝混凝土振捣施工信息以“空-地”感知技术为主, 存在信息感知不全和数据质量有待提高的问题, 建立空天地一体化的混凝土振捣施工信息智能感知体系, 实现混凝土浇筑过程中多源、多维度、多模态施工信息的立体感知。在此基础上, 针对数值型、视频流以及图像型信息, 分别提出基于Kalman滤波的全球导航卫星系统(GNSS)定位信息降噪方法、基于改进Faster R-CNN的视频信息解析方法和基于DeblurGAN-v2的表面图像去模糊方法。以杨房沟水电站为例, 应用所提空天地一体化感知方法与技术, 实现混凝土振捣质量智能分析与监控。
混凝土振捣 空天地一体化感知 智能监控 Kalman滤波算法 改进Faster R-CNN DeblurGAN-v2模型 concrete vibration space-air-ground integrated perception intelligent monitoring Kalman filter algorithm improved Faster R-CNN DeblurGAN-v2 model
国网河北省电力有限公司经济技术研究院, 石家庄 050000
为了解决目前地下电缆隧道点云中电缆支架与电缆分离困难、电缆点需要人工提取的问题, 提出一种基于区域圆柱面拟合与抗差自适应Kalman滤波的地下电缆点云自动提取分割算法。首先基于电缆局部呈圆柱的形状特征, 将区域点云进行圆柱面拟合以确定电缆初始区域的中心轴线与半径; 再将初始区域电缆的轴线作为区域电缆走向, 结合抗差自适应Kalman滤波算法对电缆中轴线进行延长估计, 得到单条完整电缆中心轴线, 最终实现电缆点云单条分割。结果表明, 电缆初始区域单位权中误差在0.015 m以内, 能够有效区分电缆点与其它类别点; 电缆中轴线延长在地下电缆点云存在缺点、噪点情况仍保持稳健估计, 具有较好的鲁棒性。该方法有效提升了地下电缆提取的准确性和可靠性。
激光技术 地下电缆提取 圆柱面拟合 抗差估计 Kalman滤波 laser technique underground cable extraction cylindrical surface fitting robust estimation Kalman filter
光学 精密工程
2022, 30(24): 3159
1 天津工业大学控制科学与工程学院天津市电气装备智能控制重点实验室，天津 300387
2 国家管网集团东部原油储运有限公司，江苏 徐州 221008
3 哈尔滨工程大学动力与能源工程学院，黑龙江 哈尔滨 150001
可调谐二极管激光吸收光谱（TDLAS）技术在测量过程中不可避免地会受到光学条纹、探测器噪声和电路噪声等干扰，导致输出结果波动较大。使用Kalman滤波器对测量结果进行后处理可有效提高TDLAS系统的测量精度和抗干扰能力。重点对Kalman滤波算法中的测量噪声协方差与过程激励噪声协方差的比值g进行了研究。从滤波器输出结果的波动和输出响应时间两个维度入手，通过赋予二者不同的权重得到滤波器的综合效果评价指标R，综合研究了R-g关系，得出了最佳g值为27。同时，仿真验证了Kalman滤波比平滑滤波和扩张状态滤波在抗干扰和稳定性方面的优势。将参数优化后的Kalman滤波器用于TDLAS逃逸氨检测中，体积分数为的NH3的浓度、体积分数为的NH3的浓度、H2O的浓度、温度的测量精度分别提高了3.54、3.48、3.00、2.80倍。
光谱学 调谐激光吸收光谱 Kalman滤波 测量精度 参数优化 光学学报
2022, 42(18): 1830001
1 海军航空大学 岸防兵学院,山东 烟台 264001
2 海军航空大学 航空基础学院,山东 烟台 264001
3 中国人民解放军92975部队, 上海 200000
针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。
机载捷联惯导系统(SINS) 自标定 最大相关熵准则 Kalman滤波 非高斯噪声 airborne SINS self-calibration maximum correntropy criterion Kalman filter non gaussian noise
1 南京航空航天大学,a.自动化学院
2 南京航空航天大学 b.中小型无人机先进技术工信部重点实验室，南京 210000
针对GPS信号丢失导致组合导航算法精度降低甚至发散的难题，开展一种高效的自适应平滑切换融合算法研究。在GPS信号正常情况下，采用基于GPS量测的高阶组合导航算法估计姿态信息; 在GPS信号丢失时，停止高阶滤波算法并切换为基于四元数的低阶姿态估计算法; 当GPS信号恢复后，将低阶姿态估计算法的估计值作为高阶滤波算法初值，实现姿态估计算法的平滑切换。仿真结果和试飞试验表明,该切换策略具有较好的估计精度和可实现性，且切换过程中姿态角跳变小于0.5°，收敛时间小于0.1 s，有效地提高了有、无GPS信号情况下无人机的姿态估计精度。
无人机 姿态估计 扩展Kalman滤波 平滑切换 四元数 UAV attitude estimation extended Kalman filter smooth switching quaternion
中国航空工业集团公司雷华电子技术研究所，江苏 无锡 214063
为了解决编队目标精细跟踪的难题，提出一种基于距离向量的编队目标灰色精细跟踪算法。首先提取点迹和编队个体航迹的距离信息建立距离向量，然后基于距离向量形成多个点航映射组合，最后利用灰度理论从映射组合中选出最优组合作为精细互联结果，并利用Kalman滤波完成编队内各目标航迹的状态更新。经仿真验证，与传统多目标跟踪算法中性能优越的结构化分支多假设(SB-MHT)算法相比，该算法在跟踪精度、实时性以及有效跟踪率等方面性能优势显著，同时具有良好的工程适用性。
编队目标 距离向量 灰度互联 Kalman滤波 formation targets distance vector gray correlation Kalman filter
在无人机飞行控制系统中,针对无人机采用单一高度传感器测量精度不高以及传统Kalman滤波器易发散的问题,提出一种改进的Kalman滤波融合方法。首先利用ARIMA模型算法对3种传感器的原始测量数据降噪处理, 然后利用Kalman滤波算法对降噪后的传感器高度信息实现第一次融合, 最后借助递推加权最小二乘法将第一次融合结果与差分GPS降噪后的数据进行第二次融合。计算分析得到,该算法相比于传统Kalman滤波方法, 高度估计值的均方根误差减小39.6%, 最大偏差减小31.7%。仿真结果表明, 所得结果在垂直方向上的定位精度得到有效改善, 并且初步具备对异常情况的处理能力, 保证了无人机飞行系统的准确性与可靠性。
无人机 ARIMA模型 Kalman滤波 递推加权最小二乘 信息融合 UAV ARIMA model Kalman filtering recursive weighted least squares information fusion
陈法领 1,2,3,4,5丁庆海 1,6罗海波 1,2,4,5惠斌 1,2,4,5[ ... ]刘云鹏 1,2,4,5
1 中国科学院沈阳自动化研究所，辽宁 沈阳 110016
2 中国科学院机器人与智能制造创新研究院，辽宁 沈阳 110169
3 中国科学院大学，北京 100049
4 中国科学院光电信息处理重点实验室，辽宁 沈阳 110016
5 辽宁省图像处理与视觉计算重点实验室，辽宁 沈阳 110016
6 北京航天恒星科技有限公司，北京 100086
针对目标跟踪算法在光照变化、背景干扰、目标形变及遮挡时出现的跟踪稳定性下降甚至失败的问题，提出了一种采用时空上下文的抗遮挡实时目标跟踪算法。首先，在时空上下文模型框架下采用自适应降维的颜色特征构建目标外观模型，提高算法在复杂场景中对目标的辨别能力；然后，联合置信图响应的峰值和峰值旁瓣比对目标跟踪的状态进行评估；接着，利用目标模板之间相关系数的变化进一步判断目标是否被严重遮挡；最后，当目标跟踪出现波动时，降低目标模型更新速度，并通过Kalman滤波修正目标位置，当目标被严重遮挡时，则根据Kalman滤波预测目标位置，同时停止更新目标模型，在脱离遮挡后重新捕获目标并进行跟踪。选取了36组具有多种挑战因素的彩色视频序列测试算法的跟踪性能，并与其他表现优异的目标跟踪算法进行了对比分析。实验结果表明，所提算法具有较强的抗遮挡能力，并且在光照变化、背景干扰和目标形变等不利因素影响下仍具有较好的跟踪鲁棒性，同时能够满足目标跟踪的实时性要求。
目标跟踪 时空上下文 目标跟踪置信度 遮挡判别 Kalman滤波 target tracking spatio-temporal context target tracking confidence occlusion discrimination Kalman filter 红外与激光工程
2021, 50(1): 20200105
