摘要：GALILEO是新一代的全球卫星定位系统。文章根据GALILEO系统的特点,有针对性地研究了GALILEO/捷联惯导(SINS)伪距组合导航模式。分析并建立了GALI LEO的误差方程,并以此为基础,给出了GALILEO/SINS伪距组合导航系统的误差模型和相应的卡尔曼滤波方程。为了有效验证设计的组合导航系统的有效性,在仿真过程中采用了协方差分析法,对组合导航系统性能进行了仿真研究。仿真结果表明GALILEO/SINS伪距组合导航系统能够有效的提高导航精度,随着GALILEO的不断完善,该系统将具有很大的应用前景。

摘要：采用TMS320LF2407A与TMS320DM642的双(DSP)新颖设计,运用卡尔曼预测模型实现了一种新型空间移动平台光通信的信标光扫描、跟踪控制系统。详细论述了系统的硬件、软件设计,给出不同实验条件下的信标光捕获时间,并分析了信标光捕获时间误差和减少捕获时间误差的方法。地面模拟空间移动平台信标光捕获实验表明,信标光捕获与跟踪精度高、扫描速度快,该实验系统具有很好的实用价值。

摘要：针对状态空间模型中存在服从伯努利分布的时延和随机观测丢失的情况,基于极大似然法则,分别设计有限脉冲响应(finite impulse response, FIR)滤波器的慢速率批处理形式和快速率迭代形式.首先,将时延和数据丢失情况下的模型表述为服从伯努利分布的概率线性函数;然后,通过极大似然处理从而得到所提出极大似然FIR算法;最后,将在相同条件下的极大似然FIR估计、改进型卡尔曼滤波以及无偏FIR估计3种滤波方法进行对比,从估计误差、均方根误差和不确定性影响等角度进行比较分析.实验部分通过3-DOF直升机模型仿真,可发现所提出极大似然FIR估计方法在处理时延和数据丢失问题时更加有效,鲁棒性更高.

摘要：一般的Kalman滤波器对系统噪声和测量噪声统计特性要求较为严格,当统计特性存在不确定性时,估计会造成较大的估计误差,甚至使滤波器发散。针对此问题,在基于新息的自适应估计和极大后验估计的基础上对Q和R进行异步估计;以某型号光纤惯性测量装置和GPS系统为背景的仿真实验结果表明,该方法能够有效地对Q和R存在不确定的组合导航系统的误差状态变量进行估计,并能较好地保证自适应滤波器的收敛性,进一步提高了估计精度。

摘要：《浪子的历程》是一部带尾白的三幕歌剧,斯特拉文斯基作曲,W.H.奥登和切斯特·卡尔曼编台本,1951年首演于维尼斯。

摘要：１９９７年，在惠特尼美国艺术博物馆举办的基思·哈林回顾展属于一种新型展览，目前它又在迈阿密的当代艺术博物馆展出，在展览中，传统的策划同现代艺术展览设计以及一种引人注目的文献构成都作了相应的编排。这次展览由伊丽莎白·萨斯曼策划，蒂博·卡尔曼在惠特尼博物...

摘要：在实际的工程项目中,采用多个传感器进行测量可以得到更好的状态估计值,多传感器测量已经得到广泛应用。但由于测量噪声等系统误差的存在,测量结果往往是不准确的,这就需要对测量数值进行数据融合和状态估计。为实现对多传感器系统的状态估计,采用集中式融合方法对信息进行融合,通过引入广义测量向量,设计卡尔曼滤波器,对系统进行状态估计。估计值准确率较高。最后结合无人驾驶飞机的实例,以无人驾驶飞机控制中心的数据融合为背景,同时基于多传感器实时数据融合系统,分别就3个和4个传感器的情况进行仿真实验,取得了良好的融合估计效果,并与其他方法进行对比,实验结果表明了方法的有效性,在工程上有一定的实用价值。

摘要：阐述了对无人飞行器进行监控的必要性和重要意义,设计了一种无人飞行器监控数据预处理流程。首先采用空间对准算法将各传感器数据统一到空管系统坐标系下。然后根据无人飞行器的运动特点提出了基于改进“当前”统计模型的自适应卡尔曼目标滤波算法对航迹数据进行平滑滤波,该算法根据滤波新息的变化自适应调整机动频率,仿真表明改进后的算法能够实现对目标更为精确的跟踪。之后对航迹数据中的野值进行了判别和剔除。最后规范统一了各传感器的数据帧格式,实现了对监控数据进行预处理的目的。

摘要：展览时间:2014年11月14日—12月16日展览城市:南京展览地点:南京艺术学院美术馆第4展厅主办单位:南京艺术学院美术馆协办单位:克莱思·卡尔曼画廊(英),艺触咨询(英),英国总领事馆文化教育处L.S.洛瑞(***,1887-1976)是英国20世纪最重要和知名的现代艺术家之一,但却不为其他国家的人们们所熟知。自1900年到今日,洛瑞的作品出现在340个艺术展览中,而2014年11月14日在中国南京艺术学院美术馆开幕的《L.S.洛瑞:艺术家·人民》

摘要：英国画家塞缪尔·卢克·菲尔德斯(SamuelLuke Fildes)于1891年创作的《医生》,是一幅具有深远影响力和独特艺术价值的作品,现收藏于英国伦敦的泰特美术馆。这幅画以其细腻的描绘、深刻的内涵和强烈的情感冲击力,成为了艺术史上的经典之作,也为后人理解19世纪末的医疗状况和医患关系提供了宝贵的视觉资料。很多医学人文相关名著都选择了这幅画作为封面,例如卡尔曼的《卡尔曼医学教育史》和西格里斯特的《最伟大的医生》。