摘要：卡尔曼滤波是对随机信号的最优线性滤波,广泛应用于通信、导航与控制等领域。卡尔曼滤波器设计过程中模型的选取与建立以及模型的精度是关键,直接影响滤波效果。arma模型是卡尔曼滤波常用的一种模型,为降低建模难度,介绍一种基于Eviews工具的arma模型建模方法,根据实际数据辨识模型阶次和参数,在实际工程应用中效果良好。

摘要：针对智能交通流数据量大、无固定模式、精度要求不同的特点,提出了一种根据具体数据格式自适应切换压缩模式的编码算法。对于可进行有损压缩的数据,将时间序列预测思想应用于编码算法中,进行Contourlet逐级分解,直至精度达到要求;在该层应用arma建模,传送时只传递其arma参数,译码时先以arma模型构造Contourlet系数,然后重构原始数据;对于需进行无损压缩的数据,先分析其数据特性,结合传统算法,设计了一种等长、变长编码相结合的压缩方法,在保证数据可完全译出的前提下,达到最佳压缩率。仿真结果表明：对于无损压缩,新算法压缩率可达0.329-0.62;对于有损压缩,压缩率可达0.055-0.29,相对误差为2.34%-4.32%。

摘要：针对难以配置高精度部件的皮纳卫星姿态测量系统,当卫星处于阴影区或任何太阳敏感器不可用的状态下,MEMS陀螺与磁强计的组合便成为卫星在轨姿态测量精度的重要保障。本文基于MEMS陀螺与磁强计的低功耗、全轨、全天时、最小姿态敏感组合,提出一种适用于皮纳卫星在轨运行的滤波系统方案。该方案通过滑窗arma建模降低陀螺随机噪声的影响,并由姿态滤波器估计所得的零偏在线去除陀螺常值分量,以保证其建模的长期有效性。本文以浙江大学皮星二号卫星搭载的敏感部件以及姿态测量算法为研究基础,结合在轨实测数据,仿真对比表明,该系统方案有效降低了陀螺随机噪声,抑制比达50%以上;陀螺零偏估计精度提高310%,可达到0.001°/s;姿态确定精度提升190%,可达1.212 7°。该系统方案是对皮纳卫星姿态确定最小系统精度提升及实用方案设计的有益探索。

摘要：结合惯性器件随机误差研究的实际,针对传统的基于时间序列的arma建模方法和深度学习LSTM网络进行了适用性和实时性对比分析,通过获取具体型号的惯性器件输出数据设计了算例。研究认为在未做实时性要求的情况下,arma建模和LSTM网络均可以达到较好的拟合效果,而建立LSTM网络方法可以减少提取趋势项和周期项的环节;实时在线预测情况下LSTM网络优势明显,但预测精度会随时间序列缩短而明显下降,可以在一定程度上反映噪声变化的趋势并据此对整体控制系统的滤波算法进行优化。

摘要：振动信号包含随机成分与周期成分 ,其中的随机成分占据了很宽的频域 ,其能量极易引起其它设备特别是电子设备的共振 ,从而导致设备失效。为评估随机成分对设备的影响 ,需要将周期成分从振动信号中去除。为此 ,首先使用arma建模法对振动信号中周期成分出现的频率位置进行估计 ,然后设计阻带带宽极窄 (小于 0 .5Hz)的V型滤波器来完成相应的滤波。实验表明本文中的方法能有效地去除振动信号中的周期成分 。