摘要：针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆(LSTM)网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。

摘要：为提升MEMS加速度计温度适应性,设计了频率调制和分时差分方法。基于静电刚度效应,将敏感质量块因加速度产生的位移变化调制成谐振频率的变化,兼顾了位移检测的温度系数较低与谐振频率检测不易受电路噪声干扰的优点,且采用单个谐振器在时间上通过刚度切换进行分时差分,从而降低零偏随温度的漂移。通过实验测得,在10 V调谐电压下,加速度计室温下的零偏稳定性为76.79μg。-40℃~60℃全温范围内经过分时差分后得到的频差全温变化量为-0.072 Hz,相较于单个刚度状态下的谐振频率变化约7.7 Hz,减小了约99%,验证了静电刚度频率调制和分时差分的有效性。

摘要：为提高GNSS接收机跟踪环路在复杂环境下的跟踪性能,提出一种基于自适应强跟踪Kalman滤波(ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波,滤波结果用于计算导航滤波器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波的跟踪环路和基于强跟踪Kalman滤波(STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。

摘要：微光栅加速度计凭借着极高灵敏度和分辨率等优势成为近几年的研究热点,但外界环境温度的变化会影响其输出精度。为优化其温度特性,提出了一种两级内外温控系统。通过介绍微光栅加速度计的基本原理,分析了由于半导体激光器和MEMS敏感芯片的温度特性对其造成的影响。针对加速度计设计了温控电路,对其搭载两级内外温控系统,使其工作温度保持恒定,最后对该系统进行了实验测试。实验结果表明:在该温控系统下,加速度计的工作温度控制精度可达±0.02℃。对于加速度计的噪声性能而言,在0.01~10 Hz频段,相较于未加温控系统的加速度计,整体信噪比提高了20 dB。

摘要：现有的同步定位与建图(SLAM)方法在理想条件下运行稳定,但在动态环境中会因移动物体特征点云的误匹配导致定位误差增大。为解决此问题,提出了一种动态点云检测算法。首先利用惯性测量装置信息对点云数据预处理,包含去畸变等操作;然后剔除地面点云,采用弯曲体素结构对非地面点云进行聚类;接着,通过匈牙利算法关联和匹配两帧之间的聚类,同时利用惯性信息统一坐标系;最后设计一种筛选策略,先用边界框交并比和质心速度粗略筛选动态聚类,再用z轴(高度)分布相似性进行精细筛选。实验结果表明,所提算法能够识别并滤除实验环境中的大部分动态点云聚类;与LIO-SAM算法相比,四种场景下的定位均方根误差平均降低了17.75%;平均精确率和召回率相比Removert分别提升14.81%和5.90%。

摘要：传统地形匹配算法在初始位置误差较大的条件下,由于搜索区域过大,定位精度较低,容易发生误匹配。针对此问题,提出一种基于改进遗传算法(GA)的多波束水下地形匹配方法。首先,根据地形变化特征,在多波束测深数据中自适应选择多条水深数据作为匹配序列,提高在地形相似处的匹配精度;然后,设计适应度函数用于衡量匹配航迹与真实航迹的相似度,加入收敛因子以减小惯导累积误差的影响;最后,利用正余弦算法对遗传算法进行优化,提高算法收敛速度,改善局部收敛的问题。仿真与船载实验结果表明,基于改进GA的多波束匹配方法对初始位置误差的大小不敏感,在分辨率为1 m的地形图上,匹配定位误差小于3 m,相比ICCP方法,在不同初始位置误差的情况下,定位精度分别提高了53%和79%。

摘要：数字滤波器是影响海洋重力数据处理成果质量的关键技术之一。该文提出了一种实时正反有限冲击响应(FIR)滤波算法,推导了具有线性相位正反FIR滤波器表达式并设计了实时滤波方案:该算法设计出的滤波器在所有的采样频谱内都满足严格意义上的线性相频特性;基于该算法设计的低通滤波器的阻带衰减大,有利于抑制海洋重力数据中的高频噪声。船载重力试验结果表明,在海洋重力数据处理中上述正反FIR滤波器的滤波器实时性好,滤波效果与事后正反FIR滤波器相当,优于单正向FIR滤波效果。

摘要：纯追踪算法是无人驾驶领域中常用的路径跟踪算法,其中预瞄距离的选择影响着路径自主跟踪的精度。针对实际车辆时滞导致理论最优预瞄距离与实际最优预瞄距离不符的问题,提出了一种基于时滞补偿的纯追踪控制预瞄距离优化方法。首先,基于时延和迟滞对传统模型的影响,更新时滞车辆模型;其次,设计了一种改进樽海鞘优化算法对预瞄距离进行优化,研究不同车辆速度下最优预瞄距离配置,得到了仿真平台下最优预瞄距离和速度的一次线性关系式;最后,在实际车辆平台上,对所提优化方法进行了实验验证。实验结果表明:相比于传统模型,加入时滞补偿所得最优预瞄准确率提高了67.55%。

摘要：在GNSS终端方案设计中,跟踪环路闭环大时延将导致传统数字跟踪环路模型与实际模型的偏离,极大限制了归一化噪声带宽的约束极限,从而影响了环路的动态性能及跟踪精度。为解决这一问题,通过分析环路噪声带宽或相干积分时间发生变化对跟踪环路Z域离散模型极点位置的影响,采用参数化根方法设计了数字环路滤波器,实现了高延时情况下数字锁相环路的稳定工作。实验结果表明,相比于传统跟踪环路,在闭环时延100 ms情况下,考虑闭环大时延设计得到锁相环路的归一化噪声带宽能够实现从0.08到1.321的扩展,对于高动态、弱GNSS信号的跟踪及后续导航解算具有重要意义。

摘要：针对四旋翼无人机存在模型参数不确定和外部干扰问题,提出了一种有限时间扩张观测器的非奇异积分滑模姿态控制方法。首先将模型参数不确定性和外部干扰视为集总干扰,建立了四旋翼无人机姿态运动学和动力学模型。其次,将集总干扰作为扩张状态,设计了有限时间扩张观测器,实现对集总干扰的精准估计,并证明了该观测器的有限时间收敛性能。然后,设计了一种快速非奇异积分滑模控制器,对集总干扰进行有效补偿,实现了对四旋翼无人机姿态在有限时间内的跟踪控制,并证明了所设计控制器的稳定性。最后进行了仿真验证,仿真结果表明,相比于自适应快速非奇异积分终端滑模控制器(AFNITSMC),所设计的滑模控制器在集总干扰存在的情况下,收敛速度提升了47.7%,姿态跟踪的均方根误差降低了27.5%,具有更快的收敛速度和更强的抗干扰性能。