-
公开(公告)号：CN105300384A
公开(公告)日：2016-02-03
申请号：CN201510159381.2
申请日：2015-04-03
Applicant: 东南大学
IPC: G01C21/24
Abstract: 本发明公开了一种用于卫星姿态确定的交互式滤波方法，弥补了optimal-REQUEST算法无法估计陀螺常值漂移的缺陷，提高了算法的适用性。包括以下几个步骤：步骤一：采集传感器量测数据，包括陀螺仪数据和星敏感器数据；步骤二：建立卫星姿态估计系统的状态空间模型，包括构建姿态K矩阵；步骤三：针对上述状态空间模型，已知k时刻的状态估计和陀螺量测，利用CKF算法及k时刻的最优四元数估计k+1时刻的陀螺常值漂移，从而补偿陀螺量测；步骤四：针对上述补偿的陀螺量测，利用optimal-REQUEST算法进行时间更新和量测更新，得到k+1时刻的最优K矩阵，从而得到最优四元数等步骤。本发明有利于提高估计精度。
-
公开(公告)号：CN105806363B
公开(公告)日：2018-08-21
申请号：CN201510782989.0
申请日：2015-11-16
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开一种基于SRQKF的SINS/DVL水下大失准角对准方法，包括如下步骤：步骤1：建立捷联惯性导航系统SINS在大失准角下的非线性误差模型和非线性滤波方程；步骤2：利用Gauss‑Hermite求积分中多变量Gauss点及其系数配置方法以及平方根滤波方法，构建平方根求积分卡尔曼滤波器SRQKF；步骤3：利用平方根求积分卡尔曼滤波SRQKF估计出失准角，并修正捷联姿态矩阵，得到精确的捷联姿态矩阵与姿态角。本发明提高了载体捷联系统水下对准精度和对准速度。
-
公开(公告)号：CN107507279A
公开(公告)日：2017-12-22
申请号：CN201710789069.0
申请日：2017-09-05
Applicant: 东南大学
IPC: G06T17/20
CPC classification number: G06T17/20
Abstract: 本发明公开了一种基于快速凸壳技术的三角网生成方法，该方法根据内点删除的时机分为快速凸壳算法包括静态算法和动态算法，针对大规模数据点集，算法又引入迭代思想，利用算法本身对非凸壳点的快速删除能力进一步加速凸壳求解进程，从而使得算法性能进一步提升，当所有点都被包含在凸壳中时，三角网建立完毕。本发明在深入研究前人成果的基础上，充分利用凸壳特性，提出一种新的凸壳构建算法，该算法的内核极大地加快了求解进程，在凸壳求解过程中，角域以极快的速度收敛，从而迅速逼近凸壳边，为进一步减少绝对运算次数，算法又引入迭代处理思想，从而再次提高算法效率，不仅兼顾时间与空间性能，且显著提高了执行效率。
-
公开(公告)号：CN105911552A
公开(公告)日：2016-08-31
申请号：CN201610397925.3
申请日：2016-06-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于北斗短报文功能的反潜声呐浮标，包括设于水下的监听设备和浮于水面的浮体；监听设备包括声呐模块，浮体内部设有信号处理模块、控制模块、三维数字罗盘和北斗收发终端，浮体外部设有天线；声呐模块将探测到的水声信号发送给信号处理模块，控制模块对信号处理模块进行控制，信号处理模块对水声信号进行时延估计并得到水声信号的位置偏移校正量，然后将时延估计结果和位置偏移校正量发送给北斗收发终端，北斗收发终端将时延估计结果和位置偏移校正量连同三维数字罗盘的方位信息一起通过天线发送出去，此外，北斗收发终端还为信号处理模块提供高精度同步时钟。本发明探测精度高，数据传输实时性和抗干扰能力都较强。
-
公开(公告)号：CN105806363A
公开(公告)日：2016-07-27
申请号：CN201510782989.0
申请日：2015-11-16
Applicant: 东南大学
IPC: G01C25/00
CPC classification number: G01C25/005
Abstract: 本发明公开一种基于SRQKF的SINS/DVL水下大失准角对准方法，包括如下步骤：步骤1：建立捷联惯性导航系统SINS在大失准角下的非线性误差模型和非线性滤波方程；步骤2：利用Gauss?Hermite求积分中多变量Gauss点及其系数配置方法以及平方根滤波方法，构建平方根求积分卡尔曼滤波器SRQKF；步骤3：利用平方根求积分卡尔曼滤波SRQKF估计出失准角，并修正捷联姿态矩阵，得到精确的捷联姿态矩阵与姿态角。本发明提高了载体捷联系统水下对准精度和对准速度。
-
Patent Agency Ranking
公开(公告)号：CN106949906B
公开(公告)日：2020-04-24
申请号：CN201710137456.6
申请日：2017-03-09
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于积分型扩张状态感测器的对准方法，适用于捷联惯性导航系统静坐基座大失准角对准的情况，解决大失准角条件下对准速度慢、误差波动大的问题。本发明通过IESO来对系统输出进行状态估计，从估计量中提取失准角信息。根据捷联惯性导航系统的东向和北向的误差回路，分别设计了用以减小东向失准角和天向失准角的4阶IESO滤波器和用以减小北向失准角的3阶IESO滤波器。进而通过失准角的修正量来得到陀螺仪的补偿量，完成对准。本发明所述方法不需要经过粗对准，且滤波器稳定性能较好，从而使得对准时间有效地减少。
-
公开(公告)号：CN105300384B
公开(公告)日：2017-12-22
申请号：CN201510159381.2
申请日：2015-04-03
Applicant: 东南大学
IPC: G01C21/24
Abstract: 本发明公开了一种用于卫星姿态确定的交互式滤波方法，弥补了optimal‑REQUEST算法无法估计陀螺常值漂移的缺陷，提高了算法的适用性。包括以下几个步骤：步骤一：采集传感器量测数据，包括陀螺仪数据和星敏感器数据；步骤二：建立卫星姿态估计系统的状态空间模型，包括构建姿态K矩阵；步骤三：针对上述状态空间模型，已知k时刻的状态估计和陀螺量测，利用CKF算法及k时刻的最优四元数估计k+1时刻的陀螺常值漂移，从而补偿陀螺量测；步骤四：针对上述补偿的陀螺量测，利用optimal‑REQUEST算法进行时间更新和量测更新，得到k+1时刻的最优K矩阵，从而得到最优四元数等步骤。本发明有利于提高估计精度。
-
公开(公告)号：CN105066996B
公开(公告)日：2017-11-28
申请号：CN201510426626.3
申请日：2015-07-20
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公开一种自适应矩阵卡尔曼滤波姿态估计方法，包括以下几个步骤：步骤1：获取传感器实时数据；步骤2：建立系统过程方程与量测方程；步骤3：在建立的系统模型的基础上，利用矩阵卡尔曼滤波估计最优K矩阵；步骤4：建立基于残差匹配的AMKF滤波方程；步骤5：利用姿态四元数中乘性误差四元数计算方法，得到估计姿态与真实姿态之间的误差角，采用矩阵欧几里德范数运算表示滤波增益因子及矩阵求迹运算计算过程噪声；步骤6：姿态估计离散系统的运行时间为M，若k＝M，则输出姿态四元数及陀螺常值漂移结果，完成姿态估计，若k＜M，表示滤波过程未完成，则重复上述步骤三至步骤五，直至姿态估计系统运行结束。
-
公开(公告)号：CN106949906A
公开(公告)日：2017-07-14
申请号：CN201710137456.6
申请日：2017-03-09
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于积分型扩张状态感测器的对准方法，适用于捷联惯性导航系统静坐基座大失准角对准的情况，解决大失准角条件下对准速度慢、误差波动大的问题。本发明通过IESO来对系统输出进行状态估计，从估计量中提取失准角信息。根据捷联惯性导航系统的东向和北向的误差回路，分别设计了用以减小东向失准角和天向失准角的4阶IESO滤波器和用以减小北向失准角的3阶IESO滤波器。进而通过失准角的修正量来得到陀螺仪的补偿量，完成对准。本发明所述方法不需要经过粗对准，且滤波器稳定性能较好，从而使得对准时间有效地减少。
-
公开(公告)号：CN105066996A
公开(公告)日：2015-11-18
申请号：CN201510426626.3
申请日：2015-07-20
Applicant: 东南大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开一种自适应矩阵卡尔曼滤波姿态估计方法，包括以下几个步骤：步骤1：获取传感器实时数据；步骤2：建立系统过程方程与量测方程；步骤3：在建立的系统模型的基础上，利用矩阵卡尔曼滤波估计最优K矩阵；步骤4：建立基于残差匹配的AMKF滤波方程；步骤5：利用姿态四元数中乘性误差四元数计算方法，得到估计姿态与真实姿态之间的误差角，采用矩阵欧几里德范数运算表示滤波增益因子及矩阵求迹运算计算过程噪声；步骤6：姿态估计离散系统的运行时间为M，若k＝M，则输出姿态四元数及陀螺常值漂移结果，完成姿态估计，若k＜M，表示滤波过程未完成，则重复上述步骤三至步骤五，直至姿态估计系统运行结束。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.029 seconds)
