一种基于iFEM方法及RZT理论的机翼基线动态位置测量方法

    公开(公告)号:CN109948245B

    公开(公告)日:2023-06-06

    申请号:CN201910203304.0

    申请日:2019-03-18

    Applicant: 东南大学

    Abstract: 本发明公开一种基于iFEM(Inverse Finite Element Method)方法及RZT(Refined Zigzag Theory)理论的机翼基线动态位置测量方法,包括四个步骤:确定所选机翼的机翼三维模型,然后设计机翼表面FBG(Fiber Bragg Grating)传感器阵列和应变花布局排布,接着建立基于RZT理论的逆有限元仿真模型,最后测量数据的读取与转换,得出机翼基线的动态位置。本发明实现一种基于RZT理论的机翼基线动态位置测量方法,鲁棒性好,适应性强。

    一种新的弹载INS/CNS组合导航系统建模方法

    公开(公告)号:CN111504310B

    公开(公告)日:2022-12-27

    申请号:CN202010361402.X

    申请日:2020-04-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种新的弹载INS/CNS组合导航系统建模方法。本发明针对星敏感器低频误差影响弹载导航系统姿态确定精度的问题,首先将星敏感器低频误差引起的姿态误差建模为一阶高斯‑马尔可夫过程,然后将其扩充为状态量,推导一种新的弹载INS/CNS组合导航系统状态方程和量测方程。本发明的有益效果在于:在本发明提出的弹载INS/CNS组合导航系统建模方法基础上,使用卡尔曼滤波方法可以进一步提高弹载INS/CNS组合导航系统的定姿精度。

    一种适用于弹道导弹INS/CNS/GNSS组合导航系统的最优数据融合方法

    公开(公告)号:CN110632634B

    公开(公告)日:2022-11-01

    申请号:CN201910907858.9

    申请日:2019-09-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种适用于弹道导弹INS/CNS/GNSS组合导航系统的最优数据融合方法,该方法包括以下步骤:构造INS/CNS/GNSS组合导航系统模型;在广义高阶CKF的时间更新阶段和量测更新阶段分别引入自适应渐消因子和最大相关熵准则进行INS/CNS子系统和INS/GNSS子系统的局部状态估计;根据最小方差原理和容积准则融合INS/CNS子系统和INS/GNSS子系统的局部估计得到全局最优状态估计。本发明可以同时抑制过程建模误差和非高斯量测噪声对状态估计的影响,提高弹道导弹INS/CNS/GNSS组合导航的自适应性和鲁棒性,获得全局最优的状态估计值。

    一种陀螺振动信号提取与补偿方法

    公开(公告)号:CN106840202B

    公开(公告)日:2020-02-18

    申请号:CN201710017615.9

    申请日:2017-01-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种陀螺振动信号提取与补偿方法。振动提取采用掩膜EMD(经验模态分解)算法,其中掩膜信号的频率是以陀螺输出信号的最高频率作为基频的。以粒子算法(PSO)对掩膜信号的频率和掩膜信号的幅值在指定范围内进行寻优。PSO算法中的适应度函数与掩膜EMD分解的IMF个数、振动IMF与陀螺振动信号之间的相关系数有关。对掩膜EMD分解后的信号,通过提取振动IMF,进而分离出噪声IMF和补偿输出IMF。

    一种适用于弹道导弹INS/CNS/GNSS组合导航系统的最优数据融合方法

    公开(公告)号:CN110632634A

    公开(公告)日:2019-12-31

    申请号:CN201910907858.9

    申请日:2019-09-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种适用于弹道导弹INS/CNS/GNSS组合导航系统的最优数据融合方法,该方法包括以下步骤:构造INS/CNS/GNSS组合导航系统模型;在广义高阶CKF的时间更新阶段和量测更新阶段分别引入自适应渐消因子和最大相关熵准则进行INS/CNS子系统和INS/GNSS子系统的局部状态估计;根据最小方差原理和容积准则融合INS/CNS子系统和INS/GNSS子系统的局部估计得到全局最优状态估计。本发明可以同时抑制过程建模误差和非高斯量测噪声对状态估计的影响,提高弹道导弹INS/CNS/GNSS组合导航的自适应性和鲁棒性,获得全局最优的状态估计值。

    一种基于改进二维经验模态分解算法的图像去噪方法

    公开(公告)号:CN107464226B

    公开(公告)日:2019-10-15

    申请号:CN201710641822.1

    申请日:2017-07-31

    Applicant: 东南大学

    Inventor: 陈熙源 柳笛

    Abstract: 本发明公开了一种基于改进二维经验模态分解算法的图像去噪方法,首先,将待去噪图像经传统BEMD算法进行自适应分解得到各阶IMF后,对各个IMF的概率密度函数与待去噪图像概率密度函数之间的相似性进行测量,其次,根据相似性测量值区分出噪声主导模态函数与信号主导模态函数的边界索引值,然后,使用小波去噪算法对噪声主导模态函数进行降噪处理得到实际的图像噪声,接着,重构出与原图像具有相同信噪比的多幅图像后对其累加求平均、实现将噪声压缩到低阶IMF中,最后,使用BEMD‑DT对该平均图像进行去噪处理。通过本发明方法对图像进行去噪,取得效果均好于小波降噪以及传统BEMD等降噪方法的去噪效果。

    一种基于Retinex算法的图像去模糊方法

    公开(公告)号:CN110033415B

    公开(公告)日:2023-03-21

    申请号:CN201910212674.0

    申请日:2019-03-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于Retinex算法的图像去模糊方法,包括以下步骤:S1:利用Retinex算法对原始模糊图像进行处理,得到图像边缘被增强的模糊图像,将图像边缘被增强的模糊图像作为步骤S2的输入;S2:进行解卷积操作,以获得初始复原图像;S3:计算步骤S2中初始复原图像的梯度映射,消除初始复原图像中的噪声;S4:利用步骤S3中的梯度映射对原始模糊图像的模糊核进行估计;S5:判断步骤S3得到的消除噪声后的初始复原图像和步骤S4得到的模糊核是否为最佳结果:如果是,直接进行步骤S6;否则,将步骤S3得到的消除噪声后的初始复原图像作为步骤S2的输入,返回步骤S2;S6:利用步骤S5中得到的最佳模糊核,对原始模糊图像进行最终的解卷积,以获得最终的复原图像。

    一种校正加速度计误差的SINS/CNS组合导航方法

    公开(公告)号:CN111707259B

    公开(公告)日:2022-08-05

    申请号:CN202010549943.5

    申请日:2020-06-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种校正加速度计误差的SINS/CNS组合导航方法,属于组合导航技术领域。该组合导航方法在姿态量测的基础上,结合星光折射间接敏感地平与载体运动学约束,对惯性器件误差进行校正。主要步骤包括:通过恒星星敏感器观测星图信息,输出载体姿态信息,与惯性器件输出的姿态信息构成姿态量测;利用星光折射计算折射视高度,与惯性器件输出的位置信息计算构成视高度量测;结合载体的运动学规律,给出运动学约束量测;利用信息融合,校正陀螺仪和加速度计的误差,并对SINS导航信息进行反馈校正。本发明利用姿态、位置以及运动学约束作为组合导航的量测信息,对SINS误差进行校正,可显著提高SINS/CNS组合导航系统的导航精度。

    一种基于改进迭代容积粒子滤波算法的定位方法

    公开(公告)号:CN109253727A

    公开(公告)日:2019-01-22

    申请号:CN201810650040.9

    申请日:2018-06-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于改进迭代容积粒子滤波算法的定位方法,该方法首先产生由多个粒子组成的粒子集,然后基于在已知环境中观测到一个或多个路标来对粒子集进行多次迭代更新,每次迭代过程进行多次状态均值的更新,但状态协方差只在对一个路标的最后一次迭代后更新一次,最后基于得到的经更新的状态均值估计值和状态协方差估计值来完成每个粒子的重要性采样,并实现所述移动机器人的定位。该算法利用容积数值积分原则估计出高斯先验的非线性转移密度,使得粒子集较为集中的分布于观测似然函数的尾部,克服了传统粒子滤波定位算法中粒子集退化的问题,使用较少的粒子即可实现对移动机器人高精度高效率的定姿、定位。

    针对运动模糊图像复原的模糊核计算方法

    公开(公告)号:CN109003234A

    公开(公告)日:2018-12-14

    申请号:CN201810649846.6

    申请日:2018-06-21

    Applicant: 东南大学

    Abstract: 本发明公开了一种针对运动模糊图像复原的模糊核计算方法,本发明是基于稀疏特性、超拉普拉斯先验和集成BP神经网络的模糊核参数估计算法,首先,在图像灰度梯度符合超拉普拉斯分布的约束条件下,通过分析模糊图像的稀疏表示系数确定模糊图像的模糊角度;然后,将模糊图像傅里叶变换后获取的傅里叶系数幅值和作为输入,通过训练基于Bagging方法的集成BP神经网络模型,完成对模糊长度的估计;最后,通过一步已知模糊核的去模糊算法得到去模糊图像。本发明估计模糊核参数准确,运算速度快,耗时短,去模糊效果好,通过本发明恢复运动模糊图像,可以使恢复出的图像边缘更加清晰,振铃效应更少。

Patent Agency Ranking