-
公开(公告)号：CN103900610A
公开(公告)日：2014-07-02
申请号：CN201410121057.7
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G01C25/00
CPC classification number: G01C25/005
Abstract: 本发明提供的是一种基于灰色小波神经网络的MEMS陀螺随机误差预测方法。对MEMS陀螺的输出数据进行预处理，采集MEMS陀螺的输出数据，对输出数据小波分析，选取Db4小波函数对陀螺的输出数据进行去噪处理；对去噪后的MEMS陀螺的输出数据进行分组，确定输入向量和目标向量；构建灰色小波网络预测模型，确定灰色小波网络的输入节点数，输出节点数，隐含层节点数，初始化网络；对所建网络进行训练，并保存网络用来预测陀螺随机误差的趋势。本发明与传统的陀螺随机误差建模方法相比，本发明将灰色理论与小波神经网络相结合，从而改善MEMS陀螺随机误差预测精度，并且与传统方法相比预测精度有了明显的提高。
-
公开(公告)号：CN104048676B
公开(公告)日：2017-02-15
申请号：CN201410298926.3
申请日：2014-06-26
Applicant: 哈尔滨工程大学
IPC: G01C25/00
Abstract: 本发明属于陀螺导航领域，具体涉及一种基于改进粒子滤波的MEMS陀螺随机误差补偿方法。包括：数据的采集、预处理与检验：对处理后的MEMS陀螺的输出数据进行时间序列分析建模：利用小波网络算法优化粒子滤波，改善粒子滤波性能；对时间序列模型进行粒子滤波，对MEMS陀螺仪误差补偿，提高精度。M本发明采用一种改进的粒子滤波算法，将小波网络算法与粒子滤波典型采样算法结合，增大位于概率分布尾部的粒子权值，使较高权值的粒子分解为若干个较小权值的粒子，提高粒子样本的多样性，减小误差，提高滤波效果。将基于小波网络的粒子滤波算法应用到MEMS陀螺仪的误差补偿中，可以有效减少随机误差，提高MEMS陀螺仪精度。
-
公开(公告)号：CN104199052B
公开(公告)日：2016-08-17
申请号：CN201410486100.X
申请日：2014-09-22
Applicant: 哈尔滨工程大学
IPC: G01S19/21
Abstract: 本发明涉及一种基于范数约束的波束旁瓣抑制方法，其特征在于:步骤1：建立阵列天线接收信号模型，计算卫星信号和干扰信号的导向矢量；步骤2：根据卫星信号和干扰信号的达到角范围，确定阵列幅值响应约束条件；步骤3：采用范数对整个角度空间进行稀疏表示，结合步骤2确定的阵列幅值响应约束条件，确定基于范数约束的波束旁瓣抑制方法的代价函数；步骤4：将非凸优化约束条件转化为凸优化约束条件；步骤5：运用加权迭代算法和CVX工具箱计算阵列最优权值，获取卫星信号方向上的波束和干扰信号方向的零陷。
-
公开(公告)号：CN104251712A
公开(公告)日：2014-12-31
申请号：CN201410525603.3
申请日：2014-10-09
Applicant: 哈尔滨工程大学
IPC: G01C25/00
CPC classification number: G01C25/00
Abstract: 本发明涉及惯性导航领域，具体涉及基于小波多尺度分析的MEMS陀螺(Micro Electro Mechanical System,MEMS)随机误差补偿方法。本发明包括：采集MEMS陀螺的静态输出数据，并对输出数据进行预处理，去除输出数据中的陀螺常值漂移；对预处理后的输出数据展开小波多尺度分析；分别建立有色噪声和测量噪声的小波网络模型，并利用增加动量项方法修正网络参数，训练结束后保持网络；得到MEMS陀螺的随机误差模型，最终利用该随机误差模型去估计并补偿MEMS陀螺的随机误差。本发明利用小波多尺度分析方法对MEMS陀螺随机误差分析，能有效地分离出随机误差的有色噪声和测量噪声，进而建立相应的噪声模型。因此，所建立的模型更为精确，能提升对随机误差的估计精确度。
-
公开(公告)号：CN104035109A
公开(公告)日：2014-09-10
申请号：CN201410246923.5
申请日：2014-06-05
Applicant: 哈尔滨工程大学
CPC classification number: G01S19/246
Abstract: 本发明的目的在于提供基于重叠1/5比特差分循环相干积分的弱信号捕获方法，包括如下过程：取一段中频信号数据，将接收信号进行载波剥离处理，将去除载波之后的数据进行数据分块处理，将每一个数据块进行自身叠加处理，并进行FFT变换，将本地产生的C/A码进行FFT变换并取共轭，然后与上步最终获得的每个结果分别相乘并进行IFFT处理，将上步骤处理后的每个数据块与和它有数据重叠的相邻块的数据进行复数共轭相乘，然后再进行分组相关求和，对得到的五个结果进行判断，判断其大小，选取没有数据跳变的结果，获得峰值，将峰值与设定的门限值γ作比较，判断信号是否捕获成功。本发明能够较好的捕获到弱信号，使得接收机对于弱信号的适应性得到提高。
-
Patent Agency Ranking
公开(公告)号：CN104251712B
公开(公告)日：2017-10-31
申请号：CN201410525603.3
申请日：2014-10-09
Applicant: 哈尔滨工程大学
IPC: G01C25/00
Abstract: 本发明涉及惯性导航领域，具体涉及基于小波多尺度分析的MEMS陀螺(Micro Electro Mechanical System,MEMS)随机误差补偿方法。本发明包括：采集MEMS陀螺的静态输出数据，并对输出数据进行预处理，去除输出数据中的陀螺常值漂移；对预处理后的输出数据展开小波多尺度分析；分别建立有色噪声和测量噪声的小波网络模型，并利用增加动量项方法修正网络参数，训练结束后保持网络；得到MEMS陀螺的随机误差模型，最终利用该随机误差模型去估计并补偿MEMS陀螺的随机误差。本发明利用小波多尺度分析方法对MEMS陀螺随机误差分析，能有效地分离出随机误差的有色噪声和测量噪声，进而建立相应的噪声模型。因此，所建立的模型更为精确，能提升对随机误差的估计精确度。
-
公开(公告)号：CN104199052A
公开(公告)日：2014-12-10
申请号：CN201410486100.X
申请日：2014-09-22
Applicant: 哈尔滨工程大学
IPC: G01S19/21
CPC classification number: G01S19/21
Abstract: 本发明涉及一种基于范数约束的波束旁瓣抑制方法，其特征在于:步骤1：建立阵列天线接收信号模型，计算卫星信号和干扰信号的导向矢量；步骤2：根据卫星信号和干扰信号的达到角范围，确定阵列幅值响应约束条件；步骤3：采用范数对整个角度空间进行稀疏表示，结合步骤2确定的阵列幅值响应约束条件，确定基于范数约束的波束旁瓣抑制方法的代价函数；步骤4：将非凸优化约束条件转化为凸优化约束条件；步骤5：运用加权迭代算法和CVX工具箱计算阵列最优权值，获取卫星信号方向上的波束和干扰信号方向的零陷。
-
公开(公告)号：CN104049262A
公开(公告)日：2014-09-17
申请号：CN201410298930.X
申请日：2014-06-26
Applicant: 哈尔滨工程大学
IPC: G01S19/21
Abstract: 本发明涉及阵列天线和全球定位系统接收机矢量跟踪环路领域，具体的涉及的是一种为基于阵列天线的波束形成器提供本地参考信号，保证矢量跟踪环路正常工作的基于矢量跟踪环路的波束形成抗干扰方法。本发明包括；阵列天线接收信号；剥离卫星信号中载波；求取阵列最优权值；计算当前各跟踪通道伪距测量值，获得载体位置；构建矢量跟踪环路。本发明够抑制与卫星信号不相干的各种干扰，属于盲波束形成的一种。同时，矢量跟踪环路能够容易跟踪抑制干扰后的卫星信号，不易失锁，从而保证GPS接收机的在干扰环境中的稳健性。
-
公开(公告)号：CN104048676A
公开(公告)日：2014-09-17
申请号：CN201410298926.3
申请日：2014-06-26
Applicant: 哈尔滨工程大学
IPC: G01C25/00
CPC classification number: G01C25/005
Abstract: 本发明属于陀螺导航领域，具体涉及一种基于改进粒子滤波的MEMS陀螺随机误差补偿方法。包括：数据的采集、预处理与检验：对处理后的MEMS陀螺的输出数据进行时间序列分析建模：利用小波网络算法优化粒子滤波，改善粒子滤波性能；对时间序列模型进行粒子滤波，对MEMS陀螺仪误差补偿，提高精度。M本发明采用一种改进的粒子滤波算法，将小波网络算法与粒子滤波典型采样算法结合，增大位于概率分布尾部的粒子权值，使较高权值的粒子分解为若干个较小权值的粒子，提高粒子样本的多样性，减小误差，提高滤波效果。将基于小波网络的粒子滤波算法应用到MEMS陀螺仪的误差补偿中，可以有效减少随机误差，提高MEMS陀螺仪精度。
-
公开(公告)号：CN103969664A
公开(公告)日：2014-08-06
申请号：CN201410216218.0
申请日：2014-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于差分循环相干积分的GPS弱信号捕获方法，步骤1：取一段20Mms中频信号的数据，M=1，2，3…，对接收到的数据以L=10ms的长度进行分块；设定多普勒频移范围(ωDmin，ωDmax)和搜索频率步进ΔωD，同时设定检测阈值γ；步骤2：对数据比特翻转进行估计，选取数据块；步骤3：将选取的数据进行载波剥离，分别与本地复制载波的同相支路上的正弦信号和正交之路的余弦信号进行混频，得到I路信号和Q路信号；对同相和正交之路数据进行相干积分；步骤4：将每个块的数据和它后面相邻块的复数共轭相乘，即进行差分循环相关；步骤5：将步骤4的结果相干求和，获得峰值Y；将峰值Y与检测阈值γ作比较，判断信号是否捕获成功。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
