一种针对组合导航中DVL失效的混合处理方法

    公开(公告)号:CN106840150A

    公开(公告)日:2017-06-13

    申请号:CN201710055425.6

    申请日:2017-01-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种针对组合导航中DVL失效的混合处理方法,当DVL有效时,采集SINS解算信息和DVL量测信息构成数据表,利用偏最小二乘回归建立线性预测模型,再将DVL量测信息和偏最小二乘回归模型预测所得结果相减得到残余部分,并将其作为训练目标,利用支持向量回归训练得到相应的预测模型;当DVL失效时,利用所建立的偏最小二乘回归模型和支持向量回归模型分别预测DVL量测线性部分和残余部分,并将两者之和作为所预测的DVL量测信息,从而保证DVL间歇失效情况下,SINS/DVL组合导航结果的可靠性。本发明利用偏最小二乘回归和支持向量回归进行建模,并采用双模型混合预测,有效提高了预测结果的准确性。

    一种陀螺稳定平台的自适应复合控制方法

    公开(公告)号:CN103713520B

    公开(公告)日:2016-04-20

    申请号:CN201310680178.0

    申请日:2013-12-12

    Applicant: 东南大学

    Abstract: 本发明公开了一种陀螺稳定平台的自适应复合控制方法,采用位置环和稳定环共同控制的双环控制结构,位置环采用比例积分微分控制,稳定环采用自适应模糊-比例积分微分复合控制;采用自调整量化因子实现模糊控制基本论域的在线调整;采用复合控制自适应因子实现模糊控制和比例积分微分控制的复合。本发明使得陀螺稳定平台具有响应速度快、伺服精度高和抗干扰能力强的优点。

    基于载体系速度匹配的容积卡尔曼非线性组合导航方法

    公开(公告)号:CN103727941B

    公开(公告)日:2016-04-13

    申请号:CN201410004374.0

    申请日:2014-01-06

    Applicant: 东南大学

    Abstract: 本发明提供了基于载体系速度匹配的容积卡尔曼非线性组合导航方法。主要步骤包括:初始化组合导航系统;建立直接以导航参数为状态量以及以载体系速度为量测量的非线性滤波模型及其离散化;构建状态方程和量测方程均为非线性的容积卡尔曼滤波算法,实现组合导航的信息融合和精确的导航定位。优点在于本发明建立的非线性模型以及使用的非线性滤波算法,直接输出的是导航参数,不需要进行误差修正,且捷联惯导系统参数更新与滤波器的时间更新同步实现,算法简单,为以捷联惯性导航系统为主的组合导航系统信息融合提供了一种新方案。

    临近空间飞行器传递对准模型不确定性的鲁棒滤波方法

    公开(公告)号:CN104613984A

    公开(公告)日:2015-05-13

    申请号:CN201510064836.2

    申请日:2015-02-06

    Applicant: 东南大学

    CPC classification number: G01C25/005 G01C21/16

    Abstract: 本发明公开了一种临近空间飞行器传递对准模型不确定性的鲁棒滤波方法,包括四个步骤:步骤一,根据临近空间飞行器传递对准系统的工作原理和特点,建立系统的数学平台失准角误差方程、速度误差方程、位置误差方程和观测方程;步骤二,根据系统的误差方程建立模型不确定的状态方程和观测方程;步骤三,给出状态变量初始值(x0)和预测误差方差矩阵初始值(Σ0|0),给出稀疏网格求积分点集(ξj,εj;j=1,2,…Np),给出鲁棒滤波参数γ和ε;步骤四,利用鲁棒滤波对系统状态进行估计并对子惯导系统进行误差修正,完成传递对准过程。本发明适用于临近空间飞行器动态条件下主子惯导系统具有模型不确定性的传递对准。

    基于星敏感器的近空间弹载捷联惯导系统传递对准方法

    公开(公告)号:CN104165640A

    公开(公告)日:2014-11-26

    申请号:CN201410393596.6

    申请日:2014-08-11

    Applicant: 东南大学

    CPC classification number: G01C25/005

    Abstract: 本发明公开了一种基于星敏感器的近空间弹载捷联惯导系统传递对准方法,包括以下步骤:1)以载体发射点处的惯性坐标系(简称发射点惯性坐标系)为导航坐标系,以待发射弹体上的捷联惯性导航系统(SINS)为子惯导,建立弹载捷联惯性导航系统传递对准状态方程;2)弹载捷联惯导系统导航信息和观测量的计算;3)量测方程的建立;4)根据建立的状态方程和量测方程,利用稀疏网格求积分卡尔曼滤波器估计弹体的数学平台失准角、速度误差、位置误差、安装误差和载体的挠曲变形,对子惯导系统进行修正,完成传递对准过程。

    一种多模型水下航行器组合导航滤波方法

    公开(公告)号:CN103776453A

    公开(公告)日:2014-05-07

    申请号:CN201410030165.3

    申请日:2014-01-22

    Applicant: 东南大学

    CPC classification number: G01C21/203

    Abstract: 本发明公开了一种多模型水下航行器组合导航滤波方法,本发明首先根据水下航行器组合导航系统建立SINS/DVL/TAN/MCP组合导航系统的状态方程、观测方程及噪声模型;并根据系统方程与噪声模型确定模型集;从组合导航系统中选择特征变量,建立贝叶斯网络。根据多模型滤波算法结构,采用贝叶斯网络参数修正多模型估计中的模型切换概率,采用加权和方式计算所有滤波器的估计融合。由导航计算机根据组合导航系统的滤波模型及算法流程,完成组合导航的数据处理及解算工作。本发明能够提高复杂环境下组合导航系统的滤波精度,增强水下航行器自主导航定位性能。

    基于重力加速度矢量匹配的非线性初始对准方法

    公开(公告)号:CN103727940A

    公开(公告)日:2014-04-16

    申请号:CN201410017853.6

    申请日:2014-01-15

    Applicant: 东南大学

    CPC classification number: G01C21/16 G01C21/20

    Abstract: 本发明提供了一种基于重力加速度矢量匹配的非线性初始对准方法。主要步骤包括:捷联惯性导航系统粗对准;建立基于导航坐标系重力加速度矢量匹配的非线性滤波连续系统模型及其离散化;采用容积卡尔曼非线性滤波器进行滤波,完成初始对准。优点在于本发明中状态量采用欧拉角和惯性器件常值误差,以欧拉角微分方程和惯性器件误差模型为状态方程,量测量采用导航坐标系中的重力加速度矢量,以速度微分方程为量测方程,并采用容积卡尔曼非线性滤波算法进行滤波估计,滤波输出直接为导航参数,在滤波时间更新过程中同步实现捷联惯导系统的导航参数更新,不需要单独的导航解算过程,算法非常简单,为捷联惯性导航系统初始对准提供了一种新方案。

    一种光纤捷联罗经系统的对准方法

    公开(公告)号:CN102305635B

    公开(公告)日:2013-12-25

    申请号:CN201110225420.6

    申请日:2011-08-08

    Applicant: 东南大学

    Abstract: 本发明提供的是一种光纤捷联罗经系统的对准方法。步骤包括:根据基于双积分重力矢量的并行解析粗对准算法,利用光纤捷联罗经系统采集的光纤陀螺和石英加速度计数据,以及地球自转角速率、重力加速度、纬度等信息,完成光纤捷联罗经系统的粗对准;根据基于比力的精对准方法,建立以失准角为系统状态,以比力信息为系统量测的光纤捷联罗经系统精对准的卡尔曼滤波模型;利用滤波估计的失准角信息闭环修正姿态矩阵,完成光纤捷联罗经系统的精对准。本发明的方法具有如下优点:(1)粗对准算法通过重力矢量的双积分运算和并行融合运算,对系统随机误差进行了平滑抑制,提高了粗对准的精度和可靠性;(2)精对准算法的滤波模型简单。

    基于选择性状态空间模型Mamba的语音增强方法及系统

    公开(公告)号:CN119993176A

    公开(公告)日:2025-05-13

    申请号:CN202510369680.2

    申请日:2025-03-27

    Applicant: 东南大学

    Inventor: 程向红 杨铭扬

    Abstract: 本发明公开了基于选择性状态空间模型Mamba的语音增强方法及系统,对失真语音进行短时傅立叶变换得到时频域信号,将时频域信号的幅值、实部和虚部拼接为3个通道的信号作为输入信号,输入信号经生成器网络编码器的第一个卷积块从3个通道扩展为多个通道,通过编码器的扩张密集卷积层提取不同分辨率特征并增加感受野,利用编码器最后一个卷积块将信号的频率维度降为原来的1/2以减少计算复杂度,经编码器扩展后的信号通过N个TF‑mamba块模拟不同分辨率下语音信号的前向和后向依赖关系以捕获长序列语音信号的局部和全局特征,实现特征增强,再分别通过复数解码器和掩码解码器预测增强信号幅值和相位得到去噪去混响后的增强语音。

    基于Transformer的特征级相机-激光雷达在线标定方法

    公开(公告)号:CN118229799A

    公开(公告)日:2024-06-21

    申请号:CN202410513954.6

    申请日:2024-04-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于Transformer的特征级相机‑激光雷达在线标定方法,首先利用手眼估计器对相机和激光雷达进行粗标定,通过估计的初始六自由度外参将激光雷达原始点云投影到图像上,得到粗标定后匹配的激光雷达点云与相机图像;再构建多约束Transformer深度网络模型并进行模型训练,输出预测后更精准的六自由度外参;所述网络模型包括Token金字塔模块、Transformer融合器模块、特征注入模块和多约束模块;将粗标定后匹配的激光雷达点云与相机图像输入到多约束Transformer深度网络中进行精标定,最后引入迭代优化策略,得到精确鲁棒的六自由度外参,进一步提高标定结果的精度和鲁棒性。

Patent Agency Ranking