-
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：CN104181556B
公开(公告)日：2017-02-15
申请号：CN201410407011.1
申请日：2014-08-19
Applicant: 哈尔滨工程大学
IPC: G01S19/24
Abstract: 本发明涉及GNSS(全球卫星导航系统)中接收机的捕获处理领域，具体涉及的是一种基于重叠差分循环相干积分的BOC调制信号捕获方法。本发明包括：接收机接收中频信号作为处理数据的接收信号；将去除载波之后的信号作为4条支路的输入信号；将数据块进行自身叠加处理；本地生成要捕获卫星的PRN码以及经过BOC调制之后的BOC信号，并分别进行快速傅里叶变化；进行傅里叶反变换，求模；本地PRN码作相乘处理，并进行傅里叶反变换；做减法运算，保留得到的值以及共轭值；将本条支路所得的共轭值与下一支路同一等级的值做乘积处理。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。
-
公开(公告)号：CN104035109B
公开(公告)日：2016-09-14
申请号：CN201410246923.5
申请日：2014-06-05
Applicant: 哈尔滨工程大学
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5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。
-
公开(公告)号：CN103900610B
公开(公告)日：2016-06-29
申请号：CN201410121057.7
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G01C25/00
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：CN104181556A
公开(公告)日：2014-12-03
申请号：CN201410407011.1
申请日：2014-08-19
Applicant: 哈尔滨工程大学
IPC: G01S19/24
CPC classification number: G01S19/246
Abstract: 本发明涉及GNSS(全球卫星导航系统)中接收机的捕获处理领域，具体涉及的是一种基于重叠差分循环相干积分的BOC调制信号捕获方法。本发明包括：接收机接收中频信号作为处理数据的接收信号；将去除载波之后的信号作为4条支路的输入信号；将数据块进行自身叠加处理；本地生成要捕获卫星的PRN码以及经过BOC调制之后的BOC信号，并分别进行快速傅里叶变化；进行傅里叶反变换，求模；本地PRN码作相乘处理，并进行傅里叶反变换；做减法运算，保留得到的值以及共轭值；将本条支路所得的共轭值与下一支路同一等级的值做乘积处理。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：CN104101344A
公开(公告)日：2014-10-15
申请号：CN201410330718.7
申请日：2014-07-11
Applicant: 哈尔滨工程大学
IPC: G01C21/00
CPC classification number: G01C25/005
Abstract: 本发明涉及组合导航中MEMS微机械陀螺的随机误差建模与补偿领域，具体涉及一种基于粒子群小波网络的MEMS陀螺随机误差补偿方法。本发明包括：连续采样得到MEMS陀螺的输出数据，对输出数据进行预处理；对处理后的输出数据进行去噪处理，获得噪声干扰更小的随机误差，利用小波包分析方法对随机误差去噪处理；构建粒子群小波网络模型，利用粒子群算法优化小波网络；初始化设置网络：确定网络的输入节点数，输出节点数，隐含层节点数，利用随机误差样本数据训练网络，并保存网络，利用网络预测值对MEMS陀螺仪随机误差补偿。本发明对MEMS陀螺的输出信号进行去噪处理，减少噪声的影响，保证预测的准确性。
-
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：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。
-
公开(公告)号：CN104408278A
公开(公告)日：2015-03-11
申请号：CN201410525604.8
申请日：2014-10-09
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明涉及阵列信号处理中自适应波束形成领域，具体涉及一种基于干扰噪声协方差矩阵估计的稳健波束形成方法。本发明包括利用天线阵列接收远场窄带入射信号，取有限快拍数进行对接收数据协方差矩阵进行估计,然后对接收数据协方差矩阵进行特征分解，入射信号源数目的先验信息可以由信号源数目估计方法获得，依据估计的期望信号导向矢量在噪声子空间的投影最优获取更为准确的期望信号导向矢量，依据干扰信号导向矢量先验信息及估计的噪声功率进行干扰噪声协方差矩阵估计得到，进行波束形成。本发明首先进行了干扰噪声协方差矩阵估计，去除了训练数据中的期望信号成分，能够避免产生信号相消。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
