一种改进的残差χ^2检验方法在联邦UKF滤波器中的应用

故障检测和隔离是实现联邦UKF(unscented Kalman filter)滤波器工程应用的关键。针对常规残差χ2检验法因误警导致无故障子系统被频繁隔离的问题,提出了一种改进算法。该算法采用模糊逻辑和加权平均来处理残差χ2检验法的检验阈值,可以根据突变信号的大小自动调节检测时间的长短,特别是对不易检测的小幅值突变信号,自动延长检测时间从而利用更多的信息,有效降低了系统的误警率;在此基础上,进一步设计了合理的故障检测控制规则。将改进的残差χ2检验法应用于多传感器卫星组合导航系统中,仿真结果表明,改进算法有效提高了组合导航系统的稳定性,具有实用价值。

一种基于UKF滤波器的卫星定位算法

针对基于通用最小二乘迭代法的卫星定位解算方法在定位精度和鲁棒性等方面的不足,提出了一种基于UKF(Unscented Kalman Filter)滤波器的卫星定位解算方法。该方法直接利用GPS接收机测得的伪距和多普勒频移作为观测量,对接收机的位置和速度进行估计。经过工程上的实际验证表明:与基于通用的最小二乘迭代法的卫星定位解算方法相比,所提出的基于UKF滤波器的卫星定位解算方法的定位结果有更高的精度和更强的鲁棒性。

磁导引与UKF滤波定位的轮式AGV路径跟踪研究

为实现农用机器人自主导航行走系统在满足较高环境适应性和运动灵活性条件下,能够平稳导航自动路径跟踪。根据农业机器人采摘作业环境要求,构建四轮转向AGV位姿估计的运动学模型,开展了基于模糊控制器的磁导航路径跟踪控制和多传感器信息融合的AGV位姿定位方法研究。试验结果表明:采用模糊控制器能够即时调整AGV车体速度与导向角,UKF滤波器进行数据信息融合的方法能够有效提高AGV位姿定位精度,实现48mm以内的位姿误差和小于4°的航向误差,可为农用轮式AGV应用提供参考。

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。

基于强跟踪UKF的视频目标跟踪算法

针对无迹卡尔曼滤波(unscented Kalman filter,UKF)在非线性系统状态估计中存在的跟踪缓慢和稳态偏差问题,提出一种基于强跟踪UKF的视频目标跟踪算法。该算法以无迹变换(unscented transform,UT)为基础,结合强跟踪滤波器和UKF滤波器的优点,在状态预测协方差矩阵中引入时变渐消因子调节卡尔曼增益,强迫输出残差序列保持正交,并提取残差序列的有效信息,提高滤波器对状态变化的跟踪能力。仿真结果表明,利用强跟踪UKF算法对视频中的运动目标进行跟踪,具有更高的跟踪精度,状态滤波均方误差更小。

迭代平方根UKF

针对无迹卡尔曼滤波器(UKF)测量更新方法的不足,提出了一种对UKF进行迭代测量更新的方法,用于提高非线性系统状态估计的近似精度.利用平方根UKF算法确保了迭代UKF的数值稳定性.理论分析与实验结果表明,迭代平方根UKF算法不仅具有无需计算雅可比矩阵的优点,而且具有较高的非线性近似精度、较强的数值稳定性和较高的运算效率;在相同数量级运算时间的条件下,其估计性能明显优于扩展卡尔曼滤波器(extended Kalman filter,EKF)、UKF和迭代UKF等非线性滤波器.

UKF算法在星载GPS低轨卫星定轨中的应用

对于扩展卡尔曼滤波在非线性系统中由于线性化过程引入了线性化误差,从而导致滤波器性能下降甚至造成滤波发散的情况,利用Unscented卡尔曼滤波器对非线性系统进行直接滤波,该方法无需对非线性系统进行线性化,避免了线性化误差。并将该算法用于星载GPS低轨卫星定轨中,建立了仿真模型,在初始条件相同的情况下,与EKF算法仿真结果相比较,结果表明在一定观测噪声水平下,UKF定轨结果更准确,定轨精度更高。

UKF在GPS/INS组合导航系统中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。

基于UKF的GNSS高动态载波跟踪环路设计与性能分析

对高动态环境下的全球卫星导航系统（GNSS）载波信号跟踪方法进行了研究，提出了一种基于无迹卡尔曼滤波器（UKF）的开环载波跟踪方法。此方法采用四维相位估计模型提高跟踪精度，同时对估计值进行开环补偿以减少滤波器估计滞后性，并能够消除BPSK相位翻转对UKF造成的不良影响。通过模拟高动态运动下的GPS接收信号，从跟踪精度、失锁概率和误码概率三个方面，与基于UKF的闭环载波跟踪结构的环路性能进行了比较。结果表明，基于UKF的开环跟踪方法可显著提高相位跟踪精度，误差仅为基于UKF的闭环结构的50％，并具有更强的收敛性，可以降低环路失锁率，同时误码率提升1．5dB。

一种基于UKF滤波的移动台定位跟踪算法

为实现对移动台的动态连续定位跟踪并提高定位精度,本文提出了一种基于蜂窝网络非视距(NLOS)环境下的移动台定位跟踪算法。将Chan算法和跟踪算法相结合,由Chan定位算法获得定位初始估计值,利用无迹卡尔曼滤波器(UKF)在动态系统跟踪中的优势,对移动台的位置估计值进行修正,实现移动台的定位跟踪。仿真结果表明,该算法能够实现对移动台动态定位跟踪,算法计算复杂度较小的,可获得良好的定位跟踪性能。

钢筋混凝土结构的模型更新混合试验方法

当结构在极端荷载作用下进入强非线性时,混合试验数值子结构是否能够准确模拟结构的强非线性成为关注焦点。模型更新从本构模型参数准确性的角度出发,提出了在线更新数值子结构本构模型参数的概念。由于构件本构模型与截面本构模型具有一定局限性,现有构件、截面本构模型更新的混合试验很难满足大型复杂结构的需求。作者从材料层次出发,采用混凝土本构模型参数的识别方法,并将其应用于钢筋混凝土结构的在线更新混合试验中。通过完成平面混凝土框架3种工况的混合试验,对混凝土材料本构参数识别方法和在线模型更新混合试验进行了验证。试验结果表明该参数识别方法具有较好的收敛速度和稳定性;混凝土本构模型参数的在线更新提高了数值子结构的准确性,进而提高了混合试验的可靠性。

UHF-RFID环境下的移动机器人定位方法

研究UHF-RFID环境中移动机器人的定位问题,提出一种基于自适应UKF滤波器组的移动机器人定位方法,融合UHF-RFID和机器人内部传感器信息,以实现初始位姿未知的移动机器人定位.首先,利用UHF-RFID系统对移动机器人进行初始定位,并根据其初始位置信息随机生成移动机器人的初始状态估计集;然后,考虑UHFRFID系统定位的量化误差,应用自适应UKF方法对机器人的状态估计集进行预测和更新,并对状态估计集进行有效地裁剪、筛选以及更新,以提高滤波器的估计精度和稳定性.仿真结果表明,相比于标准UKF滤波方法,自适应UKF滤波器组方法具有更高的定位精度和更快的收敛速度.

钢筋混凝土结构材料本构模型参数的在线识别

为保证子结构拟动力试验中数值子结构的可靠性,模型参数在线识别与更新方法逐渐受到关注。对于钢筋混凝土结构,当采用纤维模型建立数值子结构时,混凝土材料本构模型参数的选择具有较大不确定性。因此,该文提出了基于隐性卡尔曼滤波器在线识别混凝土材料本构模型参数的方法。首先,对材料本构模型参数进行分类,定义了本构参数与非本构参数,提出了约束混凝土与非约束混凝土的一致本构方程。然后,针对观测量为混凝土应力的情况进行数值仿真分析,验证了此方法的可行性。最后,通过修改Open Sees源代码,实现了此方法在观测量为构件恢复力情况下的应用。研究结果表明该文提出的方法具有较好的稳定性与较高的精度,从而在很大程度上提高了数值模型的可靠性。

一种基于AMPF和FastSLAM的复合SLAM算法

为了改进快速同时定位和地图创建(FastSLAM)算法的粒子集性能、提高估计精度,提出基于AMPF和FastSLAM的复合SLAM算法.将辅助边缘粒子滤波器(AMPF)与FastSLAM架构相结合,用AMPF估计机器人位姿,单个粒子的位姿提议分布用无轨迹卡尔曼滤波估计.设计与AMPF和FastSLAM架构均兼容的采样方法和粒子数据结构,在FastSLAM框架下用扩展卡尔曼滤波递归估计地图.实验表明,该算法的粒子集性能比FastSLAM2.0算法好,并且它的位姿估计精度高于FastSLAM2.0算法.此外,粒子数较少时,该算法的估计精度较高,从而可适当减少粒子数目来提高算法的计算效率.

捷联激光制导的视线信号提取方法

提出了一种弹目视线角信号的提取方法,该方法采用UKF解耦,针对捷联激光制导炸弹需要攻击移动目标却不能测量弹目相对距离和速度的情况,建立了弹目相对运动模型,解耦过程不需要相对距离信息,能够更方便地应用于工程实践。经仿真验证,此方法可以较好地估计出弹目视线角以及角速率信息,能够满足捷联激光制导炸弹工程应用的需要。