基于LS-Kalman的无线传感器算法研究

常用的定位算法用于无线传感器定位时的性能很不稳定且误差很大,为此提出一种更高精度的定位算法。该算法前期使用基于非测距的DV-HOP算法进行初始定位,后期用改进的最小二乘-卡尔曼滤波(LS-Kalman)对初始定位进行循环求精。本文采用MATLAB仿真软件分别对二维和三维无线传感器网络节点进行实验,实验结果表明该算法三维定位收敛更快,定位精度更高,且算法更简单。

基于增广卡尔曼滤波器的时域传递路径分析方法

时域传递路径分析方法用于解决瞬态工况下复杂系统振动噪声问题不仅未能解决自然频率附近频响函数矩阵的病态问题,而且利用现有频域信息转换提取得到的所需时域信息精度较低,因此提出一种基于增广卡尔曼滤波器的时域传递路径分析方法。该方法采用增广卡尔曼滤波器辅以遗传算法估计时域工况载荷,通过最小二乘算法辨识单位脉冲响应函数,将时域工况载荷和对应的单位脉冲响应函数进行线性卷积以计算各传递路径的时域贡献量。算例表明,所提方法采用的增广卡尔曼滤波器载荷识别误差小于传统方法的去卷积滤波器所识别载荷的误差,最小二乘算法辨识的单位脉冲响应函数误差小于对频响函数直接进行快速逆傅里叶变换或者构造有限单位脉冲响应滤波器的误差,且所提方法在复杂结构上也同样具有较小的误差。

地区电网风电场功率超短期预测方法

针对某地区电网并入多个风电场的情况,论证分析了所有风电场总输出功率变化较单一风电场输出功率变化具有更好的规律性,引入风电总量与风电分配因子这2个概念,提出超短期风电场功率预测模型和求解方法。主要内容包括:风电总量、风电分配因子以及它们之间的随机关联规律;最小二乘支持向量机和卡尔曼滤波技术对风电总量和风电分配因子的自适应动态预测算法;基于关联规律间接实现风电场输出功率的超短期预测。通过实例验证,表明所提出的预测方法无论是在风电场功率预测精度、还是在预测误差分布范围方面都有明显改进。

轨迹预测在红外多目标跟踪中的应用

针对红外多目标跟踪过程中的噪声、轨迹预测和轨迹交联问题,讨论了轨迹预测算法在红外多目标跟踪中的应用。首先,利用邻域轨迹预测算法剔除目标检测算法中误检的噪声点,然后运用卡尔曼滤波和最小二乘滤波的轨迹预测方法解决在跟踪过程中目标丢失的问题,及多目标轨迹出现交联时如何辨识出各个目标轨迹的问题。算法充分运用了目标运动的连续性和方向性,避免了噪声的干扰,实现了目标轨迹的预测和辨析。通过物理实验,验证了各个算法的有效性,并比较了工程应用中的优劣。实验证明:基于目标轨迹预测的算法较好地解决了红外多目标跟踪过程中的噪声、轨迹预测和交联问题。

最小二乘支持向量机与Kalman滤波耦合的瓦斯涌出量动态预测模型

针对瓦斯涌出量的多影响因素预测问题,提出一种最小二乘支持向量机(LS-SVM)回归算法与卡尔曼滤波耦合的动态预测方法。该方法依据预测残差方差比检验策略确定自适应的动态训练样本集以取代固定的训练样本集。LS-SVM辨识网络对瓦斯涌出量的相关因素进行非线性映射并提取出最佳维数的状态向量以建立基于卡尔曼滤波最优估计的瓦斯涌出量预测模型。利用矿井监测到的各项历史数据进行实验。结果表明,该模型的预测平均相对误差为2.17%,平均相对变动值ARV为0.008 873,相比单一的神经网络或支持向量机预测模型,具有更高的预测精度与更强的泛化能力。

大倾角工作面飞矸冲击损害及其控制

飞矸具有动态运移、危害巨大的特点,合理控制其损害是大倾角煤层安全开采的前提之一。基于卡尔曼滤波原理获取飞矸的冲击能特性,以挡矸网为控制元件,多手段综合研究了飞矸的冲击损害机制及控制元件参数,提出了一种飞矸冲击损害控制方法。研究结果表明飞矸碰撞设备时冲击能耗损为多种形式的能量,其中设备的变形能占比最大;飞矸碰撞设备前的冲击能和设备的冲击能恢复系数共同影响飞矸冲击能的耗损程度,由此飞矸损害控制可以从提高设备的冲击能恢复系数和降低飞矸的冲击能两方面入手。LS-DYNA数值碰撞模型确定了大倾角大采高工作面控制元件参数为涤纶直径6 mm,菱形网格大小100 mm×100 mm。将控制元件应用于现场,降低了飞矸伤人毁物事故的次数,改善了防护设备使用周期短的问题。

基于尖点突变理论的高层建筑沉降变形预测分析

为建立一个全面且系统的高层建筑变形预测模型,本文首先利用卡尔曼滤波对变形数据进行去噪处理,分离出趋势项和误差项,再利用GA-BP模型和LS-GM(1,1)模型对趋势项进行预测,并通过组合得到趋势项预测值;其次,利用马尔科夫链对累计误差序列的进行修正,进一步提高预测精度;最后,利用尖点突变理论对高层建筑的稳定性进行评价,以验证预测模型的有效性。结果表明:半参数型卡尔曼滤波具有较好的滤波效果,且在趋势项的预测过程中,通过对BP神经网络的优化将平均预测精度由4.02%提高到了2.44%,而优化GM(1,1)模型则将平均预测精度由4.29%提高到了2.76%,说明本文的优化方法切实可行。通过误差修正,验证样本中的最大相对误差仅为1.63%,说明误差修正模型达到了进一步提高预测精度的目的,尖点突变理论的分析结果与预测结果相符,均得出高层建筑处于稳定状态,其后期变形将会持续减弱。

基于LS-SVM广义逆的三相四桥臂有源滤波器的内模控制

考虑到有源滤波器数学模型的多变量、强耦合、非线性的特点,提出了基于最小二乘支持向量机(LS-SVM)广义逆系统的三相四桥臂有源滤波器的内模控制策略.利用LS-SVM运算速度快的特点,动态逼近原系统的广义逆模型,同时引入内模控制和解耦控制,构成了广义伪线性复合系统,将控制转化为最优滤波问题.仿真结果表明,该方法稳态精度高,动态响应速度快.

组网雷达系统误差的估计原理与性能分析

为了实现组网雷达系统误差修正,在研究雷达误差特性的基础上,分析了2种坐标系统下误差修正的原理,给出了利用最小二乘算法和广义最小二乘算法进行误差修正的公式。通过仿真实验,对实时质量控制算法、最小二乘算法、广义最小二乘算法和扩展卡尔曼滤波算法实现误差配准进行分析,并比较了这些算法在工程应用中的复杂性和估计精度,同时给出各种算法在工程应用方面的适用条件。

动态经济现象的滤波分析策略

对Wiener滤波、LS格型滤波、Kalman滤波在动态经济现象分析中的应用做了比较研究,并对经济系统如何建模以适合于各种滤波方法做出论述.通过验证,在满足上述滤波方法建模条件情况下能很好地和实际经济系统吻合.

LS-SVM在车载SINS大方位失准角传递对准上的应用

针对车载捷联惯导系统工作环境恶劣且子惯导系统精度低,使用传统的Kalman滤波进行传递对准存在精度低、实时性差的问题。根据车载特殊环境提出了一种基于LS-SVM的大方位失准角速度匹配传递对准方法,采用传统Kalman滤波器的输入输出样本对LS-SVM滤波器进行训练,避开了经典SVM求解时的优化运算,使其复杂度大大降低。在相同条件下与传统Kalman滤波仿真结果对比,LS-SVM方法的引入可以使系统对准时间缩短近50%,并适当提高了系统的对准精度。

基于LS-SVM的捷联大失准角初始对准技术

针对捷联惯性导航系统（SINS）大失准角初始对准情况下非线性模型线性化导致模型不准确和影响对准精度的问题，设计了一种基于最小二乘支持向量机（LS-SVM）的大失准角对准算法。该方法采用基于加性四元数误差（AQE）的大失准角误差方程，采用简化的无迹卡尔曼滤波器（UKF）来模拟LS—SVM训练样本。捷联惯性导航系统和全球定位系统（GPS）的速度和位置误差作为LS-SVM的输入样本，简化UKF得到的失准角经小波去噪后作为输出样本。LS—SVM算法采用交叉验证法选择最佳的核函数参数。仿真结果表明，在大失准角下LS-SVM算法在对准时间和对准精度上与简化UKF和EKF相比均表现出较好的性能。

OFDM系统信道估计性能分析

介绍了OFDM系统中的信道估计技术,着重分析了基于导频插入的信道估计方法,叙述了基于最小二乘(LS)和线性最小均方误差(LMMSE)的信道估计方法,应用简化的LMMSE即SVD-LMMSE方法和卡尔曼滤波方法对信道进行估计,采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法下信道估计的误比特曲线,比较了各个算法的性能。仿真结果表明:基于MMSE准则的信道估计比基于LS准则的估计有更好的性能,但前者复杂度较高。

INS/GIS组合导航方法研究

针对GIS量测误差统计信息不明确,且量测信息具有随机性和有限性的特点,提出了采用非等间隔并解决量测滞后的滤波算法,设计了相应的卡尔曼滤波算法和递推最小二乘算法.建立了INS/GIS组合导航数学模型,通过仿真分析对比了上述两种算法的滤波精度,结果表明,改进的卡尔曼滤波方法优于递推最小二乘估计方法,可有效提高导航精度.

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量(进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置)和输出向量(刀具磨损)之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。

基于TDOA的高精度无线定位算法分析与实现

文章根据移动应用需求,推导三维空间最小二乘(least square,LS)算法、Taylor级数展开法和查恩(Chan)算法3种经典到达时间差(time difference of arrival,TDOA)算法求解过程,通过仿真模拟分析3种算法的不同特点,确定移动定位场景下的最佳算法。为了进一步提高定位精度,采用Kalman滤波中递推估计思想,减小噪声干扰产生的误差,提升到达时间(time of arrival,TOA)测距精度,进而获得三维空间中性能优良的TDOA算法。测试试验表明,改进后的Chan算法有效且性能优良,定位误差最大为10~30cm。

红外序列图像目标跟踪的自适应Kalman滤波方法

提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法。该方法用函数估计的思想估计目标的当前运动模型,同时实时修改滤波器的统计模型,并将最小二乘支持向量机应用于对当前目标运动模型的估计。实验表明,此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能。

A SINGLE-TONE SERIAL HF MODEM SCHEME

A HF receiver for data transmission based on Kalman filter and channelestimator is proposed.The simulation results show that the performance of the proposedscheme is about 2 dB better than that of Decision-Feedback Equalizer based onSquare-Root Kalman Algorithm(SRKA/DFE)and its computational complexity islower than that of Maximum Likelihood Sequence Estimation(MLSE).

基于KALMAN滤波的LAMBDA方法研究

利用经典最小二乘方法对静态GPS观测数据进行处理,需要对所有历元整体平差计算,运算的速度和效率非常低下;引入KALMAN滤波方法将很大程度上减少数据的存储空间,提高运算的效率;通过试验分析,证明KALMAN滤波方法可以代替最小二乘方法进行整周模糊度浮点解的求解,从而提高了LAMBDA方法固定整周模糊度的速度和效率.