基于两步Kalman滤波的GNSS分布式自主定轨方法

本文提出一种基于两步Kalman滤波的GNSS分布式自主导航定轨方法。首先,给出分布式自主定轨数据流程,建立并分析GNSS导航星座星间链路双向伪距测量模型。其次,采用单点定位法计算待估卫星位置及其协方差,以此作为伪观测量,采用两步Kalman滤波法处理卫星计算轨道参数改正数,并进行时间更新。另外,针对自主定轨存在的秩亏问题,利用卫星预报星历中轨道定向参数控制星座整体旋转,给出卫星真实轨道的最佳估值。仿真结果验证了该方法的有效可行性。

基于Mean-Shift和粒子滤波的两步多目标跟踪方法

针对Mean-Shift跟踪算法容易跟踪丢失以及粒子滤波跟踪算法计算量大等问题,提出了一种两步多目标跟踪算法。利用Mean-Shift进行第一步跟踪得到候选目标,在跟踪不准的情况下再利用粒子滤波进行后续的跟踪结果修正。实验结果表明两步跟踪算法既能保持Mean-Shift跟踪的实时性,也能维持粒子滤波跟踪算法的鲁棒性,有很高的实用性。

并联有源滤波器两步预测控制方法研究

针对并联有源滤波器(APF)一步预测控制方法存在的补偿误差较大等问题,在详细分析数字控制方式下APF电流跟踪特性的基础上,提出了一种两步预测控制方法,该方法通过对参考电流在当前采样时刻准确预测出下两个采样时刻的数据来建立APF的参考电流轨迹,以此为基础推导了APF补偿电流对参考电流轨迹跟踪的最优控制律;针对补偿电流变化率较大时刻的跟踪问题,在两步预测控制的基础上结合基于重复控制的反馈校正来减小补偿的稳态误差。理论分析表明,与一步预测控制方法相比,两步预测控制方法能进一步有效减小APF补偿的误差。仿真和实验结果验证了所提出控制方法的有效性。

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。

CI算法在两传感器融合稳态Kalman滤波器中的应用

针对两传感器稳态Kalman滤波器的信息融合,目前有三种常用的加权分布式融合算法:按标量加权、按对角阵加权和按矩阵加权,但它们都需要得到局部稳态滤波误差互协方差阵后才能计算出融合结果。而协方差交集算法在相关度未知的情况下,也能得到一个改进的估值,因此文中将协方差交集算法应用到两传感器稳态Kalman滤波器的信息融合中,在互协方差阵未知的情况下,此方法也能得到较好的信息融合结果,并通过仿真进行了验证。

基于改进型两步卡尔曼滤波的相对导航方法

采用Clohessy-Wiltshire(C-W)方程描述的近圆轨道相对导航状态方程具有线性的形式,而以航天器相对距离和相对方位作为测量信息的观测方程是非线性的,针对近圆轨道航天器相对导航的这一特点,给出了采用两步卡尔曼滤波(Two Step Kalman Filte-ring,TSF)的相对导航算法,并且利用Unscented变换方法,解决了两步卡尔曼滤波的状态初值确定问题,给出了TSF的完整算法。数值仿真比较了TSF和扩展卡尔曼滤波(Ex-tended Kalman Filtering,EKF)、无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)等算法的性能,验证了采用TSF方法实现相对导航的可行性和有效性。

自适应两步滤波器及其在导弹被动制导中的应用

两步滤波器由Ｋａｌｍ ａｎ 滤波器和Ｇａｕｓｓ－Ｎｅｗ ｔｏｎ 迭代算法所构成， 它适用于一类由线性动态模型和非线性测量模型所组成的非线性系统。本文将这种滤波器与时变测量噪声统计估值器相结合，得到一种自适应两步滤波器，在测量噪声统计特性无法验前已知的情况下，此滤波器仍然性能良好。最后， 本文将自适应两步滤波器应用于导弹的被动制导问题， 数字仿真结果证明了这种算法的有效性。

基于自适应两步滤波的电池SOC估计算法

电池的荷电状态(SOC)是锂离子电池最重要的状态参数之一,是电池充放电控制和续航里程估计的依据,但现有研究中基于扩展卡尔曼滤波的SOC估计方法没有解决观测方程局部线性化带来的误差问题。为此,提出了一种基于自适应两步滤波的电池SOC估计算法,实现对电池SOC的精确估计,并提高其对测量噪声的鲁棒性。实验结果表明该方法可在不同工况和不同电池老化条件下将电池SOC估计的平均绝对误差减小至2%以内。

基于模糊逻辑的两步卡尔曼滤波器设计

在对惯性运动跟踪系统的建模分析中，常采用基于计算机的集中式卡尔曼滤波算法进行数据处理。由于该方法存在算法复杂，处理数据速度慢等问题，难以在嵌入式系统中实现高速运动跟踪，提出一种基于模糊逻辑的自适应两步卡尔曼滤波算法。该方法根据人体不同的运动状态调整卡尔曼滤波器，实验结果证明所提的方法能够更好地估计各个传感器的测量精度，减少了运算量，并在一定程度上提高了滤波器的容错性能。

两传感器信息融合超前k步稳态最优Kalman预报器

应用Kalman滤波方法 ,基于Riccati方程 ,对于带相关噪声的系统 ,在线性最小方差融合准则下 ,提出了两传感器按矩阵加权信息融合超前k步稳态最优Kalman预报器 ,给出了最优加权阵和最小融合预报误差方差阵的具体计算公式。同单传感器情形相比 ,可提高预报器的精度。

基于改进离散傅里叶变换滤波器组的两步检测算法

认知无线电(cognitive radio,CR)在解决频谱资源匮乏问题和提高频谱资源利用率方面被寄予厚望。频谱感知的循环特征检测算法复杂度较高,而能量检测算法在信噪比比较低的情况下检测性能不理想;针对这种情况,在改进离散傅里叶变换(MDFT)滤波器组结构的多载波调制系统中,提出一种基于MDFT滤波器组调制的两步检测算法。该算法结合了循环特征检测较强的抗噪声干扰特性,以及能量检测算法复杂度低的优势。仿真结果表明:所给出的两步检测算法在较低信噪比时相对于MDFT能量检测、OFDM循环特征检测等其他算法,其检测性能有明显改善;同时MDFT循环特征检测算法可有效降低算法复杂度。

基于Kalman滤波的AUV两位置对准方法

针对自主式水下潜器(AUV)的特定工作环境及导航系统对准精度的需求,提出一种基于Kalman滤波的两位置组合对准方法。建立系统误差模型,分析两位置组合对准原理,通过改变惯导系统误差模型中的捷联矩阵改善系统的可观测性,利用谱条件数求取两位置对准时系统参数可观测度。仿真结果表明,该方法能准确估计器件偏差,经补偿后能提高系统的对准精度。

自适应两步滤波算法在机载IRSTS被动定位中的应用

在机载红外搜索跟踪系统被动定位研究中,针对扩展卡尔曼滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用两步滤波算法并结合Sage-Husa噪声估计器构建了适用于机载IRSTS被动定位特点的自适应两步滤波算法模型,算法不仅实时在线地估计了观测噪声的统计特性,而且避免了观测模型线性化误差。仿真结果表明,在完全相同的初始条件下,自适应两步滤波算法对目标运动参数的估计结果明显优于扩展卡尔曼滤波,从而提高了机载IRSTS被动定位的精度。

基于一步异相关法则的kalman滤波抗野值方法

分析了野值对kalman滤波的影响机理;从随机序列的自相关函数出发,利用序列的一步差分方差判别野值的一步异相关法则,提出基于一步异相关法则的kalman滤波新方法,并与传统的改进方法进行了仿真比较.仿真实验表明,该方法简单易行,可以有效抑制观测值中野值对kalman滤波的不利影响,提高滤波精度和稳定性.

基于两步递推滤波的车辆自主导航算法

给出了基于两步递推滤波的车辆自主式导航系统模型及其航位递推算法.这种方法利用线性滤波器进行航向-航位估计,在导航计算的每步递推中,先用航向滤波器进行航向捕获,再用航位滤波器进行航位捕获.现场跑车试验表明本系统能够获得满意的导航精度.

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响,设计了两步卡尔曼滤波(TSKF)算法。首先,介绍了脉冲星方位误差估计的传统模型,并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次,在传统的估计模型中加入了钟差和卫星位置误差,并将钟差和钟差变化率增广为新的状态量,从而推导出包含2种误差的新模型,并证明了该模型的完全可观测性;根据该模型并按照两步卡尔曼滤波原理,得到了TSKF算法的步骤。最后,通过仿真表明:在钟差和卫星位置误差同时影响下,传统脉冲星方位误差估计算法偏差较大且发散;TSKF算法则能够有效隔离2种误差的影响,使赤经和赤纬误差估计达到0.2 mas之内的精度。

基于噪声顺序解相关的两阶段Kalman滤波融合

针对传统两阶段Kalman滤波只能处理单一或部分复杂噪声情形,在充分考虑多雷达跟踪系统的误差噪声有色建模和四类噪声相关性建模基础上,建立一种基于噪声顺序解相关的两阶段Kalman滤波融合算法。首先给出能有效避免噪声相关性耦合化的噪声解相关顺序,进而应用等价变换技术来获得有色噪声、过程噪声和测量噪声三者间不相关的目标跟踪融合模型,最后应用平方根分解和单位下三角阵求逆技术来实现多雷达量测噪声相关系统的集中式Kalman滤波融合,并通过4个仿真实验验证了该算法对复杂噪声情形的有效性和高精度。

基于两点外推法的跟踪滤波器启始方法研究

对于多目标跟踪系统,滤波器的起始波门的设计是一个关键问题。首先给出了利用量测标准差与采样周期比值的相对大小来确定滤波器启始的方法,然后利用目标速度极限的先验信息构造环状波门,并考虑量测噪声对环状波门的影响,利用矩阵范数特性,导出一种更精细的基于两点外推的滤波器启始法。仿真结果表明利用本文方法构造出的波门的置信区间比其他两种方法所构作出的更为合理。

Kalman滤波质量控制的一种改进算法

探讨了Kalman滤波中观测粗差和状态方程异常的处理问题 ,分析了以往处理方法 ,如Sage自适应滤波法、两步假设检验法及抗差自适应Kalman滤波法等的优点和不足 ,提出一种改进算法 ,一方面用拟准检定法检测观测方程中的粗差 ,另一方面再用Sage自适应方法实时估计状态噪声方差阵 ,减免状态方程异常对参数估计的影响 .通过一个星载GPS低轨卫星定轨算例 ,验证这种思路是可行的 .

用于拦截高超速随机机动目标的自适应两步算法

针对高超速随机机动目标拦截的末制导问题,将改进的自适应两步时变噪声统计估值器和经典的不敏卡尔曼滤波器融入静态多模型滤波器,提出一种自适应两步-快速多模型算法。和传统成型滤波器/扩展卡尔曼滤波器算法相比,该算法估计精确度高,收敛速度快,并对测量噪声波动具有一定的鲁棒性。对传统部分信息微分对策导引律加以改进,提出一种基于逻辑判断的微分对策导引律。将滤波算法融入该导引律,实现了滤波/制导一体化的设计方法。所提出的设计方法较比例导引律和传统微分对策导引律具有更好的寻的性能。蒙特卡洛仿真研究验证了结论的正确性。