两站基于角度和时差信息的伪线性卡尔曼滤波算法及其改进

建立了两站基于角度(DOA)和时差(TDOA)信息的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波(PLKF)算法。仿真结果表明该算法的稳健性要高于扩展卡尔曼滤波(EKF)算法,当观测误差较小时,PLKF算法的定位精度要高于EKF算法;当观测误差较大时,其定位精度低于EKF算法。对此文中结合两种算法的优点,提出了改进算法,以同时提高算法的定位精度和稳健性。

基于无偏伪线性卡尔曼滤波的3D到达角目标跟踪

在3D到达角目标跟踪研究中,伪线性卡尔曼滤波(PLKF)因计算复杂度低且对初始误差不敏感受到较大关注,但观测矩阵与噪声之间的相关性会使PLKF的目标状态估计存在一定偏差。针对这一问题并考虑观测站存在定位误差的实际情况,文中提出一种3D修正无偏PLKF算法。首先对方位角及俯仰角观测方程进行整体伪线性化,通过修正噪声协方差矩阵来降低观测站定位误差对跟踪精度的影响;其次通过分离观测矩阵中的噪声,降低由观测矩阵和观测噪声相关性引起的估计偏差。仿真分析结果表明,所提算法有效提高了3D到达角目标跟踪在非机动和机动2种场景下的精度,且具有较低的计算复杂度。

基于伪线性卡尔曼滤波的智能雷角度跟踪双环算法

基于三维坐标下的伪线性卡尔曼滤波方法,提出一种用于反直升机智能雷的目标角度跟踪双环算法,不仅可以对空间目标进行角度跟踪,还可以对目标的提前方位进行预报,使战斗部做好发射的准备。本文对此算法进行了数值仿真。仿真结果表明,通过对目标的角度跟踪与预测,可用于解决智能雷与直升机弹目交汇的命中问题。

一种蜂窝网中伪线性卡尔曼滤波混合定位算法

提出了蜂窝网中一种基于伪线性卡尔曼滤波的到达时间和到达角(TOA/AOA)混合定位的算法,能够对处于运动状态的用户进行跟踪定位.根据用户运动模型,使用笛卡尔坐标旋转以降低状态变量的维数,在确保跟踪精度的同时又降低了算法的运算量.同时考虑了用户在不同的观测平台间切换时实现连续跟踪的问题,分析和仿真了观测平台自身的定位误差和散射半径对跟踪精度的影响.结果表明算法的精度能够满足E911要求,并与最小二乘算法的定位精度进行了比较.

基于大数据与卡尔曼滤波算法的切纸机速度自动化控制方法

造纸技术的提升使人们对于纸张剪切质量的要求越来越高,为提升剪切纸张的品质,切纸机必须保持较高剪切精度,设计一种基于大数据与卡尔曼滤波算法的切纸机速度自动化控制方法。通过局部加权回归散点平滑法对切纸机非线性运行数据实施平滑处理。构建切纸机的非线性系统运动模型,代入处理后的非线性运行数据,完成模型最终搭建。设计切纸机速度观测器,运行步骤为初始化、采样、时间更新、测量更新,通过可编程逻辑控制器实现切纸机的速度自动化控制。测试结果表明,设计方法速度控制中的平均指令延迟时长均低于35ms,稳态控制精度测整体高于99%,操作次数为200次时,切纸机的最大切纸误差仅为0.318mm。

基于Sage-Husa的线性自适应平方根卡尔曼滤波算法

针对标准卡尔曼滤波和扩展卡尔曼滤波存在的局限性,结合平方根滤波的思想,对传统Sage-Husa估计器进行改进,提出了一种新的线性自适应平方根卡尔曼滤波(Linear Adaptive Square-RootKalman Filtering,LASRKF)算法。该算法直接对系统状态方差阵和噪声方差阵的平方根进行递推与估算,确保了状态和噪声方差阵的对称性和非负定性;算法还增添了对系统噪声统计特性估计的计算,强化了滤波器的稳定性和自适应能力;与传统Sage-Husa自适应滤波算法相比LASRKF可提高滤波器抗发散的能力。仿真实验表明,LASRKF可有效提高滤波器的精确性、稳定性和自适应能力。

基于伪线性卡尔曼滤波的多站IRST系统跟踪技术

建立了目标的多站IRST(红外搜索与跟踪)系统的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波算法.算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行跟踪的仿真结果表明:当探测器数目为3、4时,在跟踪初始阶段,伪线性卡尔曼滤波器在跟踪的速度和精度方面均优于推广卡尔曼滤波器,在稳定阶段,两者的性能基本相仿.当探测器数目为6时,则不论是在跟踪的初始阶段,还是在稳定阶段,伪线性卡尔曼滤波器与推广卡尔曼滤波器的性能基本相同.

基于无迹卡尔曼滤波的视觉着舰引导算法

为抑制视觉测量与相对运动变化模型中的非线性成分,并针对传统纯视觉引导算法存在数据权重相同和基于同一时刻观测信息进行解算的问题,提出了一种基于无迹卡尔曼滤波(UKF)的视觉着舰引导算法。首先,选择坐标系并搭建运动模型;然后,选择合适的状态估计向量并设计观测方程;最后,进行滤波方程的求解并采用仿真实验测试算法的性能。仿真结果表明此算法具有很好的定位精度,同时也对视觉计算中的特征点定位误差有一定抑制作用,具有广泛的应用前景。

基于伪线性卡尔曼滤波的两站红外无源定位及跟踪技术

建立了目标的两站红外搜索与跟踪系统的伪线性观测模型,基于该模型提出了运动目标的伪线性卡尔曼滤波算法.该算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行定位及跟踪的仿真结果表明:在跟踪初始阶段,伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波.在近距离范围,不论目标是匀速还是机动运动,两者的跟踪精度都非常高.在远距离范围,当目标机动时,伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波;当目标匀速运动时,推广卡尔曼滤波的跟踪精度略优于伪线性卡尔曼滤波.从整个仿真过程可以看出,目标的运动形式对推广卡尔曼滤波性能的影响是非常明显的,而对伪线性卡尔曼滤波性能的影响则很小.

伪线性卡尔曼滤波在目标被动跟踪中的应用

在对目标进行纯方位跟踪时,伪线性卡尔曼滤波算法是一种有效的跟踪滤波方法,该方法可以很好地对目标运动状态进行估计。通过仿真证明了该方法降低了对模型精度的要求,具有较好的稳定性。

线性卡尔曼滤波算法在磁感应断层成像技术中的仿真研究

目的 :研究在磁感应断层成像(magnetic induction tomography,MIT)中使用多帧连续数据进行图像重建的线性卡尔曼滤波算法。方法:首先,对经典卡尔曼滤波算法进行改造,使其适用于MIT的需要;其次,为了评估线性卡尔曼滤波算法的性能,在仿真模型中对续变化的单个、2个和3个电导率扰动目标进行MIT仿真成像实验,并且绘制多个单元网格的电导率变化曲线。结果:获得了单个、2个和3个电导率扰动目标的重建图像和多个网格单元的电导率变化曲线。重建图像反映出了成像区域内电导率的分布,得到的电导率变化曲线和真实电导率变化曲线在变化趋势上基本一致,但扰动目标的位置在轴向上偏离中心。结论:在MIT中通过线性卡尔曼滤波算法可以有效地进行图像重建,并且有效地追踪电导率的变化,为进一步研究磁感应断层成像序列化图像重建算法打下基础。

基于非线性卡尔曼滤波的车辆定位优化算法

智能交通系统(ITS)是未来交通系统发展的重要趋势,为了实现智能交通所提供的各种功能,必须获知车联网中车辆的准确位置。因此,如何快速准确地实现车辆定位是现代智能交通系统所要研究的一个重要问题。实际系统中一般都是非线性系统,所以需要采用非线性的卡尔曼滤波算法。文中采用了非线性无迹卡尔曼滤波算法。无迹卡尔曼滤波在车辆运动状态发生突变时,车辆定位精度有所下降。为了提高无迹卡尔曼滤波算法在车辆运动状态发生突变时的定位精度,文中将自适应的交互多模算法和无迹卡尔曼滤波算法相结合,进一步提高了车辆的定位精度,同时也更能适应车辆的各种机动运动状态。仿真实验结果表明,交互多模无迹卡尔曼滤波算法的定位精度相较于无迹卡尔曼滤波算法有显著提升。

结合卡尔曼滤波和Mean Shift的抗遮挡跟踪算法

针对卡尔曼滤波和Mean Shift算法结合后对严重遮挡和遮挡后复出失效且实时性差的问题,提出一种基于卡尔曼滤波和Mean Shift动态结合的改进算法.通过在算法中加入Bhattacharyya系数进行遮挡程度判断,并根据遮挡系数的阈值选择使用卡尔曼滤波或线性预测法更新Mean Shift迭代起点.实验结果表明,该方法能成功实现大范围连续遮挡和目标复出情况下红外目标的跟踪,并且迭代次数和跟踪时间分别减少了9.68%和17.58%,提高了跟踪的鲁棒性和实时性.

带未知时变噪声系统的卡尔曼滤波算法研究

针对带有未知时变噪声的线性离散系统的状态估计问题，详细研究了一种基于未知时变噪声统计估值器的自适应Ｋａｌｍ ａｎ 滤波算法。仿真结果发现，初值误差值不能随着时间而衰减。通过对滤波算法的重新整理，得到总是包含特征值等于１的系统矩阵。

转换坐标卡尔曼滤波算法分析

在非线性系统的目标跟踪中，常用的滤波算法是扩展卡尔曼滤波算法（ＥＫＦＡ），但这种滤波算法常常会发散．近年来，Ｂａｒ－Ｓｈａｌｏｍ等人在二维平面上提出了转换坐标卡尔曼滤波算法（ＣＭＫＦＡ），并通过仿真实验证明了在非线性系统的目标跟踪中此算法优于扩展卡尔曼滤波算法（ＥＫＦＡ）．文中对转换坐标卡尔曼滤波算法进行了深入的研究，通过理论推导证明了当状态方程和测量方程满足一定条件时，转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法．

基于卡尔曼滤波和线性二次型调节的两轮巡检机器人

针对机器人建模时,需要同时控制倾角和速度的问题,在建立两轮巡检机器人数学模型的基础上,设计线性二次型调节(LQR)控制器对机器人的倾角和速度进行控制,并分析整个系统的稳定性,得到系统稳定的条件。在两轮巡检机器人实际控制过程中,机器人倾角的测量不可避免地受到系统噪声和积分误差的影响,为此,引入卡尔曼滤波算法对加速度计和陀螺仪采集到的信号进行融合,以实时得到准确的机器人倾角信号。在MatlabSimulink软件平台和机器人实物平台对机器人系统进行LQR控制算法实验。结果表明,基于卡尔曼滤波和LQR算法,机器人能按照指定的速度匀速直立行走,且具有较好的抗干扰能力。

基于自适应无迹卡尔曼滤波算法的多股螺旋弹簧动态响应模型参数辨识和分析

针对传统方法在辨识多股螺旋弹簧(以下简称多股簧)非线性响应模型参数时效率较低、精度较差的问题,提出带噪声统计估计器的自适应无迹卡尔曼滤波(AUKF)算法。该算法通过对多股簧试验数据中的量测(过程)噪声进行递推和估计,能够确保非线性模型参数辨识的收敛性;结合多股簧动态试验对该算法进行检验。研究结果表明:即使在量测噪声级别较高的情况下,AUKF算法也可以准确地求出多股簧的动力学模型参数;在预测多股簧动态响应过程中,若预测振幅和参数辨识所用振幅相差太大则会导致较大的预测误差;当加载速度变化时,多股簧动力学模型中的迟滞部分参数基本不变,但0阶非线性刚度系数和非线性放大因子变化较大。

直角坐标系下的水下被动目标跟踪自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散,导致滤波精度很差的情况,文章中提出了一种直角坐标系下自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测模型的线性化误差,削减系统的观测误差,并对其滤波理论及其算法进行了研究和仿真,结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。

观测时滞离散系统卡尔曼滤波算法

由于观测时滞系统的观测方程不符合卡尔曼滤波算法的实现形式,导致传统卡尔曼滤波算法无法直接应用于观测时滞离散系统。为此,在借鉴系统状态增广方法的基础上,设计了一种将观测方程转换为无时滞观测方程的方法。同时根据卡尔曼滤波算法原理,针对变换后的无时滞系统模型方程,给出观测时滞卡尔曼滤波算法的步骤,并将此方法应用到实际非线性观测光电跟踪系统中,进行算法的性能对比。仿真实验结果证明:将时滞观测方程转换为无时滞观测方程的方法是可行的,可大幅度提高算法精度。

基于容积卡尔曼滤波的约束恒模波束形成算法

提出一种基于容积卡尔曼滤波的线性约束恒模波束形成算法。首先使用伪观测法将恒模代价函数和约束条件写成状态观测方程,之后利用容积卡尔曼滤波算法来求解以上非线性滤波问题。所提方法能够避免常规算法对模型的近似处理和特征值分散效应对波束形成器输出性能的影响,因此对干扰和噪声有更强的抑制能力。仿真结果表明,本算法相比随机梯度法和递归最小二乘法具有更快的收敛速度和更高的输出信干噪比,在非平稳环境下,能够迅速调整权值收敛到最优解。