基于状态增广的修正迭代扩展卡尔曼滤波

针对修正迭代扩展卡尔曼滤波一次迭代后系统状态和估计状态不与测量噪声之间保持相互独立的问题,将测量噪声增广到状态变量中,提出了基于状态增广的修正迭代扩展卡尔曼滤波。然后将该滤波方法应用到基于雷达测量的再入飞行器目标跟踪问题中,仿真结果表明:与修正迭代扩展卡尔曼滤波和传统的扩展卡尔曼滤波相比,该滤波方法具有更快的收敛速度和更优的估计精度。

最大相关熵准则下改进扩展卡尔曼滤波的车辆状态估计

针对传统卡尔曼滤波在非高斯环境下对车辆状态估计鲁棒性和精度差的问题,提出最大相关熵准则(MCC)下改进自适应迭代扩展卡尔曼(AIEKF)滤波算法(MC-AIEKF),建立横-纵耦合的三自由度车辆模型,利用易测得的车载传感器信息设计了包含横摆角速度、质心侧偏角、纵向车速的状态观测器。在双移线和正弦扫频输入工况下通过Simulink/CarSim仿真试验平台对提出的算法进行了验证。结果表明,在非高斯环境下,相比于扩展卡尔曼滤波(EKF)和AIEKF,MC-AIEKF算法估计精度高,鲁棒性好,在实际的车辆状态估计中MC-AIEKF具有更强的适用性。

迭代扩展卡尔曼粒子滤波器

提出了一种基于迭代扩展卡尔曼的粒子滤波新方法.该方法利用迭代扩展卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布.仿真结果表明,提出的迭代扩展卡尔曼粒子滤波的估计性能要明显优于标准的粒子滤波、扩展卡尔曼粒子滤波和unscented粒子滤波.

IMM迭代扩展卡尔曼粒子滤波跟踪算法

该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较,仿真结果表明该算法具有更好的跟踪性能。

迭代扩展卡尔曼滤波在相对姿态估计中的应用

在航天器相对姿态测量过程中,由于基于单帧图像的相对姿态测量方法受噪声影响比较大,相对距离较远时,测量的稳定性较差,因此提出采用迭代扩展卡尔曼滤波进行相对姿态估计的方法。首先对卡尔曼滤波进行概述,然后建立基于迭代扩展卡尔曼滤波的航天器间的3D位置和姿态估计系统模型及观测模型,确定系统及测量噪声模型,给出运用卡尔曼滤波方法解决姿态估计问题的具体方法及详细过程,最后通过仿真数据和实测数据对该方法的正确性、可行性进行了验证。

基于修正协方差近似二阶扩展卡尔曼滤波算法的电池荷电状态估算

为解决扩展卡尔曼滤波(EKF)算法中由非线性变换忽略高阶泰勒项引起的荷电状态(SOC)估算误差和在迭代过程中协方差容易出现病态的问题,采用修正协方差近似二阶扩展卡尔曼滤波(MVASOEKF)算法,通过混合脉冲功率特性试验对等效模型内部参数进行离线辨识并建立了二阶RC等效电池模型,在MATLAB/Simulink平台上进行SOC估算,结果表明,EKF算法估算平均绝对误差约为2.0%,MVASOEKF算法估算平均绝对误差约为0.5%,与EKF算法相比,MVASOEKF算法虽增加了一定的计算量,但是SOC估计精度明显改善,且收敛性更好。

基于迭代扩展卡尔曼滤波的车辆运动状态估计

采用低成本传感器并借助卡尔曼滤波方法实现车辆运动状态的高精度估计。首先考虑车辆侧向运动、横摆运动以及侧倾运动,建立非线性三自由度的动力学车辆模型,通过对其线性化,实现扩展卡尔曼滤波设计,进一步针对线性化带来的截断误差问题,利用贝叶斯估计建立极大后验状态估计最小二乘表达式,通过进一步求解最终设计完成了迭代扩展卡尔曼滤波算法。通过不同行驶条件下仿真,验证迭代扩展卡尔曼滤波过滤噪声和追踪实际值的能力。仿真结果表明:在复杂的行驶条件下,迭代扩展卡尔曼滤波能大幅过滤噪声,并有效追踪车辆质心侧偏角和横摆角速度的实际状态。

神经网络训练中的迭代扩展卡尔曼粒子滤波算法

基本粒子滤波算法已被成功用于训练神经网络,但该算法在建议分布的选择上并没有考虑当前时刻观测值的影响,针对该问题提出在神经网络训练中,使用迭代扩展卡尔曼滤波器来生成建议分布.由于迭代扩展卡尔曼滤波器在传递近似建议分布的均值和协方差的过程中,充分利用了观测值信息,从而可以更好地描述神经网络权值的后验概率分布.实验结果表明,在训练神经网络时,迭代扩展卡尔曼滤波器作为建议分布的粒子滤波算法训练性能明显优于基本粒子滤波算法及扩展卡尔曼粒子滤波算法(EKPF).

扩展卡尔曼滤波方法在脉冲修正弹药技术上的应用研究

在修正弹飞行过程中,由于雷达设备的噪声影响,其弹道测量值存在一定误差,使得制导控制系统不能准确掌握弹丸的真实飞行数据,尤其是脉冲修正动作导致的弹道变化,从而影响了对弹丸的实时控制精度。针对该问题,从雷达数据的滤波方法入手,在质点弹道方程基础上,根据目前广泛应用的扩展卡尔曼滤波算法,推导了修正弹无控弹道和有控弹道的滤波模型,通过MATLAB仿真,验证了滤波模型正确性。仿真结果表明,无控弹道数据滤波结果与理论值基本一致,有控弹道数据滤波后,弹丸高低角和方位角与理论值的误差不超过2 mrad。研究内容解决了脉冲修正弹药数据滤波问题,可为脉冲修正弹药工程化研制提供理论支撑。

基于扩展卡尔曼滤波的联合迭代检测译码信道估计方法

针对高速移动场景下信道快衰落、非平稳等特性导致下行链路信道估计性能受限的问题,提出了一种适用于高速移动环境下行链路的信道估计方法.采用自回归过程对信道建模,构造自反馈的扩展卡尔曼滤波器(Extended Kalman Filter,EKF)追踪信道响应及其时域相关系数.为了解决EKF自反馈结构引起的误差传播问题,采用了迭代检测译码的接收机结构,以利用信道编码的冗余提升EKF的信道估计精度.仿真分析表明,在高速移动环境下所提方法相较于最小二乘估计和线性最小均方误差估计等传统方法提升了信道估计的均方误差和系统的误码率性能,可应用于高速列车无线通信设备的接收机基带信号处理系统.

基于修正扩展卡尔曼序贯滤波的信息融合算法

针对基于扩展卡尔曼滤波的融合算法存在滤波精度不高的问题,将修正扩展卡尔曼滤波算法与集中式序贯融合算法相结合,用于毫米波雷达和红外传感器目标融合跟踪。即先对毫米波雷达进行修正扩展卡尔曼滤波,再将滤波结果与红外传感器进行融合滤波。仿真结果表明该算法能够提高对机动目标的跟踪精度,增强跟踪系统对环境变化的适应能力。

基于扩展卡尔曼滤波的高转速修正引信滚转角测量方法

针对二维弹道修正技术中采用双旋稳定弹总体设计方案的修正引信在全弹道范围内的旋转特点,提出了一种基于扩展卡尔曼滤波的高转速修正引信滚转角测量方法。以某双旋稳定迫弹为仿真平台,建立了7自由度（DOF）外弹道仿真模型分析修正引信的旋转特性,完成了滚转角与弹载陀螺输出之间的解析关系推导并验证其正确性;在引入陀螺固有系统误差、测量误差以及北斗卫星定位测量误差后,基于扩展卡尔曼滤波估计方法对修正引信滚转角进行实时测量,仿真结果表明：采用该方法1 s内就可以实现滚转角解算快速收敛,全弹道滚转角解算绝对误差不大于6°,在弹道10~40 s段解算绝对误差不大于2°;通过炮射试验的采集数据进行验证,以15~35 s弹道段为例,滚转角解算绝对误差不大于10°,绝对误差的均值为3.9°,可以满足修正系统的滚转角测量精度要求。

基于扩展卡尔曼滤波的射程修正落点预测模型

针对一维弹道修正引信修正效能评估采用传统试验方法存在试验条件一致性差、用弹量大的问题,提出了基于扩展卡尔曼滤波的射程修正落点预测模型。传统方法是修正弹与非修正弹各打一组,对比落点;而该方法只打一组修正弹,依据修正点前的实测弹道参数预测非修正弹落点,然后以非修正弹预测落点与修正弹落点对比。通过实弹射击试验对该模型预测的落点进行了验证,试验结果表明:采用该模型预测得到的落点精度较高,与实际弹道在射程和密集度上无显著性差异,可用于评估一维弹道修正引信的修正效能。

扩展卡尔曼滤波在中厚板轧制道次修正中的应用

大量中厚板轧制的现场实践表明,高精度的厚度尺寸必须通过稳定的在线道次辊缝修正获得.扩展卡尔曼滤波在轧制道次修正中的应用,不但解决了仪表反馈数据的处理问题,并为道次状态的更新提供了一个更为精确的预报模型.对轧制过程中主要模型进行线性化的推导,使得该预报模型可以准确地预报轧制过程中的关键参数,并可通过这些关键参数计算出后续道次的辊缝修正值.研究结果应用于安钢中板厂后,厚度控制命中率提高了14.2%

外辐射源定位中的修正增益扩展卡尔曼滤波

针对基于外辐射源的固定单站无源定位问题,给出了一种对运动目标进行定位跟踪的改进型滤波算法。文中首先建立目标角度信息、直达波与散射波的时间差信息以及多普勒频移信息的观测方程,并推导了每个观测方程的修正增益函数,然后利用多个时刻的观测值扩充了观测方程,从而给出了一种基于扩充观测方程的修正增益扩展卡尔曼滤波(MGEKF)算法。经过计算机仿真验证,该算法可以提高定位精度,并能有效地抑制滤波发散。

基于扩展卡尔曼滤波的气动参数在线修正方法

提出了在风洞试验获取的气动参数的基础上对由各种误差和扰动引起的气动偏差进行修正的方法。采用扩展卡尔曼滤波算法,利用雷达获取在线飞行弹丸的一段飞行数据(位置和速度),使用已知的气动参数对飞行数据进行过滤得到气动参数的修正系数,对已知气动参数中的阻力系数和升力系数进行修正,为后段弹道计算提供更加精确的气动参数。通过仿真计算,验证了上述方法的有效性,并利用弹道外推计算,通过对比落点误差证明了上述方法的精确性,为气动参数辨识和弹道修正提出了新的途径。

基于扩展卡尔曼滤波的二维弹道修正弹制导算法研究

为解决固定鸭舵二维弹道修正弹闭环制导问题,首先基于固定鸭舵修正组件的工作特性,建立含有控制量的运动方程组,利用扩展卡尔曼滤波对一段有控状态的弹道进行估计得到当前状态值,并外推得到预测的无控落点,根据预测落点与目标落点的偏差,给出修正组件滚转角控制指令。仿真实验结果表明,该算法有效地减小了卫导测量噪声对当前状态估计的影响,显著减小了落点散布,圆概率误差减小至28 m。

修正时延扩展卡尔曼滤波MIMO声纳目标跟踪方法研究

分布式多输入多输出(Multiple-Input Multiple-Output,MIMO)声纳是一种通过MIMO技术规划时空信道来提高声纳探测性能的新型主动探测声纳体制。由于分布式MIMO声纳节点分布间隔大,水中声速较小,由各发射节点同步发射的测距信号将经过不同的时延到达目标,因此各接收节点测得的距离值分别对应于目标不同时刻的状态。常规的定位方法并没有考虑传播时延对测量值的影响,因而定位精度受到限制。提出了一种修正时延的扩展卡尔曼滤波方法(Modified Extended Kalman Filter,MEKF)对分布式MIMO声纳系统中的移动目标进行跟踪。仿真结果表明,与常规的目标定位跟踪方法相比,该方法有定位精度高、收敛速度快、跟踪性能稳定的特点。

一种改进扩展卡尔曼滤波新方法

针对现有的迭代扩展卡尔曼滤波(EIEKF)跟踪时估计精度较低这一不足,提出了一种改进扩展卡尔曼滤波(NIEKF)新方法。本文将迭代滤波理论引入到扩展卡尔曼滤波方法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出了该方法与扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)、现有的迭代扩展卡尔曼滤波(EIEKF)的仿真结果,并分析了其跟踪性能和均方根误差。实验结果表明,改进扩展卡尔曼滤波(NIEKF)新方法具有更高的估计精度。

迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.