基于分布式网络的分步滤波算法的改进

在实际的多传感器动态系统中,传感器之间网络通讯时要进行坐标转换,该过程具有的不确定性将对融合结果产生不利影响。文章对已有的基于分布式网络结构的分步式滤波算法进行了改进,考虑了这种不确定性产生的误差。在某一时刻所有传感器测量信息被获得后,先将这些测量信息进行坐标统一处理,再用中心坐标系统下的测量信息依次对先前的估计逐个进行滤波更新,最终得到该时刻的全局融合估计。文章通过计算机仿真说明了该算法的精确度不仅与集中式算法的精确度仍然相当,而且具有更实际的应用价值。

抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题,基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离,仅对观测粗差进行诊断和抗差处理;然后在第一步滤波的基础上,执行第二步滤波,对状态模型异常进行诊断和自适应处理。算法分析表明,抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明,抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响,提高PPP/INS组合导航系统定位结果的稳定性和可靠性。

一种基于分步式滤波的数据融合算法

本文提出了一种基于分步式滤波的多传感器动态系统数据融合算法 .在由多传感器组成的分布式动态系统中 ,当对目标状态的所有观测值到来时 ,首先基于系统先前信息对该时刻目标状态进行预测估计 ,利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新 ,从而得到该时刻目标状态基于全局信息的融合估计值 .文中详细推证了融合算法的具体形式 ,并与传统的集中式数据融合算法在计算复杂度上进行了比较 ,计算机仿真表明该算法与传统的集中式算法对目标状态具有相同的估计精确度 .

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步Kalman滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在1.5米以内,且能有效消除星座整体旋转误差。

分步式滤波在短时交通流预测中的应用

用基于分步式滤波的多传感器动态系统数据融合算法建立了短时段交通流量预测模型,并与传统的卡尔曼滤波算法在计算复杂度上进行了比较。利用澳大利亚某高速公路所采集的数据进行了预测仿真实验。实验结果表明该算法确保了预测精度,同时简化了计算量,提高了响应速度,可以实现对交通流的实时预测。

一种基于分步式滤波的异步航迹融合算法

针对分布式多传感器数据融合系统,改进了一种多传感器异步航迹融合算法.该融合算法在扩展记忆因子递推最小平方(EFRLS)估计形成本地航迹的基础上,首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后使用分步式滤波融合算法进行状态估计.仿真实验结果表明,这种融合算法在噪声方差未知的情况下是有效的,其精度接近集中式融合算法.

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

针对伪距、伪距率紧组合导航精度低、姿态角误差修正误差较大的缺点,从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍紧组合Kalman滤波的过程,然后给出两步自适应抗差滤波的公式和具体步骤,并且进行分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波的导航精度受组合周期的长短、INS惯性元件误差的大小影响较小,精度略有提高,更重要的是能够控制动态扰动异常和观测异常的影响,在惯性元件误差较大的情形下也能够很好地估计元件误差,避免姿态角错误修正。

基于多源信息融合的热缺陷监测系统研究

为解决单纯使用红外热像仪对变电站死角巡检不到的难题,提出了一种利用红外热像仪配合可见光摄像机及无线测温传感网络实现对高压设备发热缺陷实时在线检测的新方法。热缺陷在线监测系统采用能量捕获技术获取太阳能,实现了传感器节点的自主供电。为减少计算量,运用分步式滤波融合算法,快速标定热故障点位置。监控程序采用基于TCP/IP协议的C/S(客户端/服务器)通信模型,通过应用面向连接的流式套接字实现可靠的数据传输,并运用OpenCV的视频采集与图像处理函数库,实现高压设备热缺陷远程实时在线分析。

分步抗差自适应滤波及其在GPS动态导航中的应用

在对现有的抗差滤波方法作进一步分析的基础上,针对观测模型和动力学模型同时存在误差的情况,提出了一种新的抗差滤波——分步抗差自适应滤波。该方法在滤波之前,利用抗差岭估计等抗差有偏估计得到参数估计值,并修正观测向量,把观测向量中的粗差控制在可接受范围之内,然后在滤波中利用自适应因子消除动力学模型误差的影响,这样分两步分别对观测模型误差和动力学模型误差进行控制。大量的GPS动态导航定位试验验证了本文方法的有效性和稳定性。