一种基于进化的自适应卡尔曼修正粒子群优化算法

提出了一种新的基于达尔文进化的自适应卡尔曼修正粒子群优化算法(AK-DPSO,Adaptive Kalman correction Darwin Particle Swarm Optimization)。卡尔曼修正机制能够利用种群粒子位置更新过程的相关性信息提高算法搜索速度。使用了一种基于子梯度计算的方法来自适应地调整算法的系数,在每次迭代后算法根据卡尔曼修正机制调整全局最优点的位置,这样的调整能够显著地提升算法在搜索空间中的搜索效率和收敛率。同时,为了克服早熟收敛的问题,AK-DPSO采取了基于自然选择的达尔文进化机制,通过多个子群的自然进化增强粒子群的多样性,从而减小算法陷入局部最优点的可能性。进行了一系列的实验,实验结果证明本文算法能够在多个性能指标上达到或者超过现有粒子群优化算法的水平。

一种基于进化的自适应卡尔曼修正粒子群优化算法

文章提出了一种新的基于达尔文进化的自适应卡尔曼修正粒子群优化算法(AKDPSO,Adaptive Kalman correction Darwin Particle Swarm Optimization)。卡尔曼修正机制能够利用种群粒子位置更新过程的相关信息提高算法搜索速度。作者使用了一种基于子梯度计算的方法来自适应地调整算法的系数,在每次迭代后算法根据卡尔曼修正机制调整全局最优点的位置,这样的调整能够显著地提升算法在搜索空间中的搜索效率和收敛率。同时,为了克服早熟收敛的问题,AK-DPSO采取了基于自然选择的达尔文进化机制,通过多个子群的自然进化增强粒子群的多样性,从而避免算法陷入局部最优点。作者进行了一系列的试验,试验结果证明本文算法能够在多个性能指标上达到或者超过现有粒子群优化算法的水平。

基于卡尔曼滤波修正算法的电池SOC估算

电池荷电状态(SOC)的估算是电池管理系统的核心内容,SOC估算准确与否,将直接影响到电池管理系统的决策和控制。在结合开路电压法、安时法的基础上,充分利用扩展卡尔曼滤波法的修正功能,综合考虑电池充放电倍率、温度和充放电循环次数等因素对SOC估算的影响,提出了卡尔曼滤波修正算法,并将其应用在插电式混合动力汽车电池管理系统中。研究结果表明,卡尔曼滤波修正算法有效地解决了传统安时法无法估计SOC初值和误差累积,以及开路电压法需要电池静置无法做到在线估算SOC等问题,获得了更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。

修正增益卡尔曼滤波算法在被动测距问题中的应用

在采用被动导引头的导弹突防过程中,准确并及时地得到自身距离拦截器的距离信息,是制定导弹突防策略的关键。针对采用红外成像装置作为测量手段的飞行体,研究了利用红外成像装置观测空中运动目标所获得的目标视线角信息,采用修正增益卡尔曼滤波算法从目标视线角信息中提取出一定精度的飞行体至目标的距离信息的被动测距问题。文中给出了四种不同计算工况下的仿真结果曲线。仿真算例验证了被动测距方法的有效性,证明了载体进行机动有助于被动测距精度的提高。

区域主导产业对综合承载力的贡献度测算——基于有限分布滞后模型和卡尔曼滤波器参数修正

区域综合承载力评估是区域统筹发展理论的重要内容,本文提出了基于有限分布滞后模型和卡尔曼滤波器参数修正的区域主导产业对综合承载力的贡献测度分析方法。首先测算地区的综合承载力,对区域产业进行了主导产业的筛选,然后使用有限分布滞后模型和卡尔曼滤波器参数修正的方法,评估区域主导产业对区域综合承载力的贡献水平,最后以重庆为例进行实证分析,为规划、设计和实施重庆市未来产业结构调整提供了一些依据。

基于修正卡尔曼滤波的目标多源跟踪

针对多源跟踪测量信号处理原则进行了分析和研究,并在此基础上对多源信号筛选和滤波估计值的修正原则进行了研究,确保了所得修正测量值的可靠性和滤波估计值判定门限的可信度。对修正卡尔曼滤波跟踪算法进行了研究,分析了其优势和不足,并提出了采用多源跟踪和修正估计协方差的方法来弥补修正卡尔曼滤波跟踪的不足。仿真对比实验验证了所提出跟踪模型的有效性。

一种反馈修正推广卡尔曼滤波算法及其应用

针对在被动方式下进行目标定位时滤波收敛速度慢和估计精度不高的问题 ,本文介绍了一种反馈修正推广卡尔曼滤波算法。通过引入可观性弱的距离及距离变化率的估计值作为反馈变量 ,作为虚拟观测变量对系统状态进行二次估计 ,可以大大提高算法的收敛速度 ,本文对该算法进行了详细的推导并将其应用于目标被动定位估计器设计中。仿真结果表明 ,该算法在收敛速度 。

基于卡尔曼增益动态修正的动力电池SOC估算

扩展卡尔曼滤波法(EKF)被认为是一种精度较高的电动汽车动力电池荷电状态(SOC)估算法,但是观测方程误差会对SOC估算结果带来影响。对EKF滤波过程进行改进,根据观测方程的误差对原EKF滤波过程增设动态卡尔曼增益修正系数,提出基于卡尔曼增益动态修正的动力电池SOC估算法。仿真结果表明EKF法可以有效克服SOC初始值不准确所造成的估算误差,动态卡尔曼增益修正系数可以进一步减小由于观测方程误差造成的SOC估算误差,使估算误差保持在5%之内。

基于卡尔曼滤波法修正的灰色系统理论在桥梁施工控制中的应用

文章运用卡尔曼滤波法修正的灰色系统理论对桥梁悬臂施工过程中出现的节段挠度实测值与设计值不一致的情况进行分析修正,并以某预应力混凝土连续梁结构为工程实例,运用灰色系统控制理论以及卡尔曼滤波法修正的灰色系统理论分别对其进行挠度的预测,结果表明:经过卡尔曼滤波修正的灰色系统理论能够更有效地减小预测值与实测值的偏差,更好地对成桥线形进行控制。

修正扩维无迹卡尔曼滤波算法研究

在脉冲星导航中,角位置误差是主要的误差源之一。因此本文基于X射线脉冲星导航,提出了一种修正扩维无迹卡尔曼滤波(MASUKF)算法进行角位置误差的改进。MASUKF算法在原扩维无迹卡尔曼滤波(ASUKF)算法的基础上加入了Roamer延迟的高阶项,并将其作为误差项,将修改后的误差项代入状态方程与量测方程中,即可进行仿真分析。在仿真中,首先将ASUKF算法与UKF算法进行对比仿真模拟试验,结果显示ASUKF算法能显著地提高约45 m的定位精度,在X、Y、Z 3方向的速度误差估计精度约提高了20%;然后比较ASUKF与MASUKF算法,结果显示MASUKF算法较ASUKF算法的速度误差与位置误差的估计精度均提高2%以上。

基于测向交叉和卡尔曼滤波的多舰无源被动定位算法

在分布式多舰无源被动定位算法中 ,用修正增益推广卡尔曼滤波器对海上运动舰艇辐射源进行纯方位跟踪时 ,会出现滤波发散的情况。本文讨论了进行多舰纯方位定位跟踪融合的方法 ,提出一种通过测向交叉定位的结果来改进修正增益推广卡尔曼滤波器的方法 ,提高其稳定性 ,减少其滤波发散的可能 ,提高定位精度 。

高精度定位定向系统的修正 Kalman 滤波组合导航

指出了在组合导航系统中，Ｋａｌｍａｎ滤波器的预测周期与滤波周期之间的异步性会给滤波器的动特性带来不良影响。针对这一问题，提出了一种修正Ｋａｌｍａｎ滤波算法，并将其应用于高精度定位定向系统的“惯性／位置”组合导航中。

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波(SRCKF)性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波(AKF)算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明:与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。

基于修正极坐标滤波的水下目标运动要素解算方法

针对水面舰艇鱼雷防御系统中双基阵纯方位定位问题,提出了修正极坐标卡尔曼滤波算法,分析了方位数据测量误差和时空关联对跟踪性能的影响。仿真结果表明,修正极坐标滤波可以快速、稳定地完成目标运动要素的估计,且该算法的稳定性有所增强,适合于工程应用。

一种速度矢量和位置矢量分离估计的固定单站无源定位改进算法

针对无源定位必须实现快速和稳定定位跟踪的要求,提出一种目标速度矢量和位置矢量分离估计的改进算法。该算法首先利用目标辐射源脉冲到达时间、到达方向、方位角变化率和仰角变化率建立了两组速度矢量作为变量的伪线性观测方程,并利用伪线性卡尔曼滤波算法估计目标速度,然后建立了将位置矢量作为变量的状态方程,而速度矢量作为确定性控制项加入状态方程,并利用修正增益扩展卡尔曼滤波算法对目标位置进行滤波。计算机仿真表明本文的算法具有定位精度高,收敛速度快的优点。

机载单站对运动目标无源定位跟踪算法

针对无源定位系统中,机载单站相对于运动辐射源目标作为状态模型,在测方位角及其变化率基础上,引入多普勒频率变化率参数构建观测模型。常用的扩展卡尔曼滤波(EKF)存在不稳定和精度低的问题,采用修正增益的扩展卡尔曼滤波算法(MGEKF),找出修正函数矩阵,实现定位状态滤波估计。仿真结果表明,MGEKF算法较之EKF算法有较高的定位精度和较快的收敛速度。

直角坐标系下的雷达跟踪滤波算法分析

在直角坐标下,目标的运动模型能较好地描述,一般认为能得到更高的滤波精度。文中对直角坐标系下的修正无偏转换测量卡尔曼滤波(MUCMKF)、扩展卡尔曼滤波(EKF)、无迹滤波(UF)算法进行了总结分析,并对它们的初始协方差矩阵设置给出了建议,以使滤波器快速收敛。最后,通过实验,对几种方法的性能进行了比较。结果表明,在较大的测量误差下,UF、MUCMKF的性能明显好于EKF。

基于MVEKF的单站无源定位跟踪方法研究

单站无源定位是电子战中的一项重要技术。采用基于到达方向(DOA)和到达时间差(TOA)测量信息,可以实现固定观测站对运动辐射源的无源定位和跟踪。讨论了扩展卡尔曼滤波(EKF)及其改进形式修正协方差的扩展卡尔曼滤波(MVEKF)2种算法的原理,指出了应用场合和适用条件,并运用EKF和MVEKF对无源定位进行滤波估计。通过仿真,说明了2种算法的有效性,并验证了MVEKF对定位性能的改善。

基于车载摄像头的车辆前方移动光源轨迹预测算法

为增强汽车自适应大灯在夜间多类型光源路况中控制的实时性和准确性。以车载摄像头对前方移动光源位置坐标的捕捉为基础,提出了在自回归模型嵌入自适应修正卡尔曼滤波(KF)算法的预测方法。自回归模型对夜间移动光源的运动轨迹可进行多个时间步长的实时预测,自适应修正KF算法根据车辆当前行驶环境特征,对自回归模型中的移动光源历史轨迹数据存在的偏差进行实时判别修正,以保证模型预测的准确性。仿真结果表明:所提预测算法具有极高的准确性和实时性,可有效提高自适应大灯系统的控制性能。

MEMS惯性鞋式行人导航系统

以微机械系统(Micro-Electro-Mechanical System,MEMS)惯性器件为测量单元,搭建行人导航硬件系统并进行系统软件设计,硬件系统选用STM32F405作为核心处理器。通过分析行人脚步运动特点,设计零速修正行人导航算法,通过零速修正卡尔曼滤波器单一条件和三条件的零速检测方法进行导航姿态、速度和位置误差评估,并进行鞋式导航实物实验验证。实验结果表明,所设计的鞋式行人导航算法行之有效,并为行人导航系统实际应用指明了研究方向。