基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计

针对电动汽车质心侧偏角不便使用传感器直接测量的问题,提出采用平方根无迹卡尔曼滤波(SR-UKF)算法来估计电动汽车质心侧偏角。基于建立的车辆侧向动力学模型、非线性轮胎动力学模型以及估计得到的质心侧偏角,使用最小二乘法对轮胎侧偏刚度进行估计,得到轮胎侧偏刚度信息。最后,通过试验验证了基于SR-UKF的电动汽车质心侧偏角估计算法具有较高的精度,能够为后续车辆稳定性控制系统的设计提供有效的车辆状态信息。

H^∞滤波的广义平方根算法

研究H∞广义平方根滤波。引入非定矩阵的广义平方根分解,给出了使矩阵三角化的双曲变换矩阵的存在性判别及其求取方法,从而使H∞滤波的存在性判别以及H∞广义平方根滤波的算法得以实现。

基于平方根滤波的GPS/INS紧组合导航算法优化研究

在运用传统的紧组合导航卡尔曼滤波算法计算过程中,出现了一种现象,本应按滤波方程计算的估计误差随着时间的增加趋于零或者趋于一个稳态值。但估计值相对于实际上的值的偏差越来越大。从而使卡尔曼滤波器逐渐失去作用,这种现象称为滤波器的发散。论文对传统的卡尔曼滤波算法进行优化,分别运用了平方根滤波算法和传统的卡尔曼滤波算法进行了仿真实验,仿真分析结果验证了平方根滤波算法的可行性和有效性。

基于修正的自适应平方根容积卡尔曼滤波算法

目标建模不确定性会造成滤波算法性能下降,通过构建强跟踪滤波器(strong tracking filter,STF)可以提升滤波算法的自适应性,但是构建STF时存在理论推导复杂、求解计算量大等局限和不足,针对上述问题,在平方根容积卡尔曼滤波(square-root cubature Kalman filter,SRCKF)的基础上,提出一种基于修正的自适应SRCKF算法。该算法通过设置判定门限和修正准则,直接对状态预测值或滤波增益进行修正以平衡先验的预测值和后验反馈的量测值在滤波中所占的比重,进而减小状态估计误差。仿真结果表明,所提算法具有在目标状态突变和量测非线性时的良好滤波性能和数值稳定性,同时相比较需要计算渐消因子的STF算法,该算法在计算量和收敛速度上具有优势。

平方根滤波算法在传递对准误差评估中的应用

传递对准误差评估,通常需要进行顺序Kalm an滤波及逆序平滑处理。在递推处理过程中,系统状态均方误差阵常常失去非负定性而导致滤波发散。将平方根滤波应用于对准误差的评估中,采用平方根滤波和平方根平滑算法进行弹载子惯导系统的传递对准误差评估,能够保证状态均方误差阵的正定性,并且提高了滤波的收敛速度和评估的误差,为传递对准提供了一种有效的误差评估方法。

基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法

为提高北斗定位系统(BDS)的估计精度,克服传统平淡卡尔曼滤波(UKF)算法中可能因状态量协方差矩阵失去正定性而导致滤波器发散的问题,将平方根平淡卡尔曼滤波(SRUKF)算法应用于BDS定位估计.在此基础上,为进一步提高SRUKF算法的性能,引入粒子群优化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估计(PSO-SRUKF)算法.结果表明,PSO-SRUKF算法可以降低系统噪声和测量噪声特性估计不准确带来的误差,有效提高了BDS定位精度和稳定性.

基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪（英文）

为了避免被动跟踪中非线性带来的计算复杂化及跟踪精度的下降,提出将平方根无迹卡尔曼滤波平滑算法(SR-UKFS)应用到水下纯方位目标跟踪。SR-UKFS利用Rauch-Tung-Striebel(RTS)平滑算法将平方根无迹卡尔曼滤波(SR-UKF)作为前向滤波算法得到的目标状态估计向后平滑,得到前一时刻目标状态估计,再利用该状态估计值进行再次滤波得到当前时刻目标状态估计。该算法得到的前一时刻的目标状态估计更加精确,从而进一步提高了目标跟踪的精度。最后,通过对SR-UKFS算法和SR-UKF算法的跟踪性能进行了对比分析和验证,仿真结果表明在相同条件下,SR-UKFS算法能减少59%的位置误差和54%的速度误差,SR-UKFS算法应用于水下纯方位目标跟踪系统是有效的,为水下纯方位目标跟踪系统的工程实现提供了非常有价值的参考。

平方根球形无味卡尔曼滤波机载无源定位算法

针对机载无源定位系统中,初始值误差和数值的舍入计算对无味卡尔曼滤波(un-scented Kalman filtering,UKF)算法的定位精度和滤波稳定性影响较大的问题,提出一种基于平方根球形无味的卡尔曼滤波算法(square root spherical unscented Kalman filter,Sqrt-UKFST)。该方法以单位超球体球面无味变换为基础,通过减少采样点数目和球面半径,保证所有采样点在一个单位超球体上,从而提高算法对初始值的鲁棒性,并采用平方根滤波提高算法的数值稳定性。对该算法进行100次Monte-Carlo实验,仿真结果表明,Sqrt-UKFST算法收敛速度快,滤波性能稳定;当初始状态估计误差较大时,Sqrt-UKFST算法的定位精度保持在30%以内,提高系统对初始值的鲁棒性。

基于平方根无迹卡尔曼滤波的锂电池状态估计

在充电式混合动力电动汽车(plug-in hybrid electric vehicle,PHEV)和电动汽车(electric vehicle,EV)中,对电池进行精确、可靠的荷电状态估计(state of charge,SOC)非常重要。传统估计方法存在计算量大、估计不精确等缺点,提出一种平方根无迹卡尔曼滤波(square root unscented Kalman filter,SRUKF)算法对SOC进行实时估计及更新。利用无迹变换(unscented transformation,UT)精确估计系统方程的均值和协方差,使估算值达到二阶精度。利用平方根算法保证状态协方差的半正定性,提高数字计算的稳定性。通过实验对比,验证了该算法的有效性。结果表明,该方法可使状态估计值具有较小的误差和快速跟随性,满足了SOC估计的实际需求。

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

平方根升余弦滚降FIR数字滤波器的设计

本文采用本地查找算法 ,根据不同的误差准则设计了一系列平方根升余弦滚降FIR滤波器 ,并且在基带传输系统中对FIR滤波器进行了性能仿真 ,得出了在对称度准则下设计的FIR滤波器具有较好的性能的结论。

平方根升余弦滤波器的设计与FPGA实现

为了提高平方根升余弦滤波器的性能,采用FPGA技术,基于CSD编码和分布式计算两种算法,分别提出相应的硬件电路设计,并在QuartusII综合器中进行综合。结果显示采用分布式计算算法实现的平方根升余弦滤波器性能优于CSD编码方式。

平方根信息滤波、平滑及其简化算法的推广

本文将【1】【2】中平方根信息滤波、平滑及其简化算法作了推广,得到了动态方程含有确定性控制项情形的一般性结论。采用动态规划方法推导了平方根信息滤波、平滑算法,同时用矩阵分析方法得到了简化算法,指出了简化算法具有形式简洁,便于应用、节省计算量的优点。

基于观测域平方根UKF的机载无源定位算法

针对机载无源定位存在滤波稳定性差、收敛速度慢、定位精度低等问题,提出一种观测域平方根UKF滤波算法,新算法充分利用了观测域滤波的自动解耦功能和平方根UKF良好的数值稳定性及非线性滤波能力,并通过最小偏度单形采样的UT变换减少了算法在状态域与观测域之间转换时存在的舍入误差,同时也提高了算法的运行效率。仿真结果表明新算法提高了滤波稳定性、收敛速度和定位精度。

一种改进的平方根滤波在卫星钟差实时解算中的应用

目前普遍采用卡尔曼滤波方法来实现非差法卫星钟差的实时解算。平方根滤波可以增强数值计算的稳定性,避免滤波发散,但矩阵的求逆会耗费较长的计算时间;序贯算法可以避免对矩阵直接求逆,能提升计算效率。综合两种算法的优点,提出一种基于序贯算法的平方根滤波器,并应用于卫星钟差的实时解算,得到的卫星钟差精度优于0.2ns,且计算时长缩短40%。

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波(EKF)在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波(UKF)算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。

基于新型自适应平方根容积卡尔曼滤波的RSOP均衡算法

针对相干光通信系统中,传统容积卡尔曼滤波(CKF)算法和平方根容积卡尔曼滤波(SCKF)算法对偏振态旋转(RSOP)均衡存在鲁棒性不足、泛化性弱等问题,提出了一种新型的自适应SCKF算法,以实现对RSOP的跟踪补偿。该算法通过引入平方根因子直接对过程噪声协方差矩阵的平方根进行自适应更新,避免了正定分解。同时引入残差判决检测机制,对当前时刻残差值与滑窗内残差均值进行比较,将比较结果作为是否进行自适应更新的判断条件,以提升算法运行速度。仿真结果表明,所提算法在RSOP方位角变化速率为40 Mrad/s时,误码率性能满足开销为7%的前向纠错阈值条件,且相对于CKF和SCKF算法,所提算法在不同调优参量初始值下均能稳定运行。所提算法能够快速跟踪补偿RSOP,即便在初始条件不理想的情况也能稳定运行,具有鲁棒性强的优点。

有效的平方根分解交互式多模型滤波器

详细论述了交互式多模型方法的机理，提出了一种完全平方根分解的交互式多模型目标跟踪算法。结果表明，本文提出的算法在数值稳定性和并行实现上具有良好的性能。

基于Potter算法的水下航行器动基座初始对准滤波方法

研究了水下航行器动基座对准问题。建立了动基座对准误差模型。在对准时利用GPS提供的速度和姿态信息进行辅助对准,采用速度、姿态匹配的对准方式,建立了系统的观测方程。当考虑加速度计和陀螺仪引起的系统噪声激励时,方位失准角D的估计值振荡幅度较大。针对这一问题,提出了基于Potter算法的动基座对准滤波方法估计3个失准角。理论研究与仿真表明,该方法不但能快速精确地估计出水平失准角,而且解决了D的振荡问题,提高了其估计精度。

基于SRCKF算法的植保无人机定位估计

基于高山丘陵地区地貌的复杂性、梯田间人工施药困难的背景下,针对植保无人机近地面喷洒任务的艰巨性,其自主导航定位技术的局限性,传统滤波估计算法对载体跟踪估计误差大、精度低、滤波不稳定等问题,提出了一种基于平方根容积卡尔曼滤波算法对植保无人机位置及姿态进行估计。较传统SRUKF、SRCDKF算法,文中算法既降低了状态量维数,又保证了数值计算效率及滤波精度。同等仿真环境下,实验结果表明,基于SRCKF-SLAM算法对载体位置估计精度最高,且稳定性最好;另外,在给定10°失准航偏角下,该算法对载体姿态角滤波估计,在近50 s内实现误差趋近于零,保证了植保无人机的精准导航。