改进扩展Kalman滤波的显微视觉压电驱动定位

在显微视觉领域,压电驱动定位技术因其在微观尺度的高精度特性和灵活性备受关注。然而,由于定位过程中涉及图像处理、传输和控制等方面的时延,导致图像雅可比矩阵的估计会出现较大误差。因此,本文提出了一种改进扩展Kalman滤波算法用来预测图像雅可比矩阵,大幅度降低时间延迟因素。首先,将辨识得到的Bouc-Wen模型与扩展Kalman滤波算法的状态观测方程相结合,使得状态观测方程更全面地考虑压电平台的迟滞非线性特性,有效地提高了对压电平台速度和位置的预测;其次,结合Bouc-Wen模型的扩展Kalman滤波算法在面对非线性问题时,采用的是泰勒级数,这将导致扩展Kalman滤波算法对高度非线性的函数无法提供良好的近似,从而导致在估计雅可比矩阵的时候引入较大的近似误差,故本文将采用神经网络对高度非线性函数进行近似,进而对图像雅可比矩阵进行估计。最后,通过搭建一个显微视觉的压电驱动实验平台,进行位置跟踪实验,仿真实验表明,输入信号分别为正弦信号和三角波信号时,改进扩展Kalman滤波算法跟踪误差均值分别为0.199μm和0.132μm,而扩展Kalman滤波算法的跟踪误差均值分别为0.692μm和0.513μm,结果验证了改进算法的优越性和可行性。

基于粒子滤波和滑动平均扩展Kalman滤波的多径估计算法

多径干扰是高精度定位的主要误差源,估计多径参数对消除多径误差,提高导航系统定位精度具有重要意义。针对扩展Kalman滤波(EKF)在进行多径参数估计时,存在对初值敏感,估计结果在真值附近具有较大波动的缺点,该文提出一种基于粒子滤波(PF)和滑动平均EKF的多径估计算法。该算法首先利用PF得到多径参数的粗略估计值,并将该值作为EKF的初始估计值,以克服EKF对初值敏感的问题。接着对EKF的估计结果进行滑动平均,并将平均后的滤波结果作为多径参数的估计结果。仿真结果表明,改进后的多径估计算法可有效降低估计结果的波动幅度,同时解决了EKF对初值敏感的问题。

基于扩展Kalman滤波器的PMSM高性能控制系统

扩展Kalman滤波器考虑了系统噪声和测量噪声的影响,是一种基于最优控制理论的非线性估计方法。本文提出一种新型的用于永磁同步电机(PMSM)的基于扩展Kalman滤波器(EKF)的状态观测器,可以把有限精度的光电码盘信号的量化误差考虑为测量噪声,从而可以精确观测转子位置和转子转速。电机不需要知道转子初始位置就可以起动。该状态观测器还可以观测负载转矩,利用观测的负载转矩形成对给定转矩的前馈补偿,可以大大改善负载转矩波动过程中的转速控制性能。在轻负载时永磁同步电机定子电流较小,因此电流测量过程中的噪声和干扰对系统性能的影响就非常明显。Kalman滤波器可以有效消除电流测量值中的干扰和测量噪声,提高系统在轻载时的性能。仿真和实验结果验证了该系统的性能。

扩展Kalman滤波器同时测定苯酚和邻氯苯酚

提出了苯酚和邻氯苯酚混合体系非线性吸光度表示式.即非线性吸光度由两组分各自对吸光度的贡献、由于混合而导致的两组分各自贡献的改变以及交互作用项三部分构成.依据该式,利用非线性Kalman滤波紫外分光光度法同时测量了苯酚和邻氯苯酚混合体系.在250～290 nm区间测量了32组浓度各自在1～15 mg·L^-1范围的苯酚和邻氯苯酚标准混合溶液紫外吸收光谱图.利用偏最小二乘法,将其制作成扩展Kalman滤波标准工作系数矩阵.通过对非线性吸光度关系式Taylor级数展开进行线性化处理,得到其向量函数的Jacobi矩阵,从而完成了非线性Kalman滤波器的设置.回收实验显示出,扩展Kalman滤波同时测量苯酚和邻氯酚双组分体系是准确、稳定的.

高动态环境下无数据辅助的扩展Kalman滤波载波跟踪环

针对高动态及低信噪比情况下的GPS载波跟踪问题,该文提出一种无数据辅助情况下基于扩展Kalman滤波的载波跟踪环。该环路通过直接判决去掉调制信息,并利用去掉调制信息后的积分-清零滤波器输出直接作为扩展Kalman滤波的观测向量,以避免引入鉴相器而使环路在低信噪比情况下工作时受到限制。仿真结果表明,相比较于三阶锁相环,及利用鉴相器辅助的线性Kalman滤波载波跟踪环路,该文提出的环路具有更低的失锁概率及更小的相位跟踪误差。

基于扩展Kalman滤波的空基多平台多传感器数据配准和目标跟踪算法

本文研究基于扩展 Kalm an滤波和多个空中移动平台的多传感器数据配准与目标跟踪问题 .文中首先给出了空中移动平台传感器数据配准几何坐标转换算法 ;接着将目标运动模型和传感器配准误差模型组合在同一个状态方程中 ,然后利用扩展 Kalman滤波方程进行估计 .Monte- Carlo仿真表明 。

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。

基于迭代扩展Kalman滤波建议分布和线性优化重采样的快速同步定位与构图

针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle,AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。

基于扩展Kalman滤波器的永磁同步电机转动惯量辨识研究

为抑制转动惯量变化对高性能伺服系统性能的不良影响,缩短惯量辨识收敛时间和提高辨识精度已成为转动惯量辨识的研究热点。基于扩展Kalman滤波器,开展永磁同步电机转动惯量辨识算法设计、仿真和试验研究。仿真和试验结果表明,扩展Kalman滤波器用于永磁伺服系统的惯量实时辨识是有效的,突变惯量时辨识收敛时间约为4 s、辨识误差为6.8%。

一种基于扩展Kalman滤波的多径估计算法

定位系统中,噪声环境下的多径估计是消除多径干扰的前提。提出了一种基于扩展Kal-man滤波(EKF)的多径估计算法,可以有效的估计多径信号的时间延迟和幅度。分析了本地码估计偏差、EKF的估计初值、相关间距以及采样频率对多径估计性能的影响。结果表明,EKF在估计多径信号时,EKF初值不仅影响其收敛速度,而且EKF初值中的幅度初值决定其是否收敛。同时,EKF时间延迟估计误差可以通过提高采样频率和增加最大早晚码间距来减小。

卫星时滞系统的强跟踪鲁棒扩展Kalman滤波

针对具有状态时滞和未知不确定性的卫星姿态控制系统,提出一种强跟踪鲁棒扩展Kalman滤波器,以实现执行器和传感器的并发故障估计。首先,考虑系统噪声,视故障为系统的辅助变量,建立增广时滞非线性系统。然后,提出鲁棒扩展Kalman滤波器,引入鲁棒上界以减少线性化误差。进一步,针对系统过程不确定性导致预测协方差精度较低的问题,引入基于多重次优渐消因子的强跟踪算法,以降低不确定性对滤波精度的影响。最后,给出仿真算例,将所提出方法与鲁棒扩展Kalman算法和扩展Kalman算法进行对比仿真。仿真结果表明,相较于其他两种算法,所提出方法的状态估计和故障估计均方根误差的平均值分别降低了69.2%、60.6%和88.1%、78.9%,仿真结果验证了设计方案的有效性。

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图(SLAM)问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。

基于自适应扩展Kalman滤波的路侧多传感器融合

路侧感知是云控车路协同感知的组成部分。为提升路侧传感器的感知精度和稳定性,该文提出了一种基于量测噪声自适应扩展Kalman滤波器(AEKF)的路侧多传感器融合方法。基于路侧相机、激光雷达、毫米波雷达的感知结果,实现了异质传感器目标级数据的融合。采用一种量测噪声在线获取方法,检测了传感器测量值的稳定性,生成了量测噪声的修正系数,自适应调整了量测噪声;经过了实车试验。结果表明:相较于单传感器,采用该多传感器融合方法使横向距离估计精度提高9.7%,纵向距离估计精度提高5.4%,速度估计精度提高26.6%;由于该算法的横向距离估计精度提高44.9%,纵向距离估计精度提高21.3%,速度估计精度提高64.4%;因此,该文AEKF算法的估计精度高于传统扩展Kalman滤波算法(EKF)的精度。

基于扩展Kalman滤波算法实现定轨

在只考虑重力场作用和大气阻力作用的情况下,建立卫星简化动力学模型。研究基于扩展Kalman滤波的星载GPS定轨,根据GPS观测数据结合简化动力学对卫星状态进行最优估计。在J2000坐标系下,使用STK软件模拟的轨道数据进行定轨仿真。结果表明,该算法能够大幅度提高定轨位置和速度的精度。

基于扩展Kalman滤波的声阵列定位数据融合算法

利用各阵元和目标相对于一中心阵元的几何关系建立目标运动方程 ,坐标变换方程和声阵列测量方程 ,并以此建立了声阵列目标定位模型。在此基础上提出了基于扩展 Kalman滤波算法的目标定位数据融合算法。通过地面目标和空中目标的计算机仿真表明 ,本算法能够有效地克服由于智能雷布阵的随机性给智能雷定位数据估计带来的困难 ,对声阵列定位数据也能进行较好的融合 。

用于四旋翼飞行器姿态估计的新息扩展Kalman滤波

在扰动强大,姿态角高动态变化的环境中,由于过程噪声和量测噪声统计特性的不确定性,使得常用的姿态角估计算法扩展Kalman滤波的精确度低,从而影响四旋翼飞行器飞行控制系统的稳定性。针对这一问题,使用一种基于新息的扩展Kalman滤波,用新息方差估计方法分别对过程噪声和量测噪声的协方差进行调整,运用于四旋翼飞行器的姿态角数据估计中。实验结果表明:改进后的新息扩展Kalman滤波算法使估算出的姿态角更加精确,使飞行控制系统更加稳定。

基于扩展Kalman滤波器的GPS/DR组合车辆定位系统

介绍了在GPS车辆定位系统中针对车辆运动的机动性和定位系统的非线性的问题采用的扩展Kalman滤波原理,采用机动目标的“当前”统计模型建立了扩展Kalman滤波的系统状态方程和观测方程,详细推导了定位算法,并利用Matlab进行仿真实验。仿真结果表明,该方法在实际应用中是可行的,并具有定位精度高、算法稳定等优点。

基于扩展Kalman滤波的单领航者自主水下航行器协同导航判别式训练方法研究

单领航者自主水下航行器(AUV)协同导航算法中,系统模型是非线性的,扩展Kalman滤波(EKF)是针对非线性系统的很有影响力的滤波算法,但是,EKF算法的性能严格依赖于一系列模型参数,而这些参数往往需要花费很大的代价来捕获,并且常需要人工调整。该文应用一种能自动学习Kalman滤波噪声协方差参数的方法,通过仿真分析,证明了该学习算法可以完全自主并且高效、准确地输出Kalman滤波噪声参数,进一步提高了单领航者AUV协同导航系统的导航精度。

扩展Kalman滤波法在高速公路交通流模型上的应用

高速公路交通流模型是高速公路交通监控系统设计、分析、仿真、运行的基础 .由于高速公路交通流模型是一个高阶非线性时变系统 ,这使得该模型的状态估计问题成为一个非常困难的问题 .这里简要描述了传统解析模型中的交通流宏观动态模型及扩展的卡尔曼滤波法( Extended Kalman Filter- EKF)状态估计原理 ,讨论了该类模型在一条具有三个等长路段 ,一个入口匝道 ,一个出口匝道的公路的应用 ,并利用 EKF得出对三路段高速公路车流密度、车流速度跟踪的仿真结果 .

基于扩展Kalman滤波的室内WiFi-PDR融合定位算法

为解决室内WiFi定位精度较低及行人航位推算(PDR)定位存在累积误差的问题,提出一种基于扩展Kalman滤波(EKF)的WiFi-PDR融合定位算法。WiFi通过改进的WKNN算法实现匹配定位,根据定位点与K近邻点的接收信号强度指示相对偏差进行权值修正,PDR定位采用多重约束条件的步态检测和在线步长估计方法。在此基础上,将EKF作为WiFi和PDR定位的融合滤波器,以降低WiFi定位回跳和PDR累计误差,从而提高定位精度。实验结果表明,在多次行迹转弯条件下,该融合定位算法的定位精度可达1.8 m。