抗野值自适应Kalman滤波在无人机测风数据处理中的应用

针对无人机风场测量值含连续野值较多,且其噪声统计先验知识不足的问题,运用一种抗野值自适应Kalman滤波算法来提高其测风精度。在对模糊自适应Kalman滤波算法分析的基础上,该算法将一个压缩影响函数加权于滤波方程的新息上,根据新息的方差和均值变化自适应调整修正权值,使修正后的新息序列能够保持原有性质。相关分析结果表明,该算法能有效地克服较大野值和成片野值对滤波的不利影响,保证滤波精度,适用于无人机风场测量。

抗野值自适应Kalman滤波在MEMS加速度计信号处理中的应用

针对MEMS加速度计在复杂应用环境下输出信号中存在野值,且其噪声统计先验知识不足的问题,运用了一种抗野值自适应Kalman滤波算法,来提高其测量精度。该算法用一个修正函数加权于自适应Kalman滤波方程的新息上,根据新息的方差和均值变化自适应调整修正权值,从而保持序列原有性质。通过对输出信号的算法验证,表明该算法能够有效在线去除野值,防止滤波发散,在提高MEMS加速度计测量精度上有一定的可行性。

基于自适应抗野值Kalman滤波技术的卫星导航接收机授时方法

在高动态与强干扰条件下,卫星导航接收机码跟踪环路与载波跟踪环路会出现异常抖动进而影响卫星导航接收机的授时精度,针对这一问题提出了一种新的基于抗野值Kalman滤波技术的卫星导航接收机授时方法。该方法可以有效消除码环与载波环的异常抖动对解算出的卫星钟差的影响,并且对连续出现的野值也有很好的剔除效果。同时该授时方法还可以有效地对卫星导航接收机的晶振频率误差进行估计,进而对1PPS(pulse per second)信号发生器的频率控制字进行调整,提高系统的授时精度。经过实验验证,该授时方法可以有效提高卫星导航接收机的授时精度以及授时系统的鲁棒性。

Kalman滤波新息正交性抗野值法研究

在Kalman滤波应用过程中,观测值中的野值是影响滤波效果的重要因素。当观测中含有野值时,破坏了Kalman滤波新息的正交性,从而造成估计不准,滤波精度下降。本文提出了修正Kalman滤波新息正交性的方法,使修正后的Kalman滤波新息能够保持修正前的新息正交性。仿真结果表明,本文提出的方法有效地抑制观测中的野值对系统滤波的不利影响。

基于信息扩散的Kalman滤波抗野值研究

标准Kalman滤波在理想条件下是系统状态最优滤波,当观测值中含有野值时,将严重影响滤波的精度。采用新息扩散原理对滤波方程中的新息序列进行修正,不仅可以抑制野值的影响,而且不受野值分布情况的限制,仿真结果验证了它的有效性。

基于白噪声估值器的噪声统计辨识和自适应Kalman滤波

本文处理带来知噪声统计系统的自适应Kalman滤波问题.基于白噪声估值器,本文提出新的噪声统计递推估值器,比Sage和Husa的噪声统计估值器精度高,并改进了Yoshimura和Soeda的结果,两个仿真例子说明了本文结果的有效性.

抗野值Kalman滤波在靶场测量数据处理中的应用

在无人机飞行参数测量中,由于杂波等各种偶然因素的影响,往往使测量数据中存在着大量的野值,从而造成测量数据的严重失真甚至使滤波过程发散。通过对测量数据新息序列的分析,提出了野值判定的方法,并通过对新息序列进行修正来消除野值的影响。Matlab仿真的结果表明该方法可以有效判别和修正野值,提高了滤波精度。

混合式自适应Kalman滤波算法

采用虚拟噪声补偿模型误差和有偏的噪声方差估值器、滤波器收敛性判据相结合的方法来解决自适应Kalman滤波发散的问题。首先若模型不准确,则引入虚拟噪声对模型误差进行虚拟补偿,然后采用有偏的噪声方差估值器、滤波器收敛性判据对噪声方差估计值进行监控,阻止滤波器发散。采用混合式自适应Kalman滤波算法对Gill公司的风向风速仪实时采集的数据进行处理,实验结果表明,该方法能有效的提高性能、抑制滤波发散,具有较强的实用性、自适应能力。

基于自适应Kalman滤波的加速度计动态数据处理

针对实际使用条件下的加速度计的动态测试,讨论了一种加速度计的动态数据处理方法。动态测试中,由于实际情况的时变性和随机性,噪声统计特性可能是未知的且时变的,先验的数据也因此失去意义;另外,动态测试中野值也会对测试精度产生严重的不利影响;运用抗野值自适应Kalman滤波算法对动态数据进行了处理,结果表明该方法能够有效的剔出测试过程中粗大误差、过程干扰以及环境噪声的影响。

抗野值抑制发散滤波算法在无人机测风数据处理中的应用

适应性和鲁棒性较强的风场数据处理方法是无人机测风的关键技术。根据无人机测风的特点以及Sage-Husa自适应滤波算法、强跟踪Kalman滤波算法和抗野值修正算法的优缺点,对Sage-Husa自适应滤波算法进行了简化,并通过对滤波发散趋势的分析和连续野值个数门限的设置,将其和其他2种算法合理地融合起来,构造了一种抗野值抑制发散滤波算法,并进行了实例仿真。仿真结果表明：该算法能有效地克服较大野值和成片野值对滤波的不良影响,抑制滤波发散,保证滤波精度,适应性较强,可适用于无人机测风系统。

一种改进的kalman滤波器盲自适应多用户检测

基于奇异值分解提出了一种改进的 kalman 滤波盲自适应多用户检测算法．理论分析和数值仿真表明,在异步 CDMA 系统中,与现有的基于 RLS 算法盲自适应多用户检测方法相比,该方法具有收敛速度快、跟踪性能好、数值稳定性高的优点．

基于Kalman滤波理论的运动目标检测新方法

该文研究了基于Kalman滤波理论的渐消记忆最小二乘法在图像背景重建中的应用,并将它应用在复杂背景的图像序列中,实现对运动目标的自动检测。首先用渐消记忆最小二乘法对复杂背景进行预测和更新,然后把当前帧与预测的背景模板做差分运算,最后采用自适应阈值分割技术实现对目标的自动分割。文中通过对序列图像的仿真,讨论了最小二乘法的存在问题,改进及适用情况,干扰的消除。试验结果表明,该方法具有很强的实用性。

改进的最小二乘自适应滤波陀螺仪去噪方法

为了降低微机电系统（MEMS）陀螺仪输出当中的噪声分量,提出了一种基于随机加权方法下的抗野值递推最小二乘法（RLS）自适应滤波算法。标准RLS算法的基本思想是对于所有已输入的信号而言,尽量使得在每个时刻对数据块估计的平方误差的加权和最小,这也是RLS算法对于非平稳信号的适应性要比其他滤波算法好的重要原因。针对标准RLS算法中野值对其滤波精度的影响,同时,复杂的非平稳环境也会对其有一定的影响。所以,提出并验证了随机加权方法对RLS算法的抗野值处理,并将提出的改进算法应用到了MEMS陀螺仪的去噪研究中,改进后的算法不仅可以很好的去除单个野值对滤波的影响,而且对于野值连续成片出现的情况,也能结合算法的适应性很好的保持滤波的稳定性。

改进的最速跟踪微分器滤波效果仿真

为保证获得数据的实时性以及滤除数据在获取过程中存在的一系列野值干扰,利用鲁棒滤波理论对最速跟踪微分器的跟踪和抗野值功能进行了改进,利用误差反馈的思想,对最速跟踪微分器进行实时在线的补偿修正,并将改进型跟踪微分器与标准最速跟踪微分器和鲁棒Kalman滤波器仿真结果进行了比较,表明经改进的最速跟踪微分器有更好的跟踪、滤波以及抗野值效果。

基于辅助粒子滤波的风估计方法研究

对飞行中风场测量值含连续野值较多的问题,提出了将连续野值当作噪声处理的方法。噪声设置为随机游走模型并在状态方程中引入时变系数,利用辅助粒子滤波(APF)处理。与当前的自适应Kalman方法进行了比较,在含10个连续野值的模拟数据处理中,Kalman方法发生了跳变,而APF方法成功地处理了连续野值;APF方法和Kalman方法的平均均方误差分别为0.8313和1.0021。最后,将APF方法用于飞行测量数据处理。结果表明,APF方法能处理更多的连续野值,具有更好的精度和稳定性,适合工程应用。

融合自适应卡尔曼和小波的MEMS陀螺去噪方法

为提高MEMS陀螺仪信号的测量精度,提出一种融合卡尔曼和小波的MEMS陀螺仪自适应抗野值去噪方法。卡尔曼滤波中根据信息对干扰数据进行实时检测,通过修正增益或状态的一步预测值抑制野值对滤波精度的影响,然后利用小波分析对滤波后的陀螺仪信号的低频、高频分量同时进行阈值处理。实验表明该方法去噪效果优于卡尔曼滤波和Visushrink,陀螺仪x、y、z轴零偏不稳定性在该方法下比卡尔曼滤波分别提高了31.0%、29.3%、30.5%,比Visushrink分别提高了2.4%、12.1%、12.4%。

航向数据去噪中两种滤波方法对比研究

电控罗经因其多种优点得到广泛的使用,但是由于受多种干扰影响,其航向数据存在不同噪声。利用改进的Sage-Husa自适应滤波和抗野值算法,将其应用到罗经的数据处理中,并与经典kalman进行了比较。通过试验结果中误差方差和Allan方差系数的比较,得到Sage-Husa自适应滤波比经典kalman更适用于航向数据的处理。

基于改进卡尔曼滤波的列车舒适度平稳性测试仪

为了提高列车舒适度平稳性测量的精确性,针对加速度检测过程中有较多野值干扰的情况,基于活化函数的抗野值算法,结合sage-husa自适应算法设计了改进卡尔曼滤波方法。基于MATLAB设计了仿真实验,实验以美国六级轨道谱模拟值作为列车二自由度模型的输入并加入噪声,得到带野值的列车垂向加速度的模拟值,分别利用改进卡尔曼滤波器、巴特沃兹低通滤波器、普通卡尔曼滤波器对加速度值进行滤波。结果表明,改进卡尔曼滤波的最大均方根误差较巴特沃兹低通滤波与普通卡尔曼滤波相比分别减少了96%和93%。通过在高铁线路上测试实验证明,测试仪可对加速度值进行精确测量并对舒适度平稳性进行精确计算,同时具有更好的便携性。

捷联惯导系统传递对准容错滤波方法研究

研究当基准信息出现短时异常情况下的捷联惯导系统动基座传递对准问题。用于传递对准的基准信息，容易受到测量噪声、电磁干扰、通讯误码等因素的影响，而出现短时异常的情况，这对于滤波器来说是致命的。特别是在滤波快结束时出现的异常情况。由于常规卡尔曼滤波器对异常基准信息不具鲁棒性，滤波将产生较大波动甚至发散，提出利用自适应卡尔曼滤波和抗野值卡尔曼滤波消除异常基准信息对滤波器的影响，并对比分析了两种滤波方法的优缺点，分析表明，抗野值卡尔曼滤波对异常基准信息具有更好的鲁棒性，计算量比自适应卡尔曼滤波要小，而且更加稳定，更适合实际工程应用。最后通过试验验证表明，上述分析和结论是正确和有效的。

基于Hall和GMR的多传感器融合方法及实现

目前霍尔传感器(Hall)和巨磁阻(GMR)传感器均广泛地应用于电力系统电流测量。为同时发挥二者的优势、降低各自的局限性,在分析Hall和GMR的温度特性、噪声特性和被测电流范围的基础上,提出了一种基于Hall和GMR的多传感器融合方案。在定义GMR和Hall的灵敏度差值ΔS基础上,将被测电流i和灵敏度差值ΔS构成的融合域划分为四个域,在域Ⅱ采用多传感加权观测融合Kalman滤波算法,将Hall和GMR的观测量和观测噪声融合后与状态方程联立进行Kalman滤波;在域Ⅰ采用数据加权融合最优权值分配的方法,给Hall的测量数据赋予较大权值,GMR的测量数据赋予较小的权值;在域Ⅲ,权值分配情况相反,各域之间可实现数据融合的平滑过渡。基于多传感器融合方法,设计了一种组合式闭环电流传感器,包括磁芯、电路部分设计及仿真。仿真和样机实验结果表明,在域Ⅱ时多传感器融合值与真实值的均方根误差低至0.004;在域Ⅰ、Ⅲ时电流测量的相对误差E_(i)均在0.255%以下。与单一传感器相比,多传感器融合的方法使组合式传感器测量电流范围增大,适用于温度变化范围较大的场景,电流测量精度及可信度更高。