基于无损卡尔曼滤波的HJM模型及实证研究

在多因子HJM框架下,将一类具有特定波动率结构设定的非马尔可夫远期利率模型转化为马尔可夫模型,并将其表示成状态空间模型形式.进一步,引入基于无损卡尔曼滤波的极大似然估计法对HJM模型进行估计,解决了模型非线性和潜在状态变量的问题.实证研究中,基于上海银行间同业拆放利率(SHIBOR)期限结构的实际动态特性,对HJM模型的波动率结构进行相应的设定,并引入随机市场风险价格,构建了SHIBOR期限结构的三因子HJM模型.结果表明,三因子HJM模型可以很好的刻画SHIBOR期限结构的动态特性和波动率结构,水平因子和斜率因子是驱动SHIBOR利率系统的主要因素.

正常人群弓状束双张量无损卡尔曼滤波与单张量线性纤维束示踪技术成像效果比较

目的:比较双张量无损卡尔曼滤波纤维束示踪技术(UKFT)与传统单张量线性纤维束示踪技术(ST)重建正常人群弓状束(AF)的成像效果。方法:选取20例正常受试者行DTI成像,分别应用单张量ST和双张量UKFT技术重建左侧AF,包括直接通路“颞-额”段(深支),间接通路“额-顶”段(前支)和“颞-顶”段(后支),采用解剖形态比对和纤维束定量的方法研究两种技术AF显像的差异。结果:应用单张量ST技术重建左侧AF时,12例深支、2例前支和1例后支显像不完整或失败;而应用双张量UKFT技术重建时,三个分支在所有受试者中均成功完整显像,且终端分支纤维显示更完整,分布面积更广,纤维体积更大,条数更多(P<0.001)。结论:与传统单张量ST相比,双张量UKFT技术在正常人群中可以重建出更加完整的AF。

无损卡尔曼滤波在估算动力电池SOC中的应用

电动车电池管理系统(BMS)能精确估算电池荷电状态(SOC),是电池安全和优化控制充放电能量的必要保证。针对整车环境下动力电池的非线性、强耦合特性,在多维动态补偿安时积分与电池模型融合的基础上,提出一种无损卡尔曼滤波(UKF)方法估算电池的SOC。应用Simulink仿真工具及Stateflow有限状态机工具建立一个简单可靠易移植的电池管理系统应用层控制策略模型。仿真结果验证了模型的可靠性,同时表明无损卡尔曼滤波能获得准确的SOC估算值。

基于无损卡尔曼滤波的锂离子电池组SOC估计

锂离子电池组容量和内部参数随温度变化明显,在不同温度下准确估计电池电荷状态(state of charge,SOC)是电动汽车电池管理系统研究的关键技术。基于Thevenin模型,采用无损卡尔曼滤波(unscented Kalman filtering,UKF)实现不同温度和不同放电电流条件下对锂离子电池组SOC的估计。实验研究表明,UKF算法适应不同放电电流下的电池SOC估计。随着温度降低,虽然UKF方法对锂离子电池组SOC估计的收敛速度变慢,但对初始误差有较强的修正作用,且有较高的稳态精度。因此,UKF方法适合不同温度和放电电流下对锂离子电池组SOC的估计。

无损卡尔曼滤波算法在目标跟踪中的应用

卡尔曼滤波最初提出的滤波理论只适用于线性系统,本文描述了非线性滤波算法的原理和特点,有EKF(扩展卡尔曼滤波)和UKF(无损卡尔曼滤波)两种,本文举例验证对比了两者,同时也给出了采用无损卡尔曼滤波算法在目标跟踪数据的仿真。UKF(无损卡尔曼滤波)以Unscented变换为基础,克服了传统的非线性滤波的算法存在精度不高、稳定性差、反应迟缓等缺点,使预测精度得到了提高。基于上述优点,UKF被广泛应用于导航、目标跟踪、信号处理和神经网络等多个领域。

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波(UKF)的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法(ML)的比较实验表明,该算法能有效地减小定位误差,提高定位精度。

基于无损卡尔曼辅助粒子滤波的目标跟踪算法研究

为实现非线性运动目标的实时跟踪和状态估计,采用和验证了一种无损卡尔曼辅助粒子滤波算法。通过无损卡尔曼滤波算法求取重要性函数,实现对辅助粒子滤波算法的优化,从而进一步提高了辅助粒子滤波的性能。本文通过MAT⁃LAB软件进行仿真实验,证明了该算法能够更好地缓解粒子滤波中多样性的问题,其性能优于辅助粒子滤波。

基于KF/UKF组合滤波的SINS大方位失准角初始对准

为了解决无损卡尔曼滤波(UKF)算法计算量随着状态维数增加而急剧增大的问题,将非线性初始对准滤波模型分解为线性与非线性两部分,并提出一种基于此模型分解的KF/UKF组合滤波算法,设计了该组合算法的滤波步骤,理论上证明了该组合算法仍为最小均方误差估计意义下的最优估计。通过仿真实验比较了KF/UKF组合算法和UKF算法的滤波效果,结果表明,基于KF/UKF组合算法的运算速度优于UKF算法。

基于滤波方法的瓦塞克模型估计研究

将扩展卡尔曼滤波和无损卡尔曼滤波应用于Vasicek模型的参数估计上,并通过对两种滤波方法的估计效果、运算速度等方面进行对比,探讨了EKF和UKF的特点、适用范围以及性能优劣,并得出虽然UKF的计算量要大于EKF,但UKF无论在估计效果上还是在稳定性和鲁棒性上,均明显优于EKF。因此,UKF在利率期限结构模型估计方面具有巨大的应用潜力。

基于粒子滤波的蜂窝网目标跟踪

蜂窝网移动定位是根据蜂窝网自身的位置信息进行移动台定位与跟踪一种技术,是未来移动通信的方向,本文考虑到复杂信道环境中的非视距(NLOS)噪声误差的因素,提出了一种基于到达时间差(TDOA)的粒子滤波方法。仿真结果表明,与无损卡尔曼滤波对比,采用粒子滤波的跟踪方法能明显改善移动目标的定位精度。

基于非线性观测器和无迹卡尔曼滤波的车辆状态估计对比

针对车辆主动安全控制系统中控制变量难以实时准确获取的问题,分别提出了基于非线性全维观测器和无损卡尔曼滤波(UKF)的车辆状态估计方法。首先,基于非线性七自由度整车模型,结合车辆传感器设计非线性观测器和UKF观测器。其次,利用稳定性理论对设计的车辆状态估计方法进行了稳定性分析。最后,采用E级轿车的车辆参数应用CarSim对几种典型工况进行了离线仿真和对比分析。结果表明,设计的两种车辆状态估计方法都具有实时性好、估计精度高的优点。

多径CD3S信号的混合卡尔曼滤波解调

提出了一种基于混合卡尔曼滤波的CD3S信号解调算法,在多径衰落信道下,采用状态估计的方法解调混沌直接序列扩频（CD3S）信号.根据混沌系统映射方程建立了混沌码同步问题的状态空间模型,并利用无损卡尔曼滤波器实现了混沌码同步;根据信道参数与信息码相对于混沌码的慢变特性,建立了信道参数估计与信息码估计问题的状态空间模型,并利用两个卡尔曼滤波器分别估计信道参数与信息码.三个滤波器均把彼此的估计结果作为系统参数,交替工作,通过联合估计实现信息码解调.仿真结果表明：无论多径信道是时不变的还是时变的,算法均可以提高混沌码同步精度,降低CD3S通信系统误码率.

多径CD3S信号的多滤波器联合估计解调

针对多径衰落信道下混沌直接序列扩频(CD3S)信号的解调问题,提出一种基于卡尔曼滤波(KF)、无损卡尔曼滤波(UKF)与最小均方误差(MMSE)滤波联合估计的多径CD3S信号解调算法。算法根据混沌码同步、信道估计与信息码解调间的差异性与关联性,利用UKF估计混沌码、KF估计信道参数,并通过MMSE滤波重构信息码。三个滤波器均将彼此的估计结果作为系统参数交替工作,通过联合估计实现信息码的解调。仿真结果表明,无论对时不变信道还是时变信道,算法均可以克服多径衰落与信道噪声的影响,实现了多径信道下CD3S信号的解调。

UKF滤波算法在两点边值问题求解中的应用

两点边值问题求解是最优化问题间接法求解算法中的关键技术,通常只能通过数值迭代方法给出最终解。而由于两点边值问题的高敏度和强非线性动力学特性,对数值迭代初值的精度要求非常高,否则难以得到收敛解。为了降低对初值精度的要求,基于无损卡尔曼滤波算法,给出了一种最优参数估计方法,可用于两点边值问题求解。此方法采用高斯分布模型,可以二阶以上精度描述原非线性问题,具有较大的收敛域和较高的鲁棒性。通过航天飞行器轨迹优化算例,验证了此算法的有效性和可靠性。

基于粒子滤波的混沌同步性能研究

本文比较了扩展卡尔曼滤波、无损卡尔曼滤波和粒子滤波的混沌同步方法在不同信噪比下的同步均方误差。研究结果表明,在较低的信噪比下,粒子滤波算法可以有效地实现混沌同步,同扩展卡尔曼滤波和无迹卡尔曼滤波的混沌同步方法相比,粒子滤波混沌同步的稳健性更好,同步均方误差更低。

基于北斗和边缘计算的车联网导航技术研究

随着车辆保有量的不断增长和车联网应用的普及,车辆终端会产生大量需要实时处理的数据消息。在车辆高速移动场景下,传统的车联网导航系统由于车辆差分定位数据存在传输时延,导致车辆定位结果存在一定的偏差,无法及时获得高精度定位结果。基于此,文中提出了一种基于北斗定位和边缘计算的车联网导航技术方案,采用改进的遗传算法进行终端定位请求的资源分配,有效降低整个边缘网络的服务时延,并利用基于边缘节点的优化无损卡尔曼滤波算法来提高车联网节点的定位精度。实验表明,文中所提出的方法能够为大规模车联网终端提供实时精准、低延迟和高精度的定位服务,具有较高的实际应用价值。

基于深度学习的北斗伪卫星与视频融合定位方法

室内定位服务是电网系统运行的关键环节之一,提供基于位置的服务可以有效帮助运检、安监和基建等电力系统运作流程。提出一种基于深度学习的视频定位系统,采用YOLO目标检测算法和深度简单在线实时跟踪算法,实现了对于室内人员的精准定位。在YOLO主干网络部分中加入了CBAM(Convolutional Block Attention Module)注意力机制模块以及GhostBottleneck轻量化模块,验证了不同模型类型下的检测效果并实现了性能的优化。提出了一种基于无损卡尔曼滤波(Unscented Kalman Filter,UKF)的北斗伪卫星系统与视频定位的融合方法,可以实现2种定位结果的融合。实验表明,基于深度学习的视频定位与北斗伪卫星的融合室内定位方法解算精度较高、稳定性较强,可以满足电力系统的室内定位需求。

基于Vasicek和CIR模型的SHIBOR期限结构实证分析

基于无损卡尔曼滤波(UKF)估计方法,分别使用Vasicek模型和CIR模型对上海银行间同业拆放利率(SHIBOR)的动态特性进行刻画,并对其期限结构进行实证研究。在此基础上,对比分析两模型对SHIBOR数据的拟合性,结果表明:Vasicek模型和CIR模型对SHIBOR市场利率的动态特性均具有很好的刻画和描述能力,而Vasicek模型的数据拟合效果更好一些。

模态切换水下机器人微惯性导航分析

针对某模态切换远程遥控水下机器人(Model-Converted Remotely Operated Vehicle,MCROV),基于微机电系统(Micro-Electro-Mechanical Systems,MEMS)器件设计微惯性组合导航系统.该系统包括陀螺仪、加速度计、磁罗盘、深度传感器和微处理器等.采用互补滤波方法抑制陀螺漂移,基于四元数算法对陀螺仪积分,并以四元数为估计对象设计无损卡尔曼滤波算法,从而提高导航精度.分析梯度下降法原理,并研究其在四元数更新中的补偿作用.水池试验表明:互补滤波与无损卡尔曼滤波相结合的方法能够获得比较精确、稳定的MC-ROV导航信息.基于实测数据的算法仿真表明梯度下降法可以在一定程度上改善导航效果.

基于SRUKF的偏心仅测角相对导航方法

针对以单个光学/红外相机作为相对导航敏感器的航天器,提出采用相机偏心安装和平方根无损卡尔曼滤波(SRUKF)两种方法,解决自主交会时中远距离和近距离全过程的仅测角导航(AON)问题。在观测相机安装时,人为设置一个分米量级的安装偏心,按照观测距离分段建立相机观测模型并推导了观测敏感矩阵,从理论上证明了径向和法向相机安装偏心可以改善近距离v-bar相对位置保持点的观测度,并且对远距离导航精度没影响。构建了基于SRUKF的仅测角导航方法,该方法不需要强制要求初始估计误差满足小量假设和零均值高斯分布假设。经算例验证,在远距离时,采用本文提出的仅测角导航方法,其导航精度比传统扩展卡尔曼滤波(EKF)方法提高了一倍,计算负载降低了约10%;在近距离时,解决了仅测角导航v-bar相对位置保持点不可观测问题;并且当初始估计误差呈非高斯特性时,依然可以实现对相对距离的无偏估计。