三维纯角度被动跟踪定位的最小二乘-卡尔曼滤波算法

利用角度信息估计出目标的距离和速度实质上是一个非线性状态估计问题 ,经典的扩展卡尔曼滤波算法性能很不稳定。文中首先根据静态估计理论推导出了在某一时刻目标位置的最小二乘解 ,然后将其作为卡尔曼滤波的测量值进行滤波 ,作进一步的数据处理 ,以提高估计精度。为了避免测量误差的相关性 ,分别在x ,y ,z方向上进行滤波 ,简化了算法 ,提高系统的定位精度。仿真结果表明这一算法是简单而有效的。

基于多历元递推最小二乘卡尔曼滤波方法的模糊度解算

针对GPS动态定位,通过使用递推最小二乘技术,提出基于递推最小二乘的仅含有模糊度参数的卡尔曼滤波方法,实现了利用多历元载波相位观测信息解算模糊度。同时针对多历元定位的特点,讨论了动态定位中的单频周跳探测与修复,并提出将卫星重新出现的情况按照周跳的处理方法,有效地提高了解算效果。

基于小二乘-卡尔曼滤波的wMPS系统跟踪定位算法研究

wMPS(workspace Measuring Position System)是一种新型的基于平面交会原理的网络式测量系统,在静态测量研究的基础上,研究了动态跟踪测量的问题。为了减小运动引入的测量误差,利用运动方程提高测量精度,采用了最小二乘法对接收器的位置进行静态估算,将其结果作为伪观测值,然后利用卡尔曼滤波做进一步处理,该方法避免了观测方程中的非线性误差,实现了接收器在运动过程中的高精度跟踪定位。通过试验对最小二乘法和最小二乘-卡尔曼滤波法进行了比较,结果表明最小二乘-卡尔曼滤波法的估值精度远高于最小二乘法。

基于最小二乘和卡尔曼滤波方法进行原子时预报的研究

介绍和分析了最小二乘和卡尔曼滤波方法在时间预报中的应用。通过IGS站提供的钟差数据,分别运用这两种方法对其中六个原子钟进行了时间预报的实验。通过对预报结果进行分析,结论证明为了取得较好的预报效果,不同的预报方法和钟参数的模型对于观测数据的要求有一些差别。从实验数据所成图形来看,当采用一天的观测数据进行模型预报时,最小二乘法的预报精度比卡尔曼滤波法稍高一些。

基于最小二乘法的改进卡尔曼滤波算法

为了解决卡尔曼滤波处理伴有多径干扰的微弱卫星导航信号的码跟踪时,由于受噪声误差、系统误差、观测误差、设备误差等影响,导致由相干积分值组成的观测量误差较大的问题,基于最小二乘估计原理对相干积分值中的自相关函数因子进行修正,并重新构造一组无偏、均方误差和最小的修正观测值,作为卡尔曼滤波的观测量,提出一种最小二乘算法与卡尔曼滤波相结合的改进算法。另外,为解决卡尔曼滤波器发散的问题,在卡尔曼滤波器和环路滤波器之间加入了发散判断控制模块。仿真实验结果表明,与传统卡尔曼滤波相比,该改进算法显著提高了码相位跟踪性能,避免了前期误差被带进后续对目标参数的估计而降低环路跟踪性能的问题。

基于总体最小二乘法和卡尔曼滤波的无源定位算法仿真

研究了存在系统误差时单站纯方位角无源定位系统的定位问题，分别在系统误差为常值和时变值时研究了TLS—KF算法的性能，并通过估计系统误差是否存在，给出了一种选择最优定位算法的判决方法。该问题的研究对于单站无源定位系统如何在存在系统误差时提高定位精度和性能，具有一定的理论意义和实际意义。

基于区间估计的最小二乘法在卡尔曼滤波中的应用研究

卡尔曼滤波是以最小均方误差为估计的最佳准则来寻求一套递推估计的算法。最小二乘估计是最常用的估计理论,它能保证每个偏差都较小,而区间估计反映误差范围使用起来把握大,但它无法估计单点的误差。针对滤波精确度问题,为使估计值误差达到最小,滤波精确度提高,提出了采用区间估计与最小二乘法估计2种策略结合的新方法,充分利用二者优势,求得观测点与估计点的距离的平方和最小值,对目标函数多次拟合。仿真实验结果表明,区间估计最小二乘卡尔曼算法大大提高滤波精确度,与区间卡尔曼滤波相比,它有较小的误差,滤波性能也得到很好的提升,极大的降低了噪声在滤波过程中干扰,在以后实际工作中将得到很大应用。

有色噪声下基于总体最小二乘和卡尔曼滤波的无源定位方法

研究了有色量测噪声条件下存在系统误差时的单站纯方位角无源定位问题,给出了一种新的迭代总体最小二乘-Kalman滤波算法。该算法利用总体最小二乘法(TLS)进行无源定位,并通过有色量测噪声下的Kalman滤波对系统误差进行估计,将该滤波与TLS进行迭代,可有效抑制色噪声的干扰并大大减小系统误差对定位精度的影响,计算机仿真验证了该算法的有效性,且其性能优于文中其他几种算法。

加权最小二乘—卡尔曼滤波算法在动基座对准中的应用

利用卡尔曼滤波算法进行估计需要给定初始状态估计值和初始误差方差阵。通常，初始状态估计值和初始误差方差阵由经验给定，而初始状态估计值和初始误差方差阵的选取影响着卡尔曼滤波的估计精度。文中提出了加权最小二乘-卡尔曼滤波算法，并运用到惯导系统动基座初始对准中，进行了仿真。仿真结果表明，利用加权最小二乘算法可得到更加精确的卡尔曼滤波的初始状态估计值和初始误差方差阵，提高卡尔曼滤波的估计精度，进而提高了初始对准的精度。

基于并行卡尔曼滤波的递推最小二乘测频算法

提出了一种基于并行卡尔曼滤波的递推最小二乘算法.利用最小二乘算法对卡尔曼滤波的并行多路收敛输出值进行二次优化估计.将本算法应用于正弦波测频,与只采用卡尔曼滤波的算法相比,可使频率估计精度得到明显提高.仿真证明在信噪比0-100 dB区间内采用本算法为卡尔曼滤波算法的测频误差的1/10左右.

基于二维卡尔曼滤波与最小二乘法的目标定位算法

为了解决当前圆目标检测算法在噪声干扰与目标特征微弱的情况下,使其无法精确检测自动检测工件上的圆目标问题,论文提出了基于二维卡尔曼滤波与最小二乘法的工件圆目标定位检测算法。首先,基于一维卡尔曼滤波,利用图像像素灰度特性代替其一维信号模型,推导用于二维图像的卡尔曼滤波机制,有效滤除图像噪声,提取圆目标轮廓。引入最小二乘法,建立回归圆方程,拟合出目标圆轮廓,计算出圆心位置与半径,完成圆目标检测。实验测试结果显示:与当前工件图像圆目标检测算法相比,在面对较多噪声干扰而目标特征微弱时,论文算法拥有更高定位检测准确度与鲁棒性,能够较好地抵御噪声的影响。

基于最小二乘法和卡尔曼滤波算法的平面电子罗盘误差补偿方法研究

为解决电子罗盘易受外部环境的硬、软磁干扰产生的零点漂移和随机误差问题,基于最小二乘法对电子罗盘零点漂移进行补偿后,对随机误差采用卡尔曼滤波算法进行补偿;结合Allan方差分析法对实验结果进行综合评价,采用最小二乘法和卡尔曼滤波算法对实验数据进行补偿后,量化噪声和零偏不稳定性噪声的Allan方差值分别降低了82. 8%和77. 9%。结果表明,该方法能有效补偿硬、软磁干扰对电子罗盘所造成的影响。

基于卡尔曼滤波算法的最小二乘拟合及应用

图像处理或在工业控制中经常要用到最小二乘直线拟合,对于有奇异点的直线拟合,传统的最小二乘法拟合误差较大,难以满足较高精度的要求。卡尔曼滤波算法具有最小无偏方差性,能够去除测量系统中的随机误差,将卡尔曼滤波算法与传统最小二乘法结合,建立了一种基于卡尔曼滤波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。

卡尔曼滤波和最小二乘法结合的机动目标轨迹仿真

为有效处理雷达系统采集的机动目标数据,利用旋转矩阵建立地球坐标系与雷达坐标系之间的转换关系,将卡尔曼滤波法与最小二乘法相结合,得到实时可靠的目标运动轨迹。应用数据关联算法,准确分离单个雷达测量的不同机动目标信息,分别得到每个目标的轨迹曲线及运动状态,实现对目标的实时监测。

基于卡尔曼滤波和递推最小二乘在部分观测信息下的参数识别法

有限观测信息下的参数识别是结构健康监测领域内的一个热点问题,传统的卡尔曼滤波(KalmanFilter,KF)不能识别结构参数,递推最小二乘法(RecursiveLeastSquareEstimation,RLSE)可用于参数识别,但需已知结构全部响应,为此提出一种基于KF和RLSE的参数联合识别法,该方法首先利用部分自由度上的加速度响应观测值,通过KF估计下一步的系统响应信息,包括速度和位移响应;然后,基于该响应估计信息和当前步的结构参数估计值,根据运动平衡方程,获得下一步的加速度响应估计值;最后,利用已观测的有限加速度响应,获得改进的加速度响应向量,进而基于RLSE获得下一步的结构参数识别值。简支梁数值算例结果表明,该方法能准确识别结构参数,同时能实现系统响应的有效估计。

基于卡尔曼滤波算法的电池状态估计

为更好地获得锂离子电池荷电状态SOC(state-of-charge)估计值,选用二阶等效电路模型作为研究对象,针对带有遗忘因子的递推最小二乘法在参数辨识中易受到噪声等环境因素干扰的缺点,提出偏差补偿最小二乘法来实现模型参数的准确辨识,并结合无迹卡尔曼滤波算法对SOC进行估计。针对无迹卡尔曼滤波算法稳定性差等缺点,提出利用权重向量更新滤波算法中的卡尔曼滤波增益。实验结果表明,所提算法估计SOC的总误差可控制在2.7%以内,验证了算法的鲁棒性和有效性。

加权最小二乘法与卡尔曼滤波实时稳像技术

无人机和车辆行驶等情况下拍摄的视频受外界影响会造成视频抖动。通过对比现有的电子稳像技术,提出了利用FAST获取特征点的位置信息,再通过光流法结合NCC匹配得到参考帧特征点在当前帧的位置信息,在此基础上结合RANSAC算法剔除错误匹配的特征点对的改进算法。为了提高运动矢量估计的精度,应用加权最小二乘法得到相邻帧间的刚性变换矩阵,并经过卡尔曼滤波进行运动平滑得到扫描运动矢量并补偿,最终得到实时的稳定视频。实验表明,视频序列稳像后的帧间变换保真度有所提高,并且能够达到实时处理速度。

基于自适应递推最小二乘法与无迹卡尔曼滤波的电池SOC估算

为了建立精确的锂离子电池模型,并在其基础上实时且有效的监测电池的状态。综合考虑采用二阶等效电路模型,在递推最小二乘法的基础上加上自适应因子完成对锂离子电池在线模型参数估测,与此同时将所得模型参数传入卡尔曼滤波器,完成对动力电池的荷电状态(SOC)的估算。在MATLAB中实现该算法的编程,把电池综合测试仪对锂离子电池采样所得电流、电压、容量等实验数据导入算法进行仿真。仿真结果表明,该算法迅速收敛初值误差,并在稳定状态下最大误差不超过2. 5%,验证了该算法的有效性以及对外界干扰的鲁棒性,可以用以实现对车用锂离子电池状态的准确估算。

卡尔曼滤波与经典最小二乘法

在卡尔曼滤波的应用中若将时间因素固定,则卡尔曼滤波退化为经典最小二乘法。在通常情况下必须进行迭代计算,计算过程比经典最小二乘法复杂,但解的精度不会有任何改善。

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation,MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter,ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares,WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。