比例最小偏度单形采样的UKF及其在卫星定轨中的应用

基于Unscented变换(UT),在最小偏度单形采样策略中使用比例修正算法,提出了一种比例最小偏度单形采样的Unscented卡尔曼滤波(UKF)算法,用于基于地基观测的低轨卫星实时定轨。仿真结果表明:比例最小偏度单形采样UKF的精度与比例对称采样UKF相当,但计算效率至少可提高三分之一。

基于自适应的单形采样UKF组合导航算法

在SINS/GPS组合导航系统中,传统的无迹卡尔曼滤波(unscented Kalman filter,UKF)采用对称采样无迹变换(unscented transform,UT),计算量大,而且采样点到中心点的距离会随着状态维数的增加而增大,产生采样的非局部效应。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高系统的实时性,采用比例UT变换来解决采样过程中的非局部效应,通过自适应调整比例因子来提高UKF的估计精度。由此引入了一种改进的UKF算法——自适应比例无迹卡尔曼滤波(adaptive scaled unscented Kalman filter,ASUKF)用于SINS/GPS组合导航系统中。仿真结果表明,这种方法计算量小且精度较高。

基于多特征融合的改进UPF目标跟踪算法

针对单特征目标跟踪算法的鲁棒性较差以及不能充分利用最新的量测信息等问题,提出了一种基于多特征融合的改进UPF(Unscented Particle Filter)跟踪算法.基于比例最小偏度单形采样策略的UKF(Unscented Kalman Filter)算法和IKF(Iterated Kalman Filter)算法对粒子滤波算法进行改进,并在改进的算法框架下,采用不确定性度量方法融合目标的颜色和纹理特征,对目标进行跟踪.仿真实验表明,改进算法提高了跟踪精度,对复杂背景下的目标进行跟踪有较好的效果,并能有效跟踪被遮挡的目标.

基于改进SRUKF的多机无源定位跟踪算法

SRUKF能够解决UKF在滤波过程中由于噪声和计算误差导致的误差协方差阵负定的问题,但也付出了增加运算量的代价。以多机编队对地面辐射源进行无源定位跟踪为应用背景,提出了一种改进的SRUKF算法。该算法采用比例修正的最小偏度单形采样策略,减少采样点的同时又能基本保持算法精度;借鉴简化UKF的思想,针对此应用背景下的线性化状态方程,对状态和状态误差协方差平方根的一步预测采用KF进行递推,从而进一步降低运算量。仿真结果表明,相对于采用比例对称采样的标准SRUKF算法,文中所提算法不但能够保持计算精度,而且减小了运算量,具有一定的工程实用意义。

改进UKF算法在移动机器人定位系统中的应用

为解决移动机器人室内定位误差较大的问题,提出一种将最小偏度采样策略和衰减记忆滤波相结合的改进UKF(unscented Kalman filter)算法.该算法采用最小偏度采样策略,采样点个数由2n+1减少到n+2,提高了定位实时性;采用衰减记忆平方根滤波修正量测噪声的权值,避免滤波发散,提高了系统鲁棒性.构建无线局域网定位系统,使用改进的UKF算法对获得的无线信号(RSSI值)进行滤波.采用三边定位法进行定位计算.实验结果表明,系统平均定位误差降低49%,达到0.505 m,可较好地实现机器人的精确定位,满足移动机器人的室内定位要求.

MSSS-UKF滤波在大方位失准角初始对准中的应用

针对大方位失准角初始对准中非线性滤波的实时性问题,在分析UKF滤波中的Sigma点采样策略基础上,将最小偏度单形采样策略应用于UKF滤波算法的Sigma点采样过程,并将基于最小偏度单形采样的UKF应用于大方位失准角的非线性初始对准过程。仿真结果显示,基于最小偏度单形采样策略（Minimal Skew Simplex Sampling）的UKF对姿态失准角估计的快速性要明显优于基于对称采样策略的UKF滤波算法,且可以满足惯导系统对对准精度和时间的要求。

基于极大后验估计的STUKF算法跟踪再入弹道目标

针对弹道导弹再入阶段飞行受力情况复杂多变,状态噪声未知时变的非线性跟踪问题,提出基于极大后验估计的STUKF非线性滤波跟踪算法。该算法采用最小偏度单行采样策略,在保证跟踪精度的同时,提高实时性;引入带有多重次优渐消因子的强跟踪算法,在线调整状态一步预测均方误差阵,提高系统对突发机动跟踪的稳定性;采用指数加权的方法,利用次优无偏MAP时变噪声统计估计器,在线估计未知系统过程噪声的统计特性,提高系统应对噪声变化的能力。仿真结果表明:该算法具有比不敏卡尔曼滤波算法(UKF)和扩展卡尔曼滤波算法(EKF)更好的跟踪性能。

改进的UKF在GPS/INS组合导航中的应用

在GPS/INS组合导航中,传统UKF(Unscented Kalman Filter)计算量大,无法满足实时性要求。而且当动力学模型受到异常扰动误差影响时,其精度与稳定性易受到影响。针对以上问题,利用最小偏度单形采样策略降低UKF计算量以提高精度;通过自适应调整过程噪声以降低动态异常扰动误差对UKF精度与稳定性的影响。由此提出了一种改进UKF算法,用于GPS/INS组合导航。仿真实验结果表明,改进UKF算法用于GPS/INS组合导航的精度要优于UKF算法。

基于双波段红外辐射信息的红外机动目标跟踪算法

利用双波段IRST系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站IRST系统变为可观测系统;在此基础上,构建了伪量测方程,采用改进的"当前"统计模型和基于最小偏度单形采样策略的UKF算法,提出了一种基于双波段红外辐射信息的IRST机动目标跟踪算法。理论分析与仿真结果表明,该算法能够有效地跟踪机动目标,具有良好的实际应用价值。

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。

一种新的UPF算法在导航定位中的研究

为解决导航解算中粒子滤波的粒子退化现象和UPF(Unscented Particle Filter)算法存在计算量偏大的缺点,利用最小偏度单形采样结合比例修正算法,优化UPF算法中的重要性密度函数,并应用于PVA模型的导航定位解算。最终通过仿真实验结果表明,改进后的算法尤其能在平面方向得到较好的导航解,并且减少了计算量,提升了导航效率。

基于自适应SRUKF的无人机位姿预测方法

针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题,建立了机器视觉和惯性导航相融合的组合导航系统,并提出了一种自适应平方根无迹卡尔曼滤波(adaptivesquare-root unscented kalman filter,ASRUKF)算法。该算法通过观测值与估计值残差的Ma-halanobis距离时刻修正系统噪声协方差,再与采用最小偏度采样的SRUKF算法相融合,从而达到时变噪声自适应抑制,滤波快速且对噪声鲁棒性高的效果。仿真结果表明,相比标准SRUKF,ASRUKF计算耗时减少约38.8%,位移、速度和姿态角预测精度分别提高超过4倍和6倍,且对于时变噪声鲁棒性更强。

一种改进UKF算法在超视距雷达中的应用

在雷达目标跟踪精度优化问题的研究中,针对传统的UKF算法在对天波超视距雷达目标跟踪中精度不高和存在发散等问题,提出了一种改进的UKF算法,在Sigma采样中引入调节因子,保证预测方差矩阵的半正定性,并且在滤波更新后,采用整体最小二乘法得到下一次更新的预测值,比最小二乘法的拟合误差更小,从而使重新经过观测模型利用卡尔曼滤波机制得到的滤波值优于未经过迭代的滤波值,以达到提高滤波跟踪精度的效果。仿真结果表明,通过径向距离误差和方位角误差的比较,改进的UKF算法在处理目标跟踪中,既可提高滤波跟踪的精度,又能有效地加快跟踪系统的收敛速度。