基于卡尔曼滤波修正算法的电池SOC估算

电池荷电状态(SOC)的估算是电池管理系统的核心内容,SOC估算准确与否,将直接影响到电池管理系统的决策和控制。在结合开路电压法、安时法的基础上,充分利用扩展卡尔曼滤波法的修正功能,综合考虑电池充放电倍率、温度和充放电循环次数等因素对SOC估算的影响,提出了卡尔曼滤波修正算法,并将其应用在插电式混合动力汽车电池管理系统中。研究结果表明,卡尔曼滤波修正算法有效地解决了传统安时法无法估计SOC初值和误差累积,以及开路电压法需要电池静置无法做到在线估算SOC等问题,获得了更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。

基于镜像修正FxLMS控制算法的船舶管路振动主动控制

针对船舶管路减振和抗冲击的需求,本文根据镜像修正自适应滤波算法,设计出了一种管路振动主动控制策略,能够有效地控制管路在低频下的振动,并且在次级通道发生突变时,控制系统可再次快速收敛,进行稳定控制。本文先对镜像修正自适应滤波算法进行理论研究,分析算法的迭代及控制过程;再通过仿真分别验证算法在不同参考信号输入下的收敛性及稳定性;最后搭建实验台架,通过试验验证算法的实际控制效果。试验结果表明:该控制策略在管路振动主动控制中能够降低15.37%的振动强度,比自适应滤波算法控制策略的控制效果好8.85%。所以镜像修正自适应滤波算法能够及时有效地进行管路振动控制。

基于修正卡尔曼滤波的目标多源跟踪

针对多源跟踪测量信号处理原则进行了分析和研究,并在此基础上对多源信号筛选和滤波估计值的修正原则进行了研究,确保了所得修正测量值的可靠性和滤波估计值判定门限的可信度。对修正卡尔曼滤波跟踪算法进行了研究,分析了其优势和不足,并提出了采用多源跟踪和修正估计协方差的方法来弥补修正卡尔曼滤波跟踪的不足。仿真对比实验验证了所提出跟踪模型的有效性。

基于修正协方差近似二阶扩展卡尔曼滤波算法的电池荷电状态估算

为解决扩展卡尔曼滤波(EKF)算法中由非线性变换忽略高阶泰勒项引起的荷电状态(SOC)估算误差和在迭代过程中协方差容易出现病态的问题,采用修正协方差近似二阶扩展卡尔曼滤波(MVASOEKF)算法,通过混合脉冲功率特性试验对等效模型内部参数进行离线辨识并建立了二阶RC等效电池模型,在MATLAB/Simulink平台上进行SOC估算,结果表明,EKF算法估算平均绝对误差约为2.0%,MVASOEKF算法估算平均绝对误差约为0.5%,与EKF算法相比,MVASOEKF算法虽增加了一定的计算量,但是SOC估计精度明显改善,且收敛性更好。

基于滤波方差阵修正的非等间隔联邦滤波算法

针对无重置联邦滤波器整体融合精度非最优以及应用于多源信息非等间隔滤波时的适应性问题,提出了基于子滤波器方差阵修正的多源信息非等间隔联邦滤波算法。在不增加额外计算的情况下,通过修正子滤波器滤波方差阵来改善滤波器的融合精度,且以高空长航无人机为应用对象,设计了适用于高空长航无人机的惯性/天文/景象匹配/地形匹配(INS/CNS/SAR/TER)组合非等间隔联邦滤波实现方案,提出了主/子滤波器的状态更新方法,在保持无重置结构容错性强的同时,解决无重置联邦滤波器在应用于多源信息非等间隔滤波时的适应性问题。仿真结果表明所提出的算法能有效改进滤波器性能。

基于卡尔曼滤波法修正的灰色系统理论在桥梁施工控制中的应用

文章运用卡尔曼滤波法修正的灰色系统理论对桥梁悬臂施工过程中出现的节段挠度实测值与设计值不一致的情况进行分析修正,并以某预应力混凝土连续梁结构为工程实例,运用灰色系统控制理论以及卡尔曼滤波法修正的灰色系统理论分别对其进行挠度的预测,结果表明:经过卡尔曼滤波修正的灰色系统理论能够更有效地减小预测值与实测值的偏差,更好地对成桥线形进行控制。

高精度定位定向系统的修正 Kalman 滤波组合导航

指出了在组合导航系统中，Ｋａｌｍａｎ滤波器的预测周期与滤波周期之间的异步性会给滤波器的动特性带来不良影响。针对这一问题，提出了一种修正Ｋａｌｍａｎ滤波算法，并将其应用于高精度定位定向系统的“惯性／位置”组合导航中。

修正增益卡尔曼滤波算法在被动测距问题中的应用

在采用被动导引头的导弹突防过程中,准确并及时地得到自身距离拦截器的距离信息,是制定导弹突防策略的关键。针对采用红外成像装置作为测量手段的飞行体,研究了利用红外成像装置观测空中运动目标所获得的目标视线角信息,采用修正增益卡尔曼滤波算法从目标视线角信息中提取出一定精度的飞行体至目标的距离信息的被动测距问题。文中给出了四种不同计算工况下的仿真结果曲线。仿真算例验证了被动测距方法的有效性,证明了载体进行机动有助于被动测距精度的提高。

基于修正扩展卡尔曼序贯滤波的信息融合算法

针对基于扩展卡尔曼滤波的融合算法存在滤波精度不高的问题,将修正扩展卡尔曼滤波算法与集中式序贯融合算法相结合,用于毫米波雷达和红外传感器目标融合跟踪。即先对毫米波雷达进行修正扩展卡尔曼滤波,再将滤波结果与红外传感器进行融合滤波。仿真结果表明该算法能够提高对机动目标的跟踪精度,增强跟踪系统对环境变化的适应能力。

基于双组合窗函数的非线性调频信号谱修正滤波器设计

在非线性调频信号的波形设计和谱修正滤波的理论基础上，提出了采用组合窗函数设计出非线性调频信号的波形和谱修正滤波器，该方法可以通过改变组合窗系数来调整不同窗函数对信号脉冲压缩性能的影响。仿真结果表明，在一定条件下采用组合窗函数后，主副瓣比可提高1．8～8．3dB，而主瓣展宽和主瓣损失较小。

区域主导产业对综合承载力的贡献度测算——基于有限分布滞后模型和卡尔曼滤波器参数修正

区域综合承载力评估是区域统筹发展理论的重要内容,本文提出了基于有限分布滞后模型和卡尔曼滤波器参数修正的区域主导产业对综合承载力的贡献测度分析方法。首先测算地区的综合承载力,对区域产业进行了主导产业的筛选,然后使用有限分布滞后模型和卡尔曼滤波器参数修正的方法,评估区域主导产业对区域综合承载力的贡献水平,最后以重庆为例进行实证分析,为规划、设计和实施重庆市未来产业结构调整提供了一些依据。

数字图像高密度脉冲噪声的非对称修正中值滤波算法研究

针对数字图像高密度脉冲噪声下常规中值滤波方法存在的不足,从滤波算法入手,通过设置对噪声点的检测判定和对其邻域取样范围的优化选择的方法来加以完善。经过滤波窗口对图像的遍历,检测并非对称地修正噪声点,计算得出取样值邻域中噪声点以外像素值的中值取而代之,重复直至无噪声点。仿真实验表明,此非对称修正中值滤波算法滤除此类噪声性能佳,图像细节保护良好。

纯方位被动目标运动分析的修正增益卡尔曼滤波算法研究

通过对滤波状态协方差估计的修改,将水下纯方位被动目标运动分析中的扩展卡尔曼滤波(EKF)算法改进为修正增益扩展卡尔曼滤波(MGEKF)算法,并指出了两者的联系与区别。对比仿真分析表明,MGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标运动分析的实现提供新的途径。

杂波环境下雷达/红外融合跟踪的修正概率数据互联滤波算法

为解决杂波环境下转弯机动目标跟踪过程中的数据关联问题,提出了雷达/红外融合跟踪修正概率数据互联滤波算法。修正概率数据互联算法利用前一时刻目标的状态和转弯角速度,依据目标转弯机动能力及测量噪声等因素的影响,求出当前时刻转弯角速度变化范围,在转弯角速度变化范围内,求出与当前时刻每一测量值最匹配的转弯角速度、预测中心、新息协方差阵及权重系数,从而决定该测量在状态更新时的权重。仿真结果表明,雷达/红外融合跟踪修正概率数据互联滤波算法提高了跟踪精度,降低了航迹丢失率。

外辐射源定位中的修正增益扩展卡尔曼滤波

针对基于外辐射源的固定单站无源定位问题,给出了一种对运动目标进行定位跟踪的改进型滤波算法。文中首先建立目标角度信息、直达波与散射波的时间差信息以及多普勒频移信息的观测方程,并推导了每个观测方程的修正增益函数,然后利用多个时刻的观测值扩充了观测方程,从而给出了一种基于扩充观测方程的修正增益扩展卡尔曼滤波(MGEKF)算法。经过计算机仿真验证,该算法可以提高定位精度,并能有效地抑制滤波发散。

一种反馈修正推广卡尔曼滤波算法及其应用

针对在被动方式下进行目标定位时滤波收敛速度慢和估计精度不高的问题 ,本文介绍了一种反馈修正推广卡尔曼滤波算法。通过引入可观性弱的距离及距离变化率的估计值作为反馈变量 ,作为虚拟观测变量对系统状态进行二次估计 ,可以大大提高算法的收敛速度 ,本文对该算法进行了详细的推导并将其应用于目标被动定位估计器设计中。仿真结果表明 ,该算法在收敛速度 。

时变信道下OFDM系统中一种基于修正Kalman滤波的Turbo均衡

在OFDM系统中，由于时变多径信道的存在使子载波间失去了正交性，从而导致子载波间干扰（ICI），降低了系统性能．为了补偿时变信道下OFDM系统中存在的ICI影响，提出了一种基于修正Kalman滤波的Turbo均衡算法：通过Turbo迭代，利用软映射和软解映射算法提供的软值信息，实现模块之间的信息交换；通过修正Kalman预测和滤波，实现信道响应的逐符号更新；通过基于最大化信干噪比缩短窗的ICI抑制，实现信道响应中ICI分量的消除。理论分析和仿真结果表明，所给出的方法能够有效地跟踪信道并抑制ICI影响，即使在快时变信道中也能获得很好的性能．

基于修正极坐标滤波的水下目标运动要素解算方法

针对水面舰艇鱼雷防御系统中双基阵纯方位定位问题,提出了修正极坐标卡尔曼滤波算法,分析了方位数据测量误差和时空关联对跟踪性能的影响。仿真结果表明,修正极坐标滤波可以快速、稳定地完成目标运动要素的估计,且该算法的稳定性有所增强,适合于工程应用。

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波(SRCKF)性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波(AKF)算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明:与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。

修正时延扩展卡尔曼滤波MIMO声纳目标跟踪方法研究

分布式多输入多输出(Multiple-Input Multiple-Output,MIMO)声纳是一种通过MIMO技术规划时空信道来提高声纳探测性能的新型主动探测声纳体制。由于分布式MIMO声纳节点分布间隔大,水中声速较小,由各发射节点同步发射的测距信号将经过不同的时延到达目标,因此各接收节点测得的距离值分别对应于目标不同时刻的状态。常规的定位方法并没有考虑传播时延对测量值的影响,因而定位精度受到限制。提出了一种修正时延的扩展卡尔曼滤波方法(Modified Extended Kalman Filter,MEKF)对分布式MIMO声纳系统中的移动目标进行跟踪。仿真结果表明,与常规的目标定位跟踪方法相比,该方法有定位精度高、收敛速度快、跟踪性能稳定的特点。