离散卡尔曼滤波器滤波精度与噪声统计模型准确度的关系

针对多维渐近稳定线性离散系统，推导了使用不准确的初始条件和噪声统计的卡尔曼滤波器实际估计误差协方差矩阵，并基于该矩阵分析了滤波精度与模型精度的关系，指出使用非准确的初始条件和噪声统计模型仍能构造出与最优卡尔曼滤波器等效的滤波器。组合导航系统的仿真验证了文中的结论。

距离多普勒耦合对雷达滤波精度影响分析

距离多普勒耦合效应是线性调频信号的固有特征。首先分析了距离多普勒耦合的数学模型,给出了考虑耦合效应的α-β-γ滤波的具体形式,最后通过仿真分析,研究了对距离、速度和加速度滤波精度的影响,仿真结论对雷达数据处理有着重要的指导意义。

舰对舰导弹火控系统滤波精度指标分析

滤波精度指标是约束滤波算法的基本依据。文中深入分析了舰对舰导弹火控系统对目标航速、航向滤波精度的指标函数,提出了合理的指标要求,为进一步改进滤波算法、提高火控系统目标处理能力提供了精度指标依据。

提高卫星自主导航精度的滤波算法和仿真

如何实时准确地对系统误差进行估计和校准提高基于“地-日-月”测量的卫星自主导航精度的一个重要途径。针对这一问题,将系统误差作为新增的状态向量,设计了轨道参数状态与系统误差状态解耦估计的两步滤波算法,该算法在估计轨道参数的同时校准系统误差,数学仿真结果表明,采用文章所提出的滤波算法可以将自主导航的位置精度从10km(3σ)量级提高到300m(3σ)左右。

传感网络中高精度滤波器设计

传感网络中外部信号干扰与传感信号的同质化日趋严重,设计可区分两者信号的传感网络滤波器成为研究的热点。设计一种高精度有源滤波器系统,该系统包括电源模块、两个DSP控制模块、信号采集与调整模块、驱动模块和显示模块。分析并联型有源滤波器的运行原理,采用CCS2.0设计传感网络中有源滤波器系统软件,详细描述了系统软件开发模型,给出了滤波器中的部分C语言代码。实验结果表明,所设计滤波器在传感网络电压畸变及负载突变情况下,能够较好地完成谐波抑制,具有较强的应用性。

欠观测条件下的增量Kalman滤波方法

提出欠观测条件下增量Kalman滤波的概念和定义,建立增量Kalman滤波模型及其分析方法,给出主要的计算步骤。经典的Kalman滤波方法要求量测方程有较高精度,否则在递推过程中会产生较大误差。但是量测方程通常受环境因素影响较大,而且在许多实际情况(如深空探测)中不可能对所有的使用环境逐一校准量测方程。如果某量测方程没有在某一环境条件下进行验证或校准,那么在这一条件(称为欠观测条件)下使用该量测方程往往会产生未知的系统误差,从而导致较大的Kalman滤波误差。提出的欠观测条件下增量Kalman滤波方法能够成功消除这种未知的系统误差,大大提高Kalman滤波的精度。该方法计算简单,便于工程应用。

基于Huber的鲁棒高阶容积卡尔曼滤波算法

为提高随机变量非高斯分布时高阶容积卡尔曼滤波(High-degree Cubature Kalman Filter,HCKF)算法的鲁棒性,提出了一种基于Huber方法的鲁棒高阶容积卡尔曼滤波算法。从近似贝叶斯估计角度解释了Huber方法作用于卡尔曼滤波算法的本质是对新息进行截断平均,通过在现有滤波框架内利用Huber方法对观测量进行预处理,并将处理后的观测量进行标准的HCKF量测更新,实现了HCKF算法的鲁棒化。所提算法无需通过统计线性回归模型对系统的非线性量测模型进行近似,高阶容积变换的优势得到充分利用,从而在保持鲁棒性的前提下提高了算法的滤波精度。单变量非平稳增长模型和再入飞行器目标跟踪问题验证了该算法在鲁棒性和滤波精度方面的优势。

基于UT变换与卡尔曼滤波的目标跟踪研究

为了提高滤波速度和精度,将Unscented变换与卡尔曼滤波相结合,建立了Unscented卡尔曼滤波(UKF)数学模型。Un-scented变换基于高斯分布理论,通过Sigma点能够获取精确到三阶矩的均值和协方差,提高了滤波精度。计算仅涉及标准的向量和矩阵操作,不需要计算非线性函数的Jacobian或者Hessians矩阵,提高了滤波速度。通过设计的运动实验进行仿真对比,实验结果表明,对于非线性目标跟踪系统,UKF算法具有更高的滤波精度和稳定性。

一种次优并行Sage自适应滤波器

提出了一种新的次优Sage自适应卡尔曼滤波算法 ,该算法针对经典次优Sage滤波器经常存在的结果偏移现象 ,设计了一种附加伴随滤波器的并行滤波结构 ,消除了结果偏移 ,提高了滤波精度。

改进卡尔曼滤波的目标跟踪研究

根据扩展卡尔曼滤波(EKF)是目标跟踪中的常用算法,但方法涉及Taylor级数的展开,引起了运算量较大,运算结果的均值和协方差只精确到一阶,使得滤波精度不高。为提高滤波速度和精度,将Unscented变换与卡尔曼滤波相结合,建立了Unscented卡尔曼滤波(UKF)数学模型。Unscented变换是基于高斯分布理论,通过Sigma点能够获取精确到三阶矩均值和协方差,提高了滤波精度。计算仅涉及标准的向量和矩阵操作,不需要计算非线性函数的Jacobian或者Hessians矩阵,提高了滤波速度。通过运动实验进行仿真对比,结果表明对于非线性目标跟踪系统,UKF算法具有更高的滤波精度和稳定性。

基于新息的自适应增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。增量方程的引入可以有效解决欠观测系统的状态估计问题。该文考虑带未知噪声统计的线性离散增量系统,首先提出一种基于新息的噪声统计估计算法。可以得到系统噪声统计的无偏估计。进而,提出一种新的增量系统自适应Kalman滤波算法。相比已有的自适应增量滤波算法,该文所提算法得到的状态估计精度更高。两个仿真实例证明了其有效性和可行性。

抗差自适应无味粒子滤波

针对系统观测值含有粗差或者存在状态异常的情况,基于无味粒子滤波算法(UPF)和抗差自适应滤波原理,提出了一种新的抗差自适应无味粒子滤波算法(AR-UPF)。该方法采用方差膨胀模型抑制观测粗差的影响;利用自适应UKF算法来实时调整状态参数预报值的协方差,控制状态异常的影响。算例分析表明,新方法能够有效地控制观测粗差与状态异常,提高了滤波精度。

弹性体上惯性测量系统传递对准自适应滤波

──发散现象是应用卡尔曼滤波经常遇到的问题。导致发散的原因很多，其中很重要的原因就是缺乏对系统噪声和测量噪声统计特性的了解。本文在理论推导的基础上，提出了一种新的自适应滤波方法，并将该方法应用于弹性体上惯性测量系统的传递对准。通过大量的仿真证明，按本文的滤波算法，确实能十分有效地控制由于噪声统计值不准所导致的发散现象，而且滤波精度也很高。

Unscented Kalman滤波在空间飞行器被动测距中的应用

介绍了Unscented Kalman滤波及其空间飞行器被动测距中的应用.Unscented Kalman滤波通过设计少量的sigma(抽样)点,计算这些点经过非线性函数的传播,获得滤波值基于非线性方程的更新.Unscented Kalman滤波避免了广义Kalman滤波等线性化方法的缺点,并提高了滤波精度.

辅助增量粒子滤波方法

提出辅助增量粒子滤波方法并给出其算法过程。该方法将增量形式融入辅助变量粒子滤波中,解决由于工程实际中量测可能存在未知系统误差导致无法精确建立量测似然函数的问题,另一方面,其又能保持辅助变量粒子滤波方法的优势,在选取重要性密度函数上有效利用最新观测的信息。该方法能减少重采样次数,较好保持粒子的多样性,使得非线性滤波的精度得以提高。仿真实验结果表明,辅助增量粒子滤波方法能有效减少非线性滤波问题的误差,相对经典滤波方法的滤波精度提高了50%。

基于kalman滤波的分布式航天器相对状态解算

根据所提出的利用无线电和激光测量两航天器相对状态的测量方案,利用动力学法建立了关于待估参数即两航天器相对位置参数的动态状态方程,建立了测量方程,利用卡尔曼滤波法对相对位置进行解算,分析了克服滤波发散的方法,给出了具体仿真算例,通过对仿真结果的分析发现,提出的模型与解算方法可有效提高航天器间的定位精度。

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率。但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法。该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题。机动目标跟踪仿真结果表明了新方法的有效性和可行性。

基于迭代卡尔曼滤波的传感器数据融合仿真

在对运动系统进行实时动态姿态信息检测过程中,常常需要加速度计、陀螺仪等多个惯性传感器的协同工作,因此需要对多传感器的输出数据进行融合处理。卡尔曼滤波法是其中常用的一种数据融合算法。该算法的滤波融合精度,直接影响了运动系统姿态信息的精度与实时性。在研究传统的卡尔曼滤波算法的基础上,仿真分析了过程噪声协方差矩阵、测量噪声协方差矩阵对于卡尔曼滤波算法的滤波精度、响应时间的影响,提出了一种基于数据迭代法的卡尔曼滤波融合算法。该算法将多传感器数据融合后的输出再次进行迭代运算,实现了较好的融合效果。仿真实验结果表明,相较于传统的卡尔曼滤波算法,所提出算法的复杂度低,实时性好,同时滤波精度大幅提升。

基于权衡因子的联邦滤波信息分配系数研究

组合导航系统的融合算法普遍采用运行速度快、实时性强、计算量小的联邦滤波算法。针对该算法中当前的信息分配原则无法同时兼顾系统滤波精度及容错性的缺陷,采用了一种基于权衡因子的自适应信息分配方法。通过各子系统的误差协方差及量测噪声方差分别计算出能够提高系统滤波精度和容错性的信息分配系数,将各子系统的故障概率归一化得出该子系统的权衡因子,并在权衡因子的作用下自适应调节上述两种信息分配系数所占的比重,达到同时兼顾系统滤波精度和容错性的目的。仿真结果表明该方法能够减小系统的融合误差,保证系统的工作性能及融合精度。

一种改进的蝴蝶算法优化粒子滤波算法

传统的粒子滤波算法在重采样期间丢弃小重量粒子,因此重要性权重落在极少数粒子上。这会导致采样粒子贫化、粒子多样性缺失以及需要大量粒子才能进行比较准确的状态估计等问题,针对这些问题,提出了一种改进的蝶式算法优化粒子滤波算法。首先,将最新时刻观测信息引入蝴蝶香味公式中,以提高滤波精度;其次,引入吸引半径参数来控制蝴蝶种群寻优的搜索范围,降低算法的复杂度,进而提高算法的实时性;最后,将改进的蝴蝶种群位置更新公式用于优化迭代更新。实验结果表明,与经典粒子滤波器和现有蝶形优化算法相比,改进算法具有更低的均方误差和运行时间。并且在粒子数较少的情况下,可以实现更准确的状态估计,并改善传统滤波器的粒子耗尽现象,保证了粒子多样性。