严反馈系统的指令滤波自适应反步法控制

针对控制方向未知和参数不确定/非参数化不确定下的非线性严反馈系统,论文研究一类指令滤波自适应反步法,避免传统反步法中虚拟控制的解析求导过程,解决传统反步法中“计算膨胀”问题。综合指令滤波反步法、滑模积分滤波器、非线性小增益定理和Nussbaum函数,设计满足输入状态实用稳定性条件(ISpS)的自适应控制策略。为严反馈系统的稳定跟踪控制提供一类简洁有效的控制思路。基于机翼摇晃模型实现了数值仿真,验证所提出控制策略的有效性。

多尺度多元素形态滤波自适应降噪研究

针对基本的数学形态滤波器存在的问题,提出了一种多尺度多元素形态滤波自适应降噪方法,首先利用不同尺度不同元素的基本形态滤波器对信号进行处理,得出各个误差。根据计算误差,设定权重系数级联基本的形态滤波器,对信号进行自适应降噪。针对正弦信号中复杂噪声干扰的特点,在信号中加入各种噪声,利用提出的方法对信号进行处理,并与多尺度滤波器进行了比较,证明了改进方法的有效性。通过将多尺度多元素形态滤波器应用于旋转检测地磁定向信号中分析与运算,有效降低了正弦信号中的噪声,提高了地磁定向精度,验证该方法降噪的有效性。

温度集合预报的类卡尔曼滤波自适应订正方法在海南省东北部的应用

利用类卡尔曼滤波的自适应业务订正方法,对2010—2016年欧洲中心数值模式集合预报产品在海南东北部地区的温度预报进行订正分析,结果表明:1)数值模式集合预报较控制模式和业务模式在最高、最低温度预报上有准确率更高和时效更长的优势;2)对类卡尔曼滤波自适应订正方法中权重系数的选取进行了试验,从而通过在不同时效选择最优的权重系数对该方法进行本地化改进;3)对优化后的订正方法进行检验,结果显示有效地提高最高、最低温度预报准确率,各时效温度平均绝对误差有效下降0.5℃,接近甚至超过主观预报水平;同时可以改善模式对高温事件的预报性能,提高高温事件概率预报的Brier评分和技巧评分。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

基于改进自适应滤波的MEMS陀螺振动误差抑制研究

本文提出一种基于改进自适应滤波的MEMS陀螺随机振动误差的补偿算法。该算法采用简化Sage-Husa自适应滤波算法估计量测噪声,并通过协方差匹配技术引入收敛性判据抑制了滤波的发散,它提高了实时性且减少了计算量。实验结果表明:经过改进算法滤波后,MEMS陀螺随机振动误差的方差减少97.76%,与常规卡尔曼滤波相比,改进算法的方差减少了72.66%,验证了改进的自适应卡尔曼滤波算法可以有效地抑制MEMS陀螺因随机振动引起的输出误差。

基于抗差自适应滤波的高速列车融合测速算法

针对Kalman滤波在高速列车融合测速过程中因观测粗差和动力学模型误差而引起的融合精度下降问题,提出一种基于抗差自适应滤波的高速列车融合测速算法。首先,在Kalman滤波的基础上构建异常检测函数和误差判别统计量,用于检测和区分传感器异常观测导致的观测粗差和动力学模型误差;然后,针对观测粗差和动力学模型误差,分别采用三段式函数和指数函数构造抗差因子和自适应因子,通过2种因子合理调节观测信息和模型信息在状态估计中的权重,从而降低观测粗差和动力学模型误差对融合结果的影响;最后,通过2种运行场景以及算法对比,仿真验证抗差自适应滤波算法性能。仿真结果表明,与基于Kalman滤波的融合测速算法相比,所提出算法无论在观测粗差场景还是在动力学模型误差场景,均具有更高的精度和稳定性。

一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

基于GA-LSTM自适应卡尔曼滤波的路面不平度识别

准确、快速地识别出车辆当前行驶的路面激励信息,是实现智能底盘控制进而保证车辆平顺性的关键。针对传统路面不平度识别算法准确率低、自适应性差等问题,提出了基于遗传算法(genetic algorithm,GA)优化长短期记忆神经网络(long short-term memory networks,LSTM)自适应卡尔曼滤波的路面不平度识别算法。基于2自由度车辆悬架模型,通过灰色关联法选择LSTM神经网络的特征输入变量,并采用GA优化LSTM神经网络的模型参数以准确识别路面等级,并据此实时更新卡尔曼滤波器算法中的噪声矩阵,实现了在复杂路况下对路面不平度的自适应识别。仿真和试验研究表明,所提出的基于GA-LSTM自适应卡尔曼滤波算法能够快速准确的识别路面不平度与路面等级,与传统卡尔曼滤波算法相比,相关系数、均方根误差和最大绝对误差分别提高3.11%、37.5%和51.2%,表明所提算法对复杂工况具有很好的自适应能力。

一种自适应扩展卡尔曼滤波的永磁同步电机无位置传感器矢量控制

在粗差干扰或噪声统计偏差情况下,扩展卡尔曼滤波(EKF)对永磁同步电机(PMSM)的速度和转子位置估计存在精度下降问题,为此提出一种基于新息序列的自适应扩展卡尔曼滤波算法(AEKF)。首先,将粗差干扰加入系统观测方程中,分析粗差干扰对系统观测精度的影响。其次,为增强算法的抗扰性能,在新息协方差计算中设置加权系数,通过调整临近时刻的新息协方差阵权重,计算出新息协方差值,并更新到卡尔曼增益的计算。最后,建立AEKF数学模型,并对比粗差干扰与噪声统计出现偏差情况下,AEKF与EKF两种策略的观测性能。仿真和实验结果表明,在粗差干扰或噪声统计信息出现偏差情况下,AEKF算法对永磁同步电机转速的观测具备更强的鲁棒性及更高的预测精度。

自适应双层无迹卡尔曼滤波的车辆状态估计

针对在车辆行驶状态估计中存在估计不准确、鲁棒性较差以及系统噪声不确定等问题,提出一种将双层无迹卡尔曼滤波(DLUKF)与改进的Sage-Husa算法相结合的自适应双层无迹卡尔曼滤波算法(ADLUKF)作为车辆行驶状态的估计器,再结合三自由度汽车模型对车辆行驶的横摆角速度和质心侧偏角进行估计。通过改进的Sage-Husa滤波器对系统过程噪声和测量噪声进行动态调整,进而减少车辆行驶状态估计的误差。应用Carsim与Matlab/Simulink进行联合仿真以及实车试验数据来验证该估计器的有效性,并与无迹卡尔曼滤波(UKF)算法进行对比。结果表明:与UKF算法相比,该算法有效提高了车辆行驶的横摆角速度和质心侧偏角的估计精度和稳定性。

基于TOF和自适应抗差卡尔曼滤波的UWB室内定位算法

为提高超宽带(UWB)定位系统在室内复杂环境下的定位精度,提出一种基于飞行时间(TOF)和自适应抗差卡尔曼滤波(ARKF)的改进定位算法。针对超低功耗宽带设备在复杂室内环境状态下易受周围干扰而存在标准时间偏差的问题,提出一种改进的TOF算法,同时进行测距标定,拟合数据;对室内存在非视距(NLOS)干扰的情形,提出一种ARKF算法,通过比较残差与3倍信息的方差来判断视距(LOS)与NLOS情形。实验结果显示:该算法可以在静态与动态定位实验中有效提高系统定位精度,降低定位误差,取得较好的定位效果。

一种自适应滤波与干扰观测器相结合的大型舰船状态估计算法

为满足航母等大型舰船目标的状态估计要求,提出一种由非线性干扰观测器和强跟踪容积卡尔曼滤波算法融合形成的交互多模型强补偿容积卡尔曼滤波算法。引入非线性干扰观测器,完成由外界不确定因素引起的干扰总量的估计,并对观测器稳定性进行证明。使用估计的干扰值实时修正强跟踪容积卡尔曼滤波的过程参数,最终形成交互多模型强补偿容积卡尔曼滤波算法,完成对目标状态相对准确的估计。研究结果表明:新提出的滤波算法能够较为准确地完成对目标状态的估计,与变结构多模型粒子滤波算法、变结构多模型无迹卡尔曼滤波算法和交互多模型强跟踪容积卡尔曼滤波算法相比,在目标位置和速度估计上具有更高的估计精度。

应用自适应HP滤波的卫星遥测数据预测方法

在应用HP(Hodrick-Prescott)滤波的卫星遥测数据预测方法的基础上进一步研究,提出了基于二分法和琴生不等式判别的自适应HP滤波的遥测数据预测方法,有效解决了平滑参数的选择困难。同时,趋势项和波动项预测在应用HP滤波的方法的基础上有创新和优化,分别采用了线性预测模型和自回归单整移动平均(ARIMA)模型,有利于有效趋势特征提取和模型参数调整范围的优化。应用文章方法对卫星在轨行波管阳极电压数据进行分析,证实了方法的正确性和有效性。此方法可有效提高预测精度,实现遥测数据中长期预测,在卫星故障诊断和预警方面具有工程应用价值。

基于双自适应扩展粒子滤波器的锂离子电池状态联合估计

为了更好地优化电池的能量管理,提高电池的利用效率,加强电池的安全性能,有必要对锂离子电池的荷电状态(SOC)和健康状态(SOH)进行精确估计。为解决噪声协方差取值和粒子采样分布问题,该文首先提出自适应扩展粒子滤波(AEPF)算法,根据状态向量预测的准确度自适应调整噪声协方差,并利用扩展卡尔曼滤波实现粒子分布函数的局部线性化。随后利用双自适应扩展粒子滤波(DAEPF)算法进一步实现电池SOC和SOH的联合估计,避免电池使用过程中模型参数变化对SOC估计的影响,并结合多时间尺度的方法节约所需的计算资源。最后在动态工况条件下对不同电池模型与算法进行对照实验,结果表明,改进后的算法收敛速度明显提升,且能够显著地提高电池的SOC与SOH的估计精度。

基于自适应强跟踪Kalman滤波的GNSS跟踪环路设计

为提高GNSS接收机跟踪环路在复杂环境下的跟踪性能,提出一种基于自适应强跟踪Kalman滤波(ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波,滤波结果用于计算导航滤波器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波的跟踪环路和基于强跟踪Kalman滤波(STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。

GNSS/SINS组合导航系统的改进变分贝叶斯自适应滤波算法

针对系统噪声及测量噪声统计量不准确的组合导航系统线性高斯状态模型,提出一种组合导航系统的改进变分贝叶斯自适应滤波算法(modified variational Bayesian adaptive filter,MVBAKF)。首先,选择Wishart分布作为已知均值的高斯分布协方差矩阵的共轭先验,并给出测量噪声方差、状态向量及其预测误差协方差矩阵的联合概率分布函数;然后,利用变分贝叶斯方法给出测量噪声方差及状态向量预测误差协方差矩阵的计算公式,进而提出具有迭代性质的MVBAKF算法;最后,进行基于MVBAKF算法的GNSS/SINS组合导航系统仿真实验。结果表明,相对于传统VBAKF算法,MVBAKF算法可较准确地估计测量噪声方差,有效克服系统噪声统计量不准确对滤波精度的影响,进而提高组合导航系统的滤波精度。

面向低轨卫星的低资源大带宽自适应成形滤波设计

由于低轨卫星通信过程中信号电平动态变化较大,为了提高信道利用率系统需要根据通信链路情况自动控制传输速率。为保证系统通信不中断,满足实时通信的需求,提出了一种面向低轨卫星的低资源大带宽新型成形滤波器设计方法,该方法采用并行多相级联积分梳状(Cascade Integrator Comb, CIC)滤波器的方式设计成形滤波器,能够实现几百kHz至几百MHz大带宽信号的成形,解决高、中、低速信号自适应连续成形滤波问题。相比传统成形滤波器的高速信号处理能力提高了8倍,能节省乘法器资源95%以上,适应低轨卫星通信场景下星载处理使用。仿真结果表明该滤波器对信号的成形效果和带外抑制情况与传统滤波器几乎一致。

自适应正则化滤波化极方法研究

化极是消除磁力异常斜磁化影响的关键步骤,可以在波数域(频率域)和空间域中实现.相比于空间域,在波数域(频率域)进行化极简单且高效,但在低纬度地区存在不稳定性问题,因此明确低纬度地区的范围,研究稳定、实用、精度高的低纬度地区化极方法具有重要意义.本文通过理论研究得出化极因子振幅的最大值为2时,对应的磁化倾角的值为±45°,当磁化倾角在该范围内时,引起化极不稳定.因此采用正则化思想,提出了自适应正则化滤波化极方法(ARF-RTP),该方法利用化极因子振幅构建正则化滤波函数,并以振幅值等于2作为约束计算化极方法的参数值,从而实现自适应化极处理,提高了化极方法的稳定性及实用性.同时结合迭代算法提高了此方法的精度,有效地解决了低纬度地区化极的不稳定性问题.自适应正则化滤波这一思想不但可以解决化极的不稳定性问题,而且可以解决分量转换或者磁化方向转换的不稳定性问题以及类似数据处理中的不稳定性问题,具有广阔的推广应用前景.

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.

基于FRFT的频域自适应匹配滤波器检测方法

针对浅海混响背景下频域自适应匹配滤波器检测性能下降的问题,提出基于分数阶傅里叶变换(FRFT)的频域自适应匹配滤波器检测方法,该方法利用模板匹配技术,采用滑动窗对接收信号进行最优阶次分数阶傅里叶变换,然后将此过程中得到的FRFT域图与参考信号最优阶次傅里叶变换FRFT域图进行匹配,将离差平方和作为评价相似度的指标,即对离差平方和最小值的位置进行滤波,并对滤波后的信号进行最优阶次分数阶傅里叶逆变换,从而实现混响背景下的目标检测。仿真结果表明,在信混比为-15dB的情况下,该算法可显著提高频域自适应匹配滤波器的检测性能。