基于多重渐消因子的自适应卡尔曼滤波器

现有计算渐消因子的自适应卡尔曼滤波器得到的通常是标量渐消因子,从而导致各滤波通道具有相同的调节能力,不利于提高滤波精度。针对该问题,提出了一种利用估计均方误差和新息协方差估计值来计算多重渐消因子的方法,通过一组并行工作的基于限定记忆指数加权的新息协方差估值器来计算渐消因子,并根据估计均方误差把渐消因子分配给各滤波通道,从而提高自适应卡尔曼滤波器整体性能,仿真结果证明了所提方法的有效性。

基于GA-BPNN的自适应抗野值无迹Kalman滤波方法

为了满足飞行试验轨迹的试验测量需求,构建了一种高性能飞行试验目标轨迹测量系统。在此基础上,针对实际飞行测量中遇见的异常数据处理问题,提出了一种基于多机器学习改进的自适应Kalman滤波方法。该方法以传统的无迹Kalman滤波器(UKF)为基础,首先,通过引入采用遗传算法改进后的BP神经网络(GA-BPNN)来改进UKF算法,以实现对UKF全局误差的调控和修正,从而改善UKF的估计精度;然后,应用抗野值技术来充分剔除测量中的孤立型和斑点型异常点,实现对GA-BPNN-UKF的再次改进,有效提高滤波的鲁棒性;最后,应用仿真来验证提出新算法的有效性,并通过对实际飞行测量数据(通过建立的轨迹测量系统获得的实际数据)的实验分析来显示算法在实际应用中的有效性。

基于改进卡尔曼滤波的列车舒适度平稳性测试仪

为了提高列车舒适度平稳性测量的精确性,针对加速度检测过程中有较多野值干扰的情况,基于活化函数的抗野值算法,结合sage-husa自适应算法设计了改进卡尔曼滤波方法。基于MATLAB设计了仿真实验,实验以美国六级轨道谱模拟值作为列车二自由度模型的输入并加入噪声,得到带野值的列车垂向加速度的模拟值,分别利用改进卡尔曼滤波器、巴特沃兹低通滤波器、普通卡尔曼滤波器对加速度值进行滤波。结果表明,改进卡尔曼滤波的最大均方根误差较巴特沃兹低通滤波与普通卡尔曼滤波相比分别减少了96%和93%。通过在高铁线路上测试实验证明,测试仪可对加速度值进行精确测量并对舒适度平稳性进行精确计算,同时具有更好的便携性。

融合自适应卡尔曼和小波的MEMS陀螺去噪方法

为提高MEMS陀螺仪信号的测量精度,提出一种融合卡尔曼和小波的MEMS陀螺仪自适应抗野值去噪方法。卡尔曼滤波中根据信息对干扰数据进行实时检测,通过修正增益或状态的一步预测值抑制野值对滤波精度的影响,然后利用小波分析对滤波后的陀螺仪信号的低频、高频分量同时进行阈值处理。实验表明该方法去噪效果优于卡尔曼滤波和Visushrink,陀螺仪x、y、z轴零偏不稳定性在该方法下比卡尔曼滤波分别提高了31.0%、29.3%、30.5%,比Visushrink分别提高了2.4%、12.1%、12.4%。

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.

基于极大后验估计的自适应容积卡尔曼滤波器

针对标准的容积卡尔曼滤波器(CKF)设计需要精确已知噪声先验统计知识的问题,提出一种自适应CKF算法.该算法在滤波过程中,利用Sage-Husa极大后验估值器对噪声的统计特性进行在线估计和修正,有效地提高了CKF的估计精度和数值稳定性.在某些情况下,噪声协方差估计会出现异常现象使得滤波发散,进而提出了相应的改进方法.仿真结果表明了自适应CKF算法的可行性和有效性,且明显改善了标准CKF算法的滤波效果.

杂波中跟踪的自适应探测阈值的优化

为概率数据互联(PDA)滤波器研究了杂波环境下跟踪的探测阈值的自适应优化。这个问题的早期文章(4)涉及状态误差协方差的近似稳态分析并且只适合非时变系统。此外,这种方法需要有关于误差协方差更新方程的若干假设和近似,并使用一种麻烦的图解优化算法。本文我们提出了阈值优化的两种自适应方案,即,使均方状态估计误差在探测阈值范围内极小化的先验和后验优化算法。它们分别取决于以前的和当前的时间-步长数据。这些算法适合于时变系统中的实时实现。本文介绍一些仿真结果。

捷联惯导系统传递对准容错滤波方法研究

研究当基准信息出现短时异常情况下的捷联惯导系统动基座传递对准问题。用于传递对准的基准信息，容易受到测量噪声、电磁干扰、通讯误码等因素的影响，而出现短时异常的情况，这对于滤波器来说是致命的。特别是在滤波快结束时出现的异常情况。由于常规卡尔曼滤波器对异常基准信息不具鲁棒性，滤波将产生较大波动甚至发散，提出利用自适应卡尔曼滤波和抗野值卡尔曼滤波消除异常基准信息对滤波器的影响，并对比分析了两种滤波方法的优缺点，分析表明，抗野值卡尔曼滤波对异常基准信息具有更好的鲁棒性，计算量比自适应卡尔曼滤波要小，而且更加稳定，更适合实际工程应用。最后通过试验验证表明，上述分析和结论是正确和有效的。

一种改进的Camshift目标跟踪算法

针对传统连续自适应场值漂移(Camshift)算法易受同色物体的干扰、抗遮挡性能差等问题,该文提出一种基于运动分割和H-S二维概率分布直方图的改进型Camshift算法。在Camshift算法跟踪之前,结合运动信息,采用三帧差分法从背景中提取出运动目标;在HSV空间根据Bhattacharyya系数,采用一维H分量颜色直方图与H-S二维直方图相结合的方式生成反向投影图;结合Kalman滤波器预测下一帧目标的位置。实验证明,该文算法克服了传统Camshift算法的缺点,增强了抗干扰能力,能够准确实时地跟踪运动目标,鲁棒性好。

动基座下粗—精寻北算法研究

介绍了陀螺寻北仪的工作基本原理及外界干扰对该系统的影响,选取正弦模型为基座晃动模型来模拟外界的干扰,采用粗—精寻北的组合寻北方法实现外界干扰情况下航向角、俯仰角及滚动角的解算;粗寻北采用均值法;精寻北针对噪声数据的统计特性未知的特点,采用抗野值的带Sage-Husa噪声估计器的自适应卡尔曼滤波改进方法,对比了野值对寻北结果的影响,并在不同的晃动幅值和晃动频率下进行了仿真,结果表明该方法精度高、抗干扰能力强,能有效地实现寻北解算。

基于改进型ASRCKF算法的锂离子电池荷电状态估计

针对锂电池荷电状态(state of charge,SOC)估计中由先验噪声统计特性未知导致的估计精度不高和鲁棒性差的问题,以二阶Thevenin等效电池模型为研究对象,提出一种改进型自适应平方根容积卡尔曼滤波器(adaptive square-root cubature Kalman fliter,ASRCKF)。改进型ASRCKF算法使用有偏噪声估值器对系统噪声和观测噪声协方差进行自适应更新,保证了协方差矩阵的非负定性。仿真结果表明,改进型ASRCKF算法能够准确地估算出锂电池SOC值,预测误差保持在1.4%以内,具有良好的鲁棒性和收敛性。