对水声定位滤波算法记忆衰减方式的改进

水下定位是自动化设备在水下建筑物安全监测工作过程中基础性、关键性的工作。滤波算法是水声定位算法的重要组成部分,有助于抑制噪声还原真实数据。衰减记忆滤波可以一定程度上处理由于模型不准确或模型变化及舍入误差累积等因素所引起的滤波发散问题。记忆衰减方式对算法的性能影响很大,对水声定位中的扩展卡尔曼滤波算法的记忆衰减方式进行了改进,主要改进在判断是否需要进行记忆衰减后,以观测值为标准进行记忆衰减。3种不同工况的水声定位仿真试验结果,验证了改进算法中记忆衰减方式的合理性和准确性;通过与现有记忆衰减算法仿真比较,改进算法可改善定位效果,提高连续定位精度。

基于记忆衰减滤波的X射线脉冲星自主导航

针对扩展Kalman滤波(Extend Kalman Filter,EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证。

驾驶人对交通标志视认的短时记忆衰减模型研究

研究驾驶人交通标志信息记忆量随时间的变化规律,构建驾驶人对交通标志视认的短时记忆衰减模型,能够为城市道路交通标志设计及实施应用提供有力的支撑。基于对记忆衰减因子、衰减曲线形式的分析及对交通标志视认的短时记忆衰减模型的三个特点,提出采用幂函数曲线作为驾驶人对交通标志视认的短时记忆衰减曲线,并以一条有交通标志的实验路段为例,采用实车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,构建驾驶人对交通标志视认的短时记忆衰减模型。

基于衰减记忆滤波的平方根UKF被动目标跟踪算法

针对被动目标跟踪的非线性和弱可观性的特点,并结合导致滤波器发散的两大因素,即模型误差和计算误差,提出了一种基于衰减记忆滤波的平方根UKF算法,利用衰减记忆滤波和平方根滤波来分别克服模型误差和计算误差引起的滤波发散,增强了系统的稳定性并提高了跟踪精度。仿真结果表明,该算法确实提高了滤波的稳定性,其跟踪精度优于扩展卡尔曼滤波EKF算法和无迹卡尔曼滤波UKF算法,收到了良好的效果。

基于指数加权的改进衰减记忆自适应滤波算法

体系对抗条件下预警机作用日益突出,但是我方离其距离远,量测数据不准确,对其跟踪困难,针对这个问题提出了一种基于指数加权的改进衰减记忆自适应滤波算法。标准卡尔曼滤波由于模型不准确会造成滤波发散,传统衰减记忆滤波在解决此问题的同时由于其衰减因子为常值会造成目标跟踪精度不足,为此设计了一个指数型的衰减因子对传统算法进行改进,该衰减因子能够自适应计算,并将改进后的方法应用于交互式多模型算法当中。仿真结果表明,该算法可以对预警机目标进行有效跟踪,且与标准卡尔曼滤波和常值衰减因子滤波对比发现,该算法估计误差明显减小,跟踪精度显著提高。

基于衰减记忆的地形辅助导航算法

地形辅助导航是解决惯性导航系统定位误差随时间不断增大的缺点的重要方法之一。提出了基于衰减记忆的地形辅助导航算法,算法使用了一个新的相关算子,根据量测值存在的历史时间长短,对量测值赋以不同的权值,用一个递归表达式递归地计算相关值。该算法在提高定位精度的同时减少了计算量和存储空间,从而提高计算速度,并连续输出定位结果。仿真结果表明该算法的正确匹配率、均方根误差和圆概率误差均优于TERCOM算法。

基于衰减记忆高斯和滤波的星间精密测距技术

星间精密测距是导航星座实现自主导航的核心技术。针对导航星座中码测量值精度低但无整周模糊度,载波相位测量值精度高但存在整周模糊度的特点,该文根据贝叶斯递推原理提出了一种衰减记忆高斯和滤波(Fading Memory Gaussian Sum Filter,FMGSF)的伪距估计方法。该方法用高斯和形式近似表示系统后验概率密度,并根据卡尔曼滤波原理来更新高斯项的均值和方差,同时引入衰减记忆因子克服由于模型失配导致的滤波结果发散问题,利用重采样解决由于载波相位测量值不确定导致的算法复杂度增加问题。理论分析和仿真结果表明,该文提出的方法不仅能够克服周跳对伪距估计的影响,而且可以获得更好的测距精度。

基于指数加权衰减记忆无迹卡尔曼滤波的路面附着系数估计

针对车辆主动安全控制中路面附着系数这一关键信息,提出一种指数加权衰减记忆无迹卡尔曼滤波(FMUKF)估计算法。该算法在传统无迹卡尔曼滤波(UKF)的基础上,利用衰减记忆滤波来解决由于模型不准确造成的滤波误差过大甚至发散等问题。利用Car Sim和MATLAB/Simulink对算法进行了联合仿真和实车道路试验,并与传统UKF算法的估计结果进行对比分析。结果表明,该算法增强了滤波的稳定性、提高了算法的估计精度,且具有一定的自适应性。

纯方位目标运动分析的自适应衰减记忆滤波算法

为减小纯方位目标运动分析问题中由于运用扩展卡尔曼滤波所带来的线性化误差对解算精度的影响,提出了自适应衰减记忆扩展卡尔曼滤波算法。利用新息序列的概率分布特性,引入了自适应水平的概念,并研究了滤波中衰减因子的自适应问题,在此基础上构造了衰减因子的最佳自适应选取方法。对比仿真分析表明,新算法较原有算法滤波效果有所改善,增强了稳定性,提高了精度。

衰减记忆平方根UPF算法及其在组合导航中的应用

针对用UPF算法进行导航滤波计算可能出现协方差矩阵不对称或负定的问题,在研究衰减记忆滤波和平方根滤波的基础上,以Unscented粒子滤波为框架,提出一种新的衰减记忆平方根UPF算法。该算法利用衰减因子减小历史信息对滤波的影响,增强当前量测信息在滤波计算中的作用。然后,以协方差矩阵的平方根阵代替协方差矩阵进行滤波解算,保证了协方差矩阵的对称性和非负定性,提高了滤波算法数值稳定性和解算精度。将提出的算法应用到SINS/SAR组合导航系统中进行仿真验证,并与UPF算法进行比较,结果表明,提出算法的滤波性能明显优于UPF算法,能提高组合导航系统的滤波精度。

纯方位被动目标运动分析的衰减记忆卡尔曼滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波器容易发散,从而导致滤波精度差而且收敛速度慢的问题,文中将水下纯方位被动目标运动分析中的扩展卡尔曼滤波算法改进为衰减记忆卡尔曼滤波算法.通过对当前测量数据的利用,减小了历史数据对滤波的影响程度.对比仿真分析表明,滤波效果有所改善,提高了精度和收敛速度.

基于改进衰减记忆滤波的组合导航算法研究

关于优化组合导航系统定位精度问题,由于惯导系统为非线性系统,存在滞后和噪声特性,影响系统定位精度,传统卡尔曼滤波器滤波一段时间后,系统预测误差方差阵逐渐趋于零,状态估计过分依赖旧量测值,从而导致滤波发散,系统定位精度差。目前采用在预测误差方差阵中引入标量衰减因子来抑制发散,但该标量因子是不变量,难以修正所有状态估计异常的情况。为有效提高新量测值对预测值的修正作用,研究了一种改进的衰减记忆滤波算法,通过引入可变加权系数来抑制发散。经数值仿真结果表明,新算法的滤波效果相比卡尔曼滤波和带标量因子的衰减记忆滤波有较明显的改善,提高了系统的定位精度,对工程应用有一定参考价值。

无迹卡尔曼滤波衰减记忆算法研究

无迹卡尔曼滤波算法作为典型的卡尔曼滤波改进算法,有效地解决了线性化时高阶项的舍弃误差和强非线性模型的无法线性化问题。但是常规的无迹卡尔曼滤波对旧的数据和当前数据的利用率是相同的,很容易导致滤波的发散。通过引进衰减因子加强了对当前数据的利用,降低了旧数据对滤波结果的影响。本文基于此提出了衰减记忆无迹卡尔曼滤波算法,并对衰减因子的确定进行了分析。仿真试验分析表明,衰减记忆无迹卡尔曼滤波算法能够提高滤波结果的精度。

一种采用衰减记忆滤波的环月航天器自主导航方法研究

针对环绕月球运行的深空探测航天器提出了一种新的自主导航方案,该方案是以两个环月航天器之间的相对位置矢量信息作为量测量,结合轨道动力学方程,对航天器的轨道自主估计确定,方案中考虑了符合实际的复杂摄动影响,并对描述动力学特性的数学模型与噪声的统计模型不准确而导致的滤波发散问题,提出利用一种经过衰减记忆改进的平方根非线性滤波(SRUKF)算法进行解决。对所提方案做了大量的计算机仿真,同时详尽的分析和比较了由于衰减因子及采样周期变化所带来的影响。从仿真结果上看,衰减记忆滤波处理能够很好得抑制非线性状态转移条件下的滤波发散趋势。

新安江模型与衰减记忆最小二乘法耦合洪水模型的应用

利用新安江模型进行流域产流计算,采用扩散波方程推得的汇流状态方程描述流域汇流过程,由衰减记忆递推最小二乘法实现参数估计实时化,从而使新安江模型与衰减记忆递推最小二乘法耦合,实现洪水实时预报。利用耦合模型对矶头水库76场入库洪水进行模拟,模拟结果表明,耦合模型适合中小水库入库洪水实时预报,预报精度比独立使用新安江模型得到了大大的提高。

基于衰减记忆法滤波的多假设跟踪算法

本文在讨论多假设跟踪算法原理的基础上,分析了影响其跟踪精度的关键——Kalman滤波,我们提出用衰减记忆法卡尔曼滤波代替原标准卡尔曼滤波,并采用计算机仿真实验对比的方法研究了改进的多假设跟踪算法的效果。实验结果表明改进后的算法能有效地抑制滤波器的发散,提高航迹预测精度,在不增加系统运算时间的前提下,使得多假设跟踪算法的性能得到了很大的提高。

衰减记忆扩展卡尔曼滤波在目标跟踪中的应用

对衰减记忆扩展卡尔曼滤波在机动目标跟踪领域中的应用技术进行研究,给出了状态方程和衰减记忆扩展卡尔曼滤波算法,分析了衰减记忆扩展卡尔曼滤波与扩展卡尔曼滤波算法之间存在的主要差别,并通过仿真实验证明该衰减记忆滤波算法具有较好的跟踪目标动态变化效果,解决了卡尔曼滤波算法和扩展卡尔曼滤波算法在非线性系统的目标跟踪中存在的滤波发散问题。

一种自适应指数加权衰减记忆滤波算法

根据衰减记忆因子为一个常数的不尽合理性的假设,深入研究了指数加权衰减记忆滤波因子,根据滤波收敛条件和滤波模型准确时的新息(残差)特点,提出了具有自适应性、抑制滤波发散的指数加权衰减记忆滤波算法,并通过仿真试验验证了自适应抑制滤波发散的有效性。

拦截临近空间滑翔目标的衰减记忆滤波中制导方法

针对临近空间高超声速滑翔目标的拦截问题,提出了基于衰减记忆滤波算法的滑模中制导律。基于当前统计模型衰减记忆EKF(Extended Kalman Filte)算法获取精确的高超声速目标运动参量;基于滤波信息和滑模控制理论,设计了随目标机动规律在线调节拦截弹道的滑模中制导律。仿真结果表明,该衰减记忆滤波算法可以对滑翔目标进行有效跟踪且滤波精度较高;针对滑翔目标的多种机动模式,所设计的中制导律可以实现在稳定跟踪目标的同时避免始终紧随目标机动,降低过载需求。所提出方法具有良好的制导性能和较强的鲁棒性。

基于衰减记忆滤波法的桥梁变形监测数据分析

指出了卡尔曼滤波基本方法在模型不准确时可能出现的发散现象,提出了利用衰减记忆滤波处理桥梁自动监测系统监测数据的方法,并通过实例进行了说明。实际算例表明,滤波值、原始值与预报值变化趋势一致,且滤波值改善了原始观测值,较好地解决了发散问题,说明这种方法适用于处理桥梁全自动监测数据。