引入输入估计的交互式多模跟踪算法

本文融合交互多模算法和修正输入估计算法,提出一种新的全面自适应跟踪算法.利用修正新息序列的方法对输入估计(IE:Input Estimation)算法进行了改进,提高了输入估计的性能.综合不同检测窗长度的修正输入估计(MIE:Modified IE)算法的特点,在交互式多模型中采用不同检测窗长度的MIE作为子滤波器,保持对机动的全面自适应跟踪.仿真实验证明,改进算法与CV-CA模型组成的交互多模算法相比,无论对机动的响应速度还是滤波精度都优于交互多模算法.

基于量测转换与输入估计的机动目标跟踪算法

针对雷达系统中机动目标的跟踪问题,提出输入估计(input estimation,IE)与无偏量测转换(unbiased converted measurement,UCM)相融合的自适应算法。用无偏量测转换技术将观测量转换到直角坐标系,使得在极坐标系内应用IE成为可能;提出检测窗内加速度阶梯变化的假设并推导相关模型,使得单个输入估计器能够跟踪各种变化机动。仿真分析表明,算法与基于多滤波器并行工作的交互式多模型相比,跟踪精度相当,但运算量大大降低,因此适用于对性能和实时性要求较高的场合,有很好的应用前景。

机动目标跟踪的完全最小二乘法输入估计

针对最小二乘法对目标机动进行估计时忽略系数矩阵偏差的问题,采用完全最小二乘法,同时考虑测量数据偏差和系数矩阵偏差对目标机动估计的影响,给出了机动目标跟踪中基于完全最小二乘法的输入估计方法。根据卡尔曼滤波器的一致性条件判断目标是否发生机动,使用完全最小二乘法估计出目标所发生的机动大小,并用目标机动的估计值对跟踪算法进行了补偿。仿真结果表明,基于完全最小二乘法的输入估计方法的跟踪效果要优于基于最小二乘法的输入估计方法。

基于新息序列修正的输入估计算法

针对传统输入估计算法跟踪机动目标时检测概率和估计精度不高的缺点,提出一种改进的输入估计跟踪算法。算法利用对检测窗内新息序列进行修正以及对卡尔曼滤波状态变量进行补偿的方法,消除了已有机动检测估计对后继机动输入估计的影响,提高了对机动的检测概率和估计精度。理论分析和仿真结果表明,改进后的算法相比原有算法和IMM3算法,不仅跟踪性能有显著提高,而且对加速度缓变的机动也有较好的跟踪能力。

强跟踪输入估计概率假设密度多机动目标跟踪算法

针对多机动目标跟踪中,目标数目未知及加速度不确定的问题,提出一种强跟踪输入估计(modified inputestimation,MIE)概率假设密度多机动目标跟踪算法.在详细分析算法的基础上,通过引入强跟踪多重渐消因子,以不同速率实时调节滤波器各个通道的预测协方差及相应的滤波器增益,从而实现MIE算法对加速度未知或发生大幅度突变的机动目标自适应跟踪能力;并将该算法与概率假设密度滤波算法有效结合,可以较好地跟踪未知数目的多机动目标.仿真结果表明,新算法比传统的多机动目标跟踪算法具有更高的跟踪精度,且具有较好的实时性.

含未知输入的广义系统的状态与输入估计

研究了含未知输入的广义系统的输入解耦观测器设计问题。在系统脉冲能控的条件下通过系统输入-状态对的非奇异变换,把此问题等价地转化为正常状态空间系统的相应问题。用大家熟知的方法设计正常状态空间系统的观测器,从而得到广义系统的输入解耦观测器。然后用广义系统的观测器状态和系统输出的线性组合渐近估计系统的状态与未知输入。

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计(MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.

基于随机游走和输入估计方法的振动主动控制研究

为研究未知外扰作用下动力学系统的振动主动控制问题,结合Kalman滤波和LQG(linear quadratic Gaussian)控制方法,提出了基于随机游走和输入估计的振动主动控制方法。为尽量获取未知外扰信息,首先采用随机游走模型构建未知外扰信号的离散递推形式,并将其作为辅助状态引进受控系统的状态方程。然后,借助具有信号识别和跟踪能力的Kalman滤波原理,对含有辅助状态的系统进行状态估计,从而得到未知外扰的估计值。根据系统已知测量输出、未知状态及外扰的估计值构造系统目标函数,采用LQG方法求解系统最优控制输入。最后针对sdof和2dof模型进行数值仿真,结果表明受控系统在非随机和随机外扰激励下都具有良好的控制效果,且控制精度优于传统LQG方法。

基于观测器的发电机功角和未知输入估计

为了提高电力系统运行稳定性,针对同步发电机功角和未知输入的估计问题,提出了基于观测器的估计方法。利用同步发电机的运动方程和电磁方程,建立同步发电机四阶数学模型;运用泰勒公式对模型进行线性化,将产生的佩亚诺余项和参数变化引起的建模不准确归结为未知输入。对线性化后的数学模型进行状态变换,将数学模型分解成含未知输入项和不含未知输入项两部分;分别设计两部分的观测器,根据极点配置方法和Lyapunov稳定性理论分别确定两个观测器的增益矩阵。通过Matlab仿真,验证了基于观测器的同步发电机功角和未知输入估计方法的有效性。该方法具有响应时间短、估计精度高的特点,可以快速准确地实现发电机功角和系统未知输入的估计。

状态输入估计两段解耦Wiener滤波器

运用现代时间序列分析方法,基于ARMA模型和白噪声估值器,对一类控制输入存在不确知性的随机系统,提出了状态输入估计两段解耦Wiener滤波新算法,仿真例子说明了其有效性。

基于伪线性和输入估计的无源自适应跟踪算法

基于伪线性滤波算法和输入估计算法提出了一种对空中机动目标进行三维测向无源自适应跟踪的新算法。该算法把目标机动加速度看成是未知的输入向量附加到状态方程中,再利用状态向量扩维情况下的伪线性滤波算法对目标进行三维无源跟踪,跟踪过程中在对原来目标状态向量进行估计的同时估计目标加速度。仿真结果表明:该算法不需要对目标进行机动检测,即能够适应目标机动和非机动2种工作模式,实现对空中机动目标的自适应无源跟踪。

含未知输入的非方离散广义系统的观测器设计与输入估计

研究了含未知输入的非方离散广义系统的输入解耦观测器设计问题 .当系统脉冲能控时 ,把部分状态与未知输入一起作为新的未知输入 ,通过输入 状态对的非奇异变换 ,把非方离散广义系统的观测器设计问题等价地转化为离散正常状态空间系统的相应问题 .给出了观测器存在的充分条件和简单的设计方法 ,并用观测器的状态 ,系统的控制输入和输出渐近地估计了系统的状态和未知输入 .

基于修正输入估计的机动目标无源跟踪

文中将修正的输入估计算法和伪线性滤波算法相结合,提出了一种对机动目标进行自适应纯方位跟踪的新算法,该算法将未知的输入向量作为新的元素补充到原来的目标状态向量中得到新的扩维状态向量,然后在只有角度测量数据的情况下利用伪线性滤波算法对原来的目标状态向量和新增的目标加速度向量同时进行估计。仿真结果表明,该算法可适应目标机动和非机动两种工作模式,能够实现对机动目标的自适应纯方位跟踪。

基于输入估计方法的振动主动控制试验研究

针对基于随机游走和输入估计策略的振动主动控制方法进行试验研究。该方法涉及的动力学模型既依赖于受控系统的基本物理参数,又与未知的外扰激励密切相关。采用模态识别方法离线辨识系统的物理参数,以获得系统状态方程;再利用随机游走模型将未知外扰视为辅助状态量构造新的状态方程,并借助Kalman滤波原理对新状态方程中未知状态进行估计,得到未知状态和外扰估计值。根据系统已知的测量输出、未知状态及外扰的估计值构造目标函数,应用LQG方法求解控制器增益,得到考虑未知外扰的最优控制输入。以柔性悬臂梁模型作为受控对象,对其实施振动主动控制,试验结果表明,该控制方法能有效抑制模型的前四阶模态振动,尤其对低阶模态控制,其效果远优于经典LQG控制方法。

带有色观测噪声和输入估计的自校正Kalman滤波器及其应用

对于带来知有色观测噪声和未知常的输入的离散线性系统,本文用现代时间序列分析方法,基于ARMA新息模型,提出了一种新的带输入估计的自校正Kalmn滤波器,作为一个应用例子,提出了新颖的带有色观测噪声和输入估计的自校正α—β跟踪滤波器,仿真结果说明了其有效性。

基于带输入估计变维滤波的多传感器信息融合

带输入估计变维滤波利用最小二乘法对系统未知输入进行估计,同时对机动运行开始时刻给出估计,从而有效地克服了输入估计算法和变维滤波各自在系统模型单一和机动运行开始时刻估计不精确方面的缺陷。考虑到多传感器信息融合系统可给出比单传感器更为精确的结果,基于带输入估计变维滤波,将系统状态融合和确定性输入融合相结合,提出了一种多传感器带输入估计变维滤波融合算法。系统仿真结果表明,该算法可以有效地提高估计精度,适用于机动目标跟踪。

带输入估计变维滤波在确定汽车车速中的应用

构建了机动车辆运动状态动力模型.在模型中,输入项用来描述汽车行驶加速度,针对汽车行驶环境为对接路面的情形,提出了采用带输入估计变维滤波估计车辆行驶速度的方法.给出了汽车机动运行开始时刻估计值,有效地提高了估计精度,适用于复杂路面上的车辆行驶速度的估计.

基于输入估计的机动目标跟踪方法

机动目标跟踪方法有变维滤波、输入估计和交互式多模等方法。由于输入估计法采用常速模型作为状态方程对目标进行滤波跟踪,避免了模型集设计而成为研究的热点,但传统输入估计方法跟踪机动目标时存在机动检测时延较长和估计精度不高的缺点。针对这些问题,对输入估计算法进行了改进。采用变检测窗长度提高机动检测的响应速度,通过对检测窗内信息序列的修正显著提高了估计精度。仿真结果表明所提出的算法比原有算法的跟踪性能有显著提高,且对加速度随时间变化的机动也有一定的跟踪性能。

离散Lipschitz非线性系统状态和未知输入估计

针对含有未知输入和可测噪声的离散Lipschitz非线性系统,研究了状态估计、未知输入以及可测噪声同时估计的问题.首先,对含有未知输入的系统,设计了比例积分观测器,达到同时估计系统状态和未知输入之目的.分析了残差系统的观测性和稳定性,利用H_∞实现该观测器对时变未知输入的有效估计;其次,将观测器增益矩阵的求解转化为求解线性矩阵不等式的形式;进一步地,基于系统状态扩展方法,将所提方法推广至同时含有未知输入和可测噪声的系统;最后,通过两个仿真算例说明了所提方法的正确性和有效性.

基于辅助输出的线性系统状态和未知输入同时估计方法

在未知输入观测器匹配条件不满足的情况下,针对一类线性时不变系统,研究了同时估计系统状态和未知输入的问题.首先,基于可测输出对未知输入的相关度的概念,给出了辅助输出的构造方法,使得匹配条件得以满足.为了处理辅助输出中的未知信息,提出了一种高增益观测器设计方法,它不仅能估计辅助输出,而且还能估计辅助输出的导数.然后,基于辅助输出的估计值,提出了一种降维观测器设计方法,可以在不受未知输入影响的情况下估计系统的状态;接下来,基于状态和辅助输出及其导数的估计值,给出了未知输入估计.最后,对一个五阶系统进行了数字仿真,仿真结果表明所提出的方法是有效的.