量测不确定下多传感器一致性数据融合算法

针对量测不确定下多传感器信息采集系统中数据有效融合处理,提出一种量测数据一致性融合算法。首先,引入马氏距离实现两传感器量测数据一致性的近似估计;然后,结合模糊理论中隶属度函数的性质定义一种度量局部量测信息提取和利用效率的支持度函数,进而构建综合全局量测数据间相互支持程度的支持度矩阵;最后,通过对支持度矩阵的计算求解各传感器量测数据在评估系统状态估计中的权重,并通过加权融合方式实现对系统状态真值的估计。理论分析和仿真实验验证了算法的有效性。

量测不确定下多传感器交互式多模型自适应滤波算法

针对量测不确定下多传感器多模型混合系统中量测信息的有效利用和融合问题,给出了一种多传感器交互式多模型自适应滤波算法。采用交互式多模型机制实现目标运动模式的确认;通过计算每个传感器的量测似然度完成对于不含扰动传感器量测数据的选取;利用传感器量测数据间统计距离的构建实现对于量测系统中剩余传感器量测数据是否包含扰动影响的判定,并在此基础上实现传感器量测数据的合理选取和融合。新算法量测不确定下扰动对于滤波精度的不利影响。理论分析和仿真实验验证了算法的有效性。

量测不确定的四元数约束CKF姿态估计

针对姿态估计系统在量测不确定和四元数约束下存在发散及估计精度差的缺陷,提出了一种基于不确定量测的四元数约束容积卡尔曼滤波算法(quaternion constrained cubature Kalman filter based on uncertain measurements,UCCKF).该算法克服了约束容积卡尔曼滤波算法的局限性,采用独立的伯努利随机变量来描述量测的不确定性,利用三阶球面-相径容积规则近似计算非线性函数的后验均值和协方差.并针对四元数规范化问题,采用两步投影理论来解决四元数约束限制.仿真结果表明,相比较于约束容积卡尔曼滤波(constrained cubature Kalman filter,CCKF)和无迹混合滤波(unscented mixture filter,UMF),提出的UCCKF算法在量测不确定情况下具有更好的收敛性和更高的估计精度,说明该算法对量测不确定下的非线性姿态估计系统是有效、可行的.

量测不确定条件下多传感器自适应粒子滤波算法

针对量测不确定条件下多传感器量测数据的有效利用问题,提出一种多传感器自适应粒子滤波算法.利用随机采样策略和量测模型转移概率实现当前时刻多传感器量测集合的采样,通过粒子滤波中重采样步骤完成估计状态和量测集合的更新,进而依据重采样后单个传感器量测数目在传感器量测集合中的比重实现当前时刻传感器量测的确认.该算法通过有效量测的合理选择,改善了扰动对滤波精度和计算量的不利影响.理论分析和仿真实验均验证了所提出算法的有效性.

带不确定量测和未知虚警概率的粒子滤波器

为了解决带不确定量测和未知虚警概率的非线性非高斯系统状态估计问题,本文提出了一种新的粒子滤波方法,利用随机不确定量测模型来更新粒子和权值,并基于极大似然准则来辨识未知的虚警概率.本文所提出的带不确定量测和已知虚警概率的粒子滤波方法与现有标准的粒子滤波方法具有几乎一致的计算复杂度,但是更适合用于处理带不确定量测的非线性非高斯系统状态估计问题.此外,在状态转移密度函数被选择为建议密度函数时,本文证明了基于所提出的虚警概率辨识方法的极大似然估计唯一,从而为精确辨识虚警概率提供了理论保证.单变量非平稳增长模型和纯方位跟踪的数值仿真验证了所提出粒子滤波方法的有效性和与现有方法相比的优越性.

基于量测自适应辨识的多传感器数据融合算法

针对量测不确定条件下多传感器量测数据的合理利用和有效融合问题,提出了一种量测不确定下多传感器量测自适应数据融合算法。算法实现中考虑到传感器量测受扰动影响的具体情况,通过单个传感器的量测似然度的求解确认等效量测,并利用传感器量测数据间统计距离的构建完成对等效量测优化,进而实现不含扰动影响传感器量测数据的合理选择和融合。理论分析和仿真实验验证结果表明:新算法不仅有效改善扰动对于滤波精度的不利影响,并且相对于分布式融合方式降低计算复杂度。

不确定量测下发电机动态状态估计性能分析

相量测量单元(PMU)中随机误差不可避免,在实际电网系统中PMU量测数据可能出现延时、重新排序甚至丢失等不确定情况。为准确估计电力系统机电暂态过程中的状态信息,首先建立量测丢失下的发电机动态状态估计模型;然后在某实际电网系统算例中分别采用无迹混合滤波(UMF)、粒子滤波(PF)和所提出的改进粒子滤波(IPF)3种算法对发电机动态状态估计模型进行了仿真试验。仿真结果表明:在不确定量测系统下,改进的IPF算法的滤波性能和抗差性能优于UMF与PF算法,更适用于不确定量测下发电机动态状态估计。

多传感器量测自适应Rao-Blackwellised粒子滤波算法

针对量测不确定下非线性系统状态估计中多传感器量测数据的有效利用和计算复杂度的简化问题,给出了一种多传感器量测自适应Rao-Blackwellised粒子滤波算法。首先,通过随机采样策略和量测模型先验转移概率实现用于评估粒子权重的传感器有效量测集合的采样;其次,利用重采样步骤和概率最大化原则完成对不含扰动影响传感器量测模型的辨识;最终,依据Rao-Blackwellised粒子滤波中非线性状态分量和线性状态分量的独立求解方式实现当前时刻系统的状态估计。理论分析和仿真实验结果验证了算法的可行性和有效性。

PMU准实时数据对主动配电网抗差估计的影响

由于相量测量单元(PMU)因成本问题无法在配电网中大规模配置,且不同设备向主站传输数据时存在客观的通信延迟、带宽限制等因素,因此状态估计器输入端存在不良数据。提出一种基于同步相量量测的主动配电网抗差估计方法,并提出以虚拟PMU量测模型补充大量的高精度冗余数据。将数据采集与监视控制(SCADA)量测系统、PMU量测和虚拟PMU量测构成的混合量测系统作为状态估计的输入端。考虑网络和量测数据不确定度对抗差M估计算法进行改进,避免了传统加权最小二乘估计中删除坏数据的残差判断和迭代过程,降低了估计耗时,提高了状态估计的可靠性和抗差性能。改进IEEE 14和IEEE 33节点配电网算例的仿真分析,验证了所提方法的有效性和普适性。

基于自适应粒子群优化的代价评估Marginalized粒子滤波

针对量测受扰动情况下粒子重要性权重的精确度量和粒子的有效采样问题,提出了一种基于自适应粒子群优化的代价评估Marginalized粒子滤波。首先,在Marginalized粒子滤波框架下,通过引入代价函数和风险函数,实现了粒子重要性权重评价过程中对最新量测信息的合理利用,以降低传统的依据重要性权重度量方式中对于噪声先验信息的依赖。其次,通过对粒子分布特征信息的提取和利用,构建了粒子极限速度设定的自适应选取策略,给出了一种自适应粒子群优化方法。在此基础上,结合粒子群优化中群体优化机理来提升采样粒子对被估计状态的逼近程度,进而改善重采样后粒子的多样性。理论分析和仿真实验验证了算法的有效性。

水下复杂环境下基于SINS/USBL/DVL多源信息融合的组合导航算法

针对复杂水下声场环境下高精度、长航时导航与定位的需求,构建了捷联惯性导航系统(SINS)/超短基线(USBL)相对测量信息的观测方程和SINS/声学多普勒测速仪(DVL)的观测方程,提出了一种融合SINS/USBL/DVL多源信息的组合定位算法。为解决声学量测信息不确定引起的导航性能下降的问题,充分考虑水声野值所导致的厚尾噪声特性,利用学生t分布推导了基于状态估计的鲁棒自适应滤波算法,提高了水下航行器组合定位的精度和鲁棒性。通过海上试验验证了所提算法的有效性和优越性。

长航迹稳定跟踪的雷达功率分配算法

分布式组网雷达系统在处理跟踪任务时,低信噪比会导致目标检测概率小于1,进而可能导致目标航迹中断。为此,提出了一种长航迹稳定跟踪的分布式组网雷达功率分配算法,通过对雷达系统功率资源的优化配置,同时保证了航迹连续性与良好的系统跟踪性能。首先建立了分布式雷达回波信号及量测模型,然后推导了不确定性量测下的贝叶斯克拉美罗界(BCRLB),进而建立了功率分配问题数学模型。该优化问题中包含复杂非凸约束,为了对其进行高效求解,最后提出了一种基于凸优化的自约束功率分配(SCPA)算法。仿真结果表明,所提SCPA算法可以保证跟踪全阶段所有目标航迹不中断,并保持良好的跟踪性能。

基于幅值信息的改进集成概率数据关联算法

为通过幅值信息进一步提高概率数据关联算法的目标跟踪性能,且考虑到跟踪过程中目标的存在性问题,提出了一种基于幅值信息的集成概率数据关联算法,将幅值似然比引入目标存在概率和关联概率的计算过程中,可以改善集成概率数据关联算法的跟踪性能,提高目标存在性判断的快速性,降低目标丢失概率.最后通过仿真验证了改进算法的有效性.