精度分类量测数据的变分贝叶斯自适应Kalman滤波算法

针对带有精度分类信息的方差未知量测数据的滤波问题,本文提出了一种扩展的变分贝叶斯自适应Kalman滤波(EVB-AKF)算法。该算法在量测数据精度等级不变或降低时将后验分布参数修正为原VB-AKF算法外推近似值与精度分类信息对应的方差上界的加权和的形式,并在精度等级提高时利用精度分类信息重置后验分布参数,解决了VB-AKF算法后验分布参数一阶常系数模型不能完全适应量测噪声方差动态变化的问题。仿真结果表明,该算法能够快速有效的估计出动态变化的量测噪声方差,并且能够有效的实现数据滤波。

基于量子粒子群优化和扩展卡尔曼滤波的相量测量算法

电力系统中的信号往往含有各种噪声、谐波、间谐波的干扰,严重影响了相量测量的精度。对此,在复数扩展卡尔曼滤波(ECKF)的基础上,运用改进的量子粒子群优化(IQPSO)算法改进滤波迭代过程中的量测噪声协方差矩阵和模型噪声协方差矩阵,并测量电力信号的幅值、频率和相角。对各种非平稳正弦信号的仿真结果表明,相较修正的复数扩展卡尔曼滤波(RECKF)算法,IQPSO-ECKF算法提高了复数扩展卡尔曼滤波的相量测量精度和收敛速度。研究成果丰富了电力系统信号测量的内容。

基于冗余量测的GNSS多路径误差抑制算法

针对惯性/卫星组合导航系统中,全球卫星导航系统(global navigation satellite system,GNSS)量测受多径效应影响的问题,提出了一种基于冗余量测的GNSS多径误差抑制方案。该方案包含了一个基于量测新息的GNSS多径误差卡方检验器和一个自适应Kalman滤波器。首先,通过卡方检验来判断量测新息零均值的特性丧失与否以检测GNSS量测中的多径误差。当检测到量测中存在多径误差时,自适应滤波器根据惯性导航系统的冗余量测估计出当前GNSS测量噪声协方差阵,以合理调节量测权重,增强滤波性能。最后,通过仿真与实际跑车试验,验证了该方案能够有效抑制GNSS多径误差,提高了导航精度。

基于新息特性抗野值Kalman预测算法

针对Kalman最优预测方法应用过程中,量测值中的野值对状态预测的不利影响,提出了一种基于新息正交特性实时估计量测方差的新算法.该算法使得修正的量测方差能够保持修正前的新息正交性,从而改变Kalman最优增益,修正状态预测值,使得预测误差的方差为最小.仿真结果表明,该算法能够克服野值对状态最优预测值的不利影响,提高了跟踪精度.

GNSS/SINS组合导航系统的自适应UKF算法

针对基于无迹卡尔曼滤波(unscented Kalman filter, UKF)算法的GNSS/SINS组合导航系统缺乏对量测噪声异常的自适应调节能力,提出一种GNSS/SINS组合导航系统的自适应UKF算法。首先对GNSS/SINS组合导航系统进行非线性滤波建模;然后基于变分贝叶斯原理,在UKF算法的时间更新与量测更新过程中引入量测噪声方差估计模型,得到自适应UKF算法;最后对GNSS/SINS组合导航系统进行仿真验证。结果表明,本文算法能够对量测噪声方差的突变或缓变进行实时、准确的跟踪,相比于常规UKF算法,可明显提高组合导航系统的精度。

集中式非线性抗差卡尔曼滤波算法研究

针对传感器量测信息异常与传感器之间数据传输错误,融合系统中的数据会出现异常值(outlier)的目标跟踪问题,提出了一种集中式非线性抗差卡尔曼滤波算法。该方法应用鲁棒统计理论,通过设计代价函数来对系统的量测噪声方差进行重新构造,并利用标准无味卡尔曼滤波(UKF)的观测更新算法对非线性观测方程进行滤波。该方法无须对观测方程进行线性近似,在保持鲁棒性的同时不损失UKF的滤波精度。通过一个简明实例说明了该方法在量测出现异常值的情况下依然能对目标进行有效的跟踪滤波,鲁棒性和滤波精度优于传统的Huber鲁棒跟踪方法。

基于自适应衰减系数的VB-AKF滤波算法

VB-AKF算法利用变分贝叶斯迭代近似方法获得了量测噪声方差较好的估计,但是存在无法完全适应量测噪声方差动态变化的问题。本文提出了一种基于衰减系数自适应的VB-AKF滤波算法。该算法利用量测数据精度等级对衰减系数进行自适应调整,解决了VB-AKF算法事先设定的衰减系数不能完全适应量测噪声方差动态变化的问题。仿真结果表明,该算法能够快速有效的估计出动态变化的量测噪声方差,并且能够有效的实现数据滤波。

模型参数未知时的CPHD多目标跟踪方法

针对现有的多目标跟踪方法中,检测概率和量测噪声协方差等模型参数未知时目标跟踪性能下降的问题,提出了一种联合估计检测概率和量测噪声协方差的势概率假设密度目标跟踪方法.首先对多参数未知的多目标跟踪问题进行建模,将检测概率看作是某个分布中的变量,继而通过估计该分布的均值来作为检测概率,再利用变分贝叶斯方法对量测噪声协方差进行估计,最后给出了算法的高斯实现.仿真结果表明,所提算法在检测概率和量测噪声协方差联合未知环境下具有较好的目标跟踪性能.

一种简化的车载自适应组合导航算法

为解决复杂路况下车载组合导航系统存在的卫星导航系统信号衰弱、断续导致信号观测性差和组合滤波器稳定性下降甚至发散等问题,采用了一种简化的、易于工程实际应用的车载自适应组合导航算法,利用数据检测方法对卫导原始观测数据进行评估,根据评估结果构造自适应滤波因子,实时更新滤波器量测噪声协方差阵,提高滤波器对观测信息变化的适应能力。通过实际动态跑车试验,表明这种简化的自适应组合导航算法在卫导信号断续情况下,仍能保证3 m(RMS)的定位精度、0.04 m/s(RMS)的测速精度,较常规Kalman滤波定位精度提高近30%,测速精度提高达70%,能满足城市、山区等恶劣场景下车载导航的需求。

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。

一种加速度辅助“当前”统计模型距离跟踪方法

在经典的“当前”统计模型中,机动频率通常为经验值,并需预设加速度极限值。针对这一局限,利用递归线性平滑牛顿预测器对加速度进行预估后,得到“当前”统计模型中目标机动频率值的解析解,避免了机动加速度极限值的设置,同时实现了过程噪声协方差矩阵的自适应计算。此外,利用简化的Sage-Husa滤波方法实现了量测噪声协方差矩阵的自适应更新。通过计算机仿真验证了该算法相较于经典的“当前”统计模型的距离跟踪性能更优。