基于限定记忆加权的辅雷达时变系统误差估计方法

针对传统误差配准算法无法对雷达时变系统误差进行精准估计的问题,提出了一种参照中心雷达的基于EKF的指数加权MAP辅雷达时变系统误差估计算法。首先,对恒定系统误差下次优MAP估值器进行分析;在此基础上,引入指数加权因子,给出时变系统误差估值器的递推公式;最后,利用仿真及对比实验验证对所提方法进行了性能分析。相较于现有误差配准算法,该自适应算法能够对时变系统误差进行有效估计,且滤波精度明显提高。

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。

凿岩机器人轨迹跟踪自适应预测控制

将一种输入输出增量式线性时变模型作为对象的实时预测模型 ,采用加权限定记忆回归法来估计模型参数 ,进而提出一种自适应预测控制策略 ,并给出了单步预测最优控制律。简要介绍了凿岩机器人双三角钻臂的结构和运动特性 ,随后将本文提出的自适应预测控制策略用于双三角钻臂轨迹跟踪控制 ,仿真结果表明了该控制策略的可行性。

基于极大似然估计的新息自适应滤波算法

针对噪声统计信息未知或时变情况下常规卡尔曼滤波估计精度下降甚至发散的问题,提出了一种基于极大似然估计的新息自适应滤波算法。算法对基于极大似然估计的常规新息协方差估值器进行限定记忆指数衰减加权修正,增加滑动窗口内新近新息协方差序列的利用权重;根据新息自适应原理,利用新息协方差估计值直接计算滤波增益矩阵,加快滤波器收敛速度的同时提高了滤波算法的估计精度。算法应用于捷联惯性导航系统/全球定位系统(SINS/GPS)组合导航系统,仿真实验表明:在噪声统计信息未知或时变情况下,算法具有更强的鲁棒性以及更高的滤波精度。