基于卡尔曼滤波的多传感器跟踪融合算法

总结了基于卡尔曼滤波技术的各种跟踪融合算法,分别介绍了集中式和分步式跟踪融合算法,仿真了融合效果。集中式融合算法具有最优的估计性能但是对资源的要求也最高。分布式融合算法可以节省计算量和通信带宽,在一定条件下也可以实现对目标的最优估计。

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合,用于被动式多站跟踪,给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例,进行了仿真研究,结果表明该算法具有满意的跟踪性能。

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。

BFO算法在集中供热二次网温度控制系统中的应用

集中供热系统在改善居民居住环境,节约能源方面具有重要的意义,且集中供热系统的二次网供水温度直接影响整个系统的供热品质,因此本文将针对二次网供水温度控制系统进行研究。鉴于常规PID在控制对象具有非线性,时滞性等情况下往往不能达到很好的控制效果,设计采用一种随机搜索智能BFO算法应用到二次网供水温度控制系统中,实现对二次网供水温度实时控制,保证系统的供热品质。结果表明,在复杂的供热系统控制中,采用BFO算法优化的PID控制器控制效果更好,能一定程度提高系统响应速度,减少超调量,缩短调节时间。

基于序贯UKF的GNSS/CNS/SINS组合导航最优融合算法

组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。

降维CKF算法及其在SINS初始对准中的应用

针对常规容积卡尔曼滤波(cubature Kalman filter,CKF)算法在捷联惯导系统(strapdown inertialnavigation system,SINS)大方位失准角初始对准中采样点个数与状态向量维数成正比、计算量较大的问题,提出了降维CKF算法。与常规CKF算法相比,该算法只对离散化后的SINS非线性误差模型中的大方位失准角进行采样,再利用三阶球面-相径容积规则计算后验均值和协方差,从而将采样向量从10维降低到1维,采样点数量从20个下降到2个,减小了计算量。仿真实验结果表明,该算法与常规CKF算法具有相同的对准精度,计算时间仅为常规CKF算法的1/3,是一种较为实用的方法。