带未知观测输入和观测丢失多传感器随机不确定系统的集中式融合滤波

对带未知观测输入和观测丢失的多传感器随机不确定系统设计了集中式融合滤波器。通过乘性噪声描述的随机不确定性存在于系统的状态和观测矩阵中。在没有观测干扰任何先验信息的情况下,应用线性无偏最小方差准则,设计了不依赖于未知观测输入的具有Kalman形式的集中式融合滤波器。仿真验证了算法的有效性。

基于卡尔曼滤波融合的电机电流高精度检测与处理

根据同步采样下跟踪系统电机电流波动规律,推导出基波电流可以等效为载波中点和起点处电流采样值,并分析了同步采样与非同步采样下电流谐波,得出同步采样可以有效减小载波二倍频率谐波及高次谐波。针对跟踪系统在高仰角跟踪时,电机电流大变化剧烈,电流检测精度下降的情况,将不同量程不同精度的电流传感器应用于电机电流检测中,使用集中式卡尔曼(Kalman)滤波融合技术融合多传感器电流数据,在传感器量程内实时地获得了较高的电流检测精度,避免了传统滤波算法带来的电流滤波延时。

基于噪声顺序解相关的两阶段Kalman滤波融合

针对传统两阶段Kalman滤波只能处理单一或部分复杂噪声情形,在充分考虑多雷达跟踪系统的误差噪声有色建模和四类噪声相关性建模基础上,建立一种基于噪声顺序解相关的两阶段Kalman滤波融合算法。首先给出能有效避免噪声相关性耦合化的噪声解相关顺序,进而应用等价变换技术来获得有色噪声、过程噪声和测量噪声三者间不相关的目标跟踪融合模型,最后应用平方根分解和单位下三角阵求逆技术来实现多雷达量测噪声相关系统的集中式Kalman滤波融合,并通过4个仿真实验验证了该算法对复杂噪声情形的有效性和高精度。