改进卡尔曼滤波在舰船导航雷达运动目标自动跟踪算法上的应用研究

本文针对舰载雷达系统自动跟踪运动目标上的问题,通过建立舰船导航雷达目标跟踪信号模型,提出了一种基于改进卡尔曼滤波的舰船雷达目标自动跟踪算法,该算法旨在提高对噪声的抑制作用,提高目标跟踪的精度,增强模型在真实场景下的实用性,解决长时间跟踪后的目标偏移及丢失问题。仿真结果表明,相较于最小二乘法、卡尔曼滤波算法,使用改进卡尔曼滤波算法的舰载雷达系统的跟踪性能以及精确度得到了大幅改善。

卡尔曼滤波下激光雷达扫描大数据检测算法

激光雷达扫描的不规则激光回波信号通过地面反射和空间传播,但是由于颜色较暗的粗糙物体表面反射率较小,信号易发生漫反射,大量反射信号被接收,会形成较大的接收噪声,导致激光雷达扫描大数据出现较大程度的异常。为此提出基于卡尔曼滤波的激光雷达扫描大数据检测算法。利用卡尔曼滤波算法剔除激光雷达数据中的野值;基于此,建立数据硬性约束条件,获取数据流形规则,提取激光雷达数据特征;根据提取的特征,利用支持向量回归算法完成数据分类,实现激光雷达扫描大数据检测。实验结果表明,研究方法检测激光雷达扫描大数据时,查全率始终高于90%,查准率高于95%,平均耗时65.1ms,且以无人小车行驶轨迹的雷达数据为测试对象时,研究方法具有较高的检测精度,说明该方法的研究价值较高,应用效果更好。

卡尔曼滤波算法在辽宁东部测雨雷达降水同化适用性分析

为提高测雨雷达在辽宁地区的适用性,文章采用卡尔曼滤波算法对辽宁东部大洋河流域测雨雷达数据进行降水同化适用性分析。分析表明:采用卡尔曼滤波算法对测雨雷达数据进行同化分析后,其面降水误差可平均降低7.93%,单站降水回归方程可通过90%显著性检验。研究成果对于测雨雷达数据在辽宁地区流域面降水监测实际应用具有参考价值。

面向三维目标跟踪的状态转换卡尔曼滤波方法

雷达及声呐系统采集的三维球坐标量测与运动目标的笛卡尔坐标状态呈非线性,导致跟踪精度受限,而具有强非线性的多普勒量测更难以高效利用。针对上述问题,构造由距离、俯仰角、方位角及其微分组成的状态向量,使测量方程线性化;在距离、俯仰角构成二维时变极坐标系中对常微分动力学方程离散化,再基于投影关系引入方位角,建立球坐标系中的典型三维常速度和常加速度运动模型;结合标准卡尔曼滤波在线性高斯框架下,实现跟踪以避免非线性误差。通过仿真验证了在包括多普勒雷达等若干三维跟踪场景下提出方法的有效性与性能优势。

基于卡尔曼滤波的小波去噪和IWOA-ELM的颈肩肌肉疲劳分类方法

针对采集的表面肌电信号噪声干扰多,以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题,本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法。首先,使用AnyBody建立颈肩骨骼肌肉生物力学模型,根据肌肉pH值和RPE劳累感知量表划分肌肉疲劳状态。采集6名健康青年人斜方肌上束疲劳状态下的表面肌电信号。然后,结合卡尔曼滤波和改进的小波阈值函数进行联合去噪,提取均方根、积分肌电值、平均功率频率、中值频率、瞬时平均频率、瞬时中值频率6个特征参数。最后,使用改进鲸鱼优化算法优化极限学习机的权值和阈值,建立IWOA-ELM颈肩肌肉疲劳分类模型。实验结果表明,联合去噪算法效果更佳,IWOA-ELM模型训练集准确率为96.3%,测试集准确率为97.5%,均方根误差为1.108,对于不同受试者分类模型准确率均高于95%,因此本文提出的联合去噪算法和IWOA-ELM模型在颈肩肌肉疲劳分类方面具有优势。

在雷达测雨和洪水预报中自适应卡尔曼滤波法的应用

采用自适应的卡尔曼滤波方法,运用少量雨量计对雷达估测降水进行了校正,结合新安江水文模型和GAME/HUBEX项目1998年在史灌河流域观测的水文资料,对6月28日08:00～7月5日20:00史灌河流域的一次洪水过程进行预报,并与雨量计网测量的面雨量预报结果进行对比.比较结果表明,经过校正后的雷达估测雨量和雨量计测量的面雨量都能较好地预报出流域出口蒋家集的洪水变化趋势、洪峰时刻以及洪水总量,雷达预报的结果同实际观测更加接近,而雨量计预报结果明显偏高.

集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能。结果显示,经过几个同化周期后,EnKF分析结果非常接近真值。单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确。同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果。协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好。雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果。EnKF同化技术对雷达观测资料误差不太敏感。初始集合对同化分析有较大影响。EnKF同化受集合大小和观测资料影响半径。同化对模式误差较敏感。利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构。结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的。中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区。

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验Ⅰ. 不考虑模式误差的情形

本文在假定模式无偏差的情况下,利用一次风暴过程的模拟多普勒雷达资料进行一系列风暴天气尺度的集合卡尔曼滤波资料同化试验,检验集合卡尔曼滤波在风暴天气尺度资料同化方面的效果,并验证各集合卡尔曼滤波参数对同化效果的影响。试验结果表明,集合卡尔曼滤波能有效地应用于风暴尺度的资料同化;40个集合成员以及6km的局地化尺度能较好地滤除采样误差造成的虚假相关,同时可以将观测信息传递到无观测的模式格点;利用背景场加上空间平滑的高斯型随机扰动生成初始成员的方式较未经过平滑的方式有更好的分析效果;背景场扰动方法能够提高样本的离散度;只同化反射率的同化试验表明,反射率的同化效果较明显,也证明了集合卡尔曼滤波在非常规资料同化中的作用;增加径向风资料同化的效果优于只进行反射率同化的结果。

基于转换坐标卡尔曼滤波算法的雷达目标跟踪

在三维空间中推导了转换坐标卡尔曼滤波算法，得到了在目标真实位置已知的条件下去偏转换测量值误差方差的表达式及在测量值已知条件下去偏转换测量值误差方差的表达式，用此算法进行了雷达目标跟踪仿真，取得了较好的跟踪效果。

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验 Ⅱ.考虑模式误差的情形

文章的第I部分(兰伟仁等,2010),利用模拟雷达资料在假定模式无误差的情况下进行了一系列的集合卡尔曼滤波(EnKF)敏感性试验,验证了EnKF方法在风暴尺度天气资料同化中的作用。本文继续探讨EnKF在有显著模式误差的情况下同化模拟多普勒雷达资料的效果问题。试验中假定模式误差主要来源于微物理过程参数化的不确定性。结果表明:模式误差在不同程度上影响了EnKF分析的效果,对微物理量的影响尤其明显;在EnKF分析中,利用微物理过程参数化集合的方法来考虑模式误差,对速度场、位温场以及比湿场有较明显的正作用,但对于微物理量场分析效果较差;若包含控制试验的微物理过程参数化方案,则EnKF对所有变量都有正效果,随着同化循环次数的增加,分析结果更加合理;只考虑冰相过程的微物理过程参数化方案的集合,分析效果进一步提高。

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明:所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。

基于卡尔曼滤波的组网雷达系统目标跟踪分析

提出了一种快速卡尔曼滤波跟踪算法 ,用于组网雷达系统对机动目标的跟踪分析。该算法只需要组网雷达系统给数据处理中心提供每个接收机所测得的准确径向距离 ,然后根据推广卡尔曼滤波技术迭代估算出目标的位置。对机动目标的仿真结果表明 ,该算法不但大大减小了传统跟踪算法的运算复杂度而且具有优良的跟踪性能 ,尤其适用于近距离高速运动目标的准确跟踪。

基于无味卡尔曼滤波的多雷达方位配准算法

将无味卡尔曼滤波(U nscen ted K a lm an filter,UKF)应用于雷达配准,提出一种新的多雷达方位配准算法。在该算法中,目标的运动状态和方位误差由选定的采样点来近似,在每个更新过程中,采样点随着状态方程传播并随非线性测量方程变换,得到目标的运动状态和方位误差的均值,避免了对非线性方程的线性化,且具有较高的计算精度。与传统的扩展卡尔曼滤波(Ex tended K a lm an filter,EKF)方法进行了仿真比较,结果表明UKF方法能有效地克服非线性跟踪问题中很容易出现的滤波发散问题,且估计精度高于UKF方法。

基于自适应卡尔曼滤波的轮速信号处理技术

分析了轮速信号的检测误差,建立了轮速估计的系统状态空间模型,采用了用于轮速估计的自适应卡尔曼滤波算法。利用MATLAB进行了仿真,验证了算法的有效性。实车试验表明,滤波后的轮速信号延时小,响应速度快,平滑效果比较理想,可以用来直接估计车速。

卡尔曼滤波器在炮位侦察雷达中的应用

讨论了利用卡尔曼滤波器进行弹丸飞行模型辨识的方法,介绍了利用数值方法外推炮位的过程,并给出了两种火炮定位的计算机模拟结果。

内模自适应卡尔曼滤波在视觉诱发脑电信号提取中的应用──提取视觉诱发脑电信号的新方法之五

基于确定性有用信号和扰动各自的内模建立了视觉诱发脑电（ＶＥＰ）和自发脑电（ＥＥＧ）混合信号的扩展状态空间模型．然后，将利用非线性推广卡尔曼滤波迭代型算法所形成的内模自适应卡尔曼滤波算法用于提取ＶＥＰ信号．数字仿真和临床试用结果表明了该方法的有效性．

基于平淡卡尔曼滤波的微弱GPS信号跟踪算法

在接收信号很微弱的情况下,全球定位系统(GPS)的传统方法不能很好地跟踪信号.采用非线性卡尔曼滤波算法取代传统的延迟锁定环和相位锁定环,用于高灵敏度GPS接收机的微弱信号处理环节.针对所提出的微弱信号系统模型中相关运算的特点,运用平淡卡尔曼滤波器进行信号跟踪.仿真结果表明,新方法能够较好地跟踪到载噪比低至27 dB-Hz的微弱信号,确保了跟踪精度;同时具有较高的灵敏度.

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF),UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。

顺序卡尔曼滤波校准法雷达定量估测降水检验

利用青岛市气象局多普勒天气雷达基数据和自动雨量计资料,对顺序卡尔曼滤波校准法进行定量估测降水的结果进行了大量样本和一个典型个例检验。5.0mm.h-1以下的弱降水没有参与校准因子的计算,在弱降水、稳定性降水、对流性降水和混合性降水过程中的均方根误差分别为1.15mm、1.13mm、3.0mm和2.18mm,校准方案对克服弱回波情况下雷达资料的不确定性和自动雨量计数据的不确定性带来降水估测误差有良好的效果。青岛的降水过程中,5.0～20.0mm.h-1降水的样本占有最高的比例,在校准因子计算时拥有较高的权重,该雨量档的误差也较小。稳定性天气过程中,降水回波性质差异不大,校准效果最好。滑动平均法是一个简单适用的雷达资料网格化方案。

基于卡尔曼滤波的ABS轮速信号处理

针对实际测得的汽车制动时的轮速信号，分别采用了卡尔曼滤波方法和传统滤波方法进行信号处理。分析表明采用卡尔曼滤波方法处理后的车轮角加速度信号更能真实地反映出汽车ABS系统的工作过程。证明了卡尔曼滤波是一种可用于ABS轮速信号处理的有效手段，因此采用卡尔曼滤波的ABS控制算法可更有效地防止制动时车轮抱死，提高汽车制动时的方向稳定性。