非线性随机离散系统推广卡尔曼滤波方法收敛性分析

讨论了非线性随机离散系统的推广卡尔曼滤波算法的收敛性 .基于BoutayebM的一阶线性化技巧 。

非线性系统带次优渐消因子的扩展卡尔曼滤波

本文提出一种适用于一般非线性系统的带次优渐消因子的扩展卡尔曼滤波器。文中给出了求次优时变渐消因子的两种算法,并以数值仿真实例说明本文方法的有效性。

一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法

提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.

一种新的自适应非线性卡尔曼滤波算法

为避免由于系统噪声统计特性不准确所导致的滤波性能下降问题,改进了一种基于新息的系统噪声方差调整方法,并将其与扩展卡尔曼滤波、Unscented卡尔曼滤波和差分滤波相结合,形成自适应非线性卡尔曼滤波。将此方法应用到非线性测量光电跟踪系统中,并与采用基本非线性卡尔曼滤波进行性能对比。仿真实验结果证明该方法可以实时调整系统噪声方差,有效地避免由于系统噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于基本非线性卡尔曼滤波。

非线性自适应平方根无迹卡尔曼滤波方法研究

针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波(NASRUKF)方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波(SRUKF)算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。

光电跟踪系统非线性新息自适应卡尔曼滤波算法

为解决非线性部分状态卡尔曼滤波算法中由于线性化误差所导致的滤波精度下降问题,提出采用UT变换方法计算系统状态误差方差,及基于新息自适应调整系统噪声方差,进而构成一种新的非线性自适应部分状态卡尔曼滤波算法,并总结出详细算法结构。同时,将此方法应用到非线性测量光电跟踪系统中,并与U卡尔曼滤波和非线性部分状态卡尔曼滤波进行性能对比。仿真实验结果证明,将UT变换和基于新息自适应调整系统噪声方差方法引入部分状态卡尔曼滤波是有效的,而且其性能明显优于U卡尔曼滤波和非线性部分状态卡尔曼滤波。

带有色量测噪声的非线性系统Unscented卡尔曼滤波器

传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)要求噪声必须为高斯白噪声,无法解决带有色噪声的非线性系统滤波问题.为此,本文提出了一种带有色量测噪声的UKF滤波新算法.首先,基于量测信息增广和最小方差估计,推导出一类带有色量测噪声的非线性离散系统状态的最优滤波框架,接着采用Unscented变换(Unscented transformation,UT)来计算最优框架中的非线性状态后验均值和协方差,进而得到有色量测噪声下UKF滤波递推公式.所设计的UKF新方法能有效地解决传统UKF在量测噪声有色情况下非线性滤波失效的问题,数值仿真实例验证了其可行性和有效性.

光电跟踪的非线性卡尔曼滤波算法

为得到最小方差意义下的光电跟踪目标的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于非线性光电跟踪目标的卡尔曼滤波算法,并总结出详细算法结构。同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比。仿真实验结果证明,将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波。

一种新型非线性卡尔曼滤波方法

提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。

基于M估计的非线性鲁棒检测卡尔曼滤波算法

针对传统鲁棒非线性滤波在观测噪声为非高斯强干扰噪声情况下,滤波性能下降的问题,提出一种利用卡方检测法预判断的非线性鲁棒检测滤波算法。该算法通过卡方检测设置门限,剔除突变野值,利用M估计修正量测更新。仿真实验对比了几种典型非线性滤波方法在不同观测噪声环境下的性能。所提算法在非高斯强干扰噪声情况下,比传统鲁棒滤波算法估计精度平均提高了25.5%;估计方差平均减少了18.3%。实验结果表明:所提算法可以抑制观测量非高斯强干扰噪声的影响,提高滤波精度及稳定性。

基于集合卡尔曼滤波的非线性目标跟踪算法

针对目标跟踪系统的非线性问题,将集合预报思想和卡尔曼滤波技术相结合,提出了基于集合卡尔曼滤波的非线性目标跟踪算法,讨论了初始集合的不同选择对跟踪性能带来的影响,实现了与其它常用非线性跟踪算法间的比较。利用到达角和多普勒频率测量数据实现非线性系统中目标跟踪,验证了算法的有效性和可行性。仿真结果表明集合卡尔曼滤波技术能够应用到非线性目标跟踪系统中,并且计算复杂度较低,具有很好的跟踪性能。

集合卡尔曼滤波方法在非线性油藏问题中的应用

改进标准集合卡尔曼滤波方法,对非线性油藏的历史拟合及反演问题进行研究。油藏生产历史数据历史拟合过程中只对油藏模型参数进行更新,然后利用更新的模型参数从初始状态重新运行油藏数值模拟软件进行下一拟合时刻的生产预测,从而解决由于非线性引起的更新模型与更新动态场间的不一致性。利用改进方法对一个假定油藏的初始油水界面位置、渗透率场以及孔隙度场等参数进行估计,并与标准集合卡尔曼滤波方法的结果进行比较。结果表明,改进的集合卡尔曼滤波方法能得到很好的估计和预测结果。

针对非线性卡尔曼滤波算法发散的抑制方法研究

针对常用的非线性扩展卡尔曼滤波算法在工程应用中所存在的发散问题,文中分析归纳了导致该算法发散的主要原因,同时在目前两种抑制滤波发散非线性算法的基础上,探讨了一种既保证滤波精度又提高自适应能力的改进型自适应滤波算法。并通过捷联惯导系统的初始对准误差模型对3种滤波算法进行数学仿真。仿真结果表明,改进型非线性自适应滤波可有效地抑制滤波发散,并在提高误差估计精度的基础上具有较大范围的自适应能力。

线性系统在非线性等式约束下的集员卡尔曼滤波

为了解决运行系统要求的100%估计包含真实最小域的需要和计算机的实时计算问题,使用集员卡尔曼滤波算法解决非线性状态约束.采用最小迹椭球算法对状态向量的椭球域进行更新,同时分别在预测和滤波的2个阶段用投影的方法把没有约束的状态估计投影到有约束的状态估计表面来处理约束问题.最后将所设计的集员卡尔曼滤波器应用到汽车追踪实例中.实验结果表明:采用所提算法的系统只是在初始值有比较大的误差,在后续的跟踪过程中都能在最大最小界之内跟踪上真实值.所提算法相比于传统的卡尔曼算法,其误差能迅速减小.实例仿真结果证明了所提方法的可行性和有效性.

基于非线性卡尔曼滤波的鱼雷速度的估计

研究了基于非线性鱼雷运动方程的连续-离散卡尔曼滤波算法,提出基于估计理论的鱼雷速度重构的估计算法。文中主要思想是基于鱼雷的非线性方程,研究系统的闭环状态估计、数据的相容性处理算法,以提高鱼雷速度估计的准确性。仿真结果证明该方法不但具有较高的估计精度,而且其算法也是递推算法,可以满足实际应用的实时性要求。

耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。

卡尔曼滤波-分光光度法用于非线性加和的多组分体系

由于卡尔曼滤波算法对重迭谱图具有很强的解析能力,同时还具有计算速度快,所需内存小,适于联机处理与实时分析等优点,近年来在多组分分光光度测定中得到广泛应用,但该方法必须满足在绝大多数测量波长下,由下式所定义的量测模型。

基于无迹卡尔曼滤波的非线性解耦方法在火电机组中的应用研究

针对火电机组存在强耦合、强非线性和参数不确定性,难以采用常规控制方法对其进行有效控制的问题,本文首先分析系统的非线性强度及系统的模型参数不确定性对系统的影响,在深入了解系统动态特性的基础上,对系统参数采用无迹卡尔曼滤波(UKF)方法进行估计,采用全局线性化控制(GLC)策略对上述系统进行控制。仿真结果表明,采用UKF方法能够快速有效地估计模型的不确定参数,基于GLC的方法与反馈线性化控制方法相比,提高了系统的控制性能。该模型具有较强的鲁棒性,可为实际生产提供技术支持和理论指导。

基于非线性模型的卡尔曼滤波非均匀校正新算法

针对IRFPA器件上探测元响应呈现的非线性以及其在工程使用中固定图案噪声会发生漂移的特性，文章提出一种基于非线性模型的卡尔曼滤波非均匀校正新算法。该算法和传统卡尔曼滤波算法以及基于非线性模型的卡尔曼滤波普通算法相比，扩大了工程应用范围，提高了迭代过程中的估计精度。仿真实验结果验证了该算法的可行性和优越性。

基于高斯–广义双曲混合分布的非线性卡尔曼滤波

本文研究带非平稳厚尾非高斯量测噪声的非线性系统状态估计问题.考虑到广义双曲分布包含多种常见厚尾分布特例,且其混合分布为共轭的广义逆高斯分布,选用广义双曲分布建模厚尾噪声;进而引入伯努利变量构建高斯–广义双曲混合分布来建模非平稳厚尾噪声,并利用该分布的高斯分层结构得到系统的概率模型.随后采用变分贝叶斯方法实现对系统状态以及噪声参数的后验估计,得到针对此类噪声系统的卡尔曼滤波(Kalman filter,KF)框架,现有的几种鲁棒滤波算法均是本文算法的特例.机器人跟踪仿真实验表明,所提算法与同类算法相比具有更好的估计精度和数值稳定性,且对于初始参数具有较好的鲁棒性.