基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。

GPS导航解算中几种非线性Kalman滤波的理论分析与比较

GPS导航解算中常采用离散线性Kalman滤波模型。由于线性化忽略高次项,加之线性化受初始值精度的影响,导致线性化模型精度很难满足高动态用户需求。为此,分别讨论了扩展Kalman滤波和Bancroft算法以及利用观测信息迭代精化观测方程三种算法,并结合算例进行了比较与分析。

船舶动力定位系统非线性Kalman滤波器的设计

针对船舶动力定位系统的非线性数学模型,设计了一个非线性Kalman滤波器,实现在线对非线性系统的状态量进行最优估计。为保证滤波器的稳定性和精确性,讨论了测量粗差在非线性滤波器中如何校正。然后,对所设计的非线性滤波器进行仿真分析,仿真结果表明该非线性Kalman滤波器具有良好的状态估计和滤波性能,且船舶运动状态估计值收敛于实际值,验证了所设计滤波器应用在船舶动力定位系统的有效性。

GPS导航中非线性Kalman滤波的方法分析

介绍了非线性Kalman滤波常使用的扩展Kalman滤波、平淡Kalman滤波和基于Bancroft算法的两步滤波法,分析了三种方法的优点和不足,为GPS导航方法的选择提供了参考。

基于非线性Kalman滤波器的长序列图像运动估计

本文讨论一种基于运动模型的、从长序列含噪立体图像中估计目标运动参数的Ｋａｌｍａｎ滤波方法．为减轻滤波器的发散性，文中建立产生状态初始值的线性算法．最后给出计算机模拟的结果．

非线性Kalman滤波同时测量难分辨双组分有机氯酚混合体系

提出了邻氯苯酚与2，4_二氯苯酚混合体系非线性吸光度表示式．非线性吸光度由2组分各自对吸光度的贡献和由于混合而导致的2组分各自贡献的改变以及交互作用项3部分构成．依据该式，利用非线性Kalman滤波法处理了42组邻氯苯酚与2，4_二氯苯酚的标准混合溶液在260～300nm区间的紫外光谱数据，在混酚的标准溶液中酚的质量浓度均在0．1～15mg／L范围内．利用偏最小二乘法，将其制作成扩展Kalman滤波标准工作系数矩阵．通过对非线性吸光度关系式Taylor级数展开进行线性化处理，得到其向量函数的Jacobi矩阵，从而完成了非线性Kalman滤波器的设置．回收实验显示，扩展Kalman滤波同时测量邻氯苯酚与2，4-二氯苯酚双组分体系是准确、稳定的．

温度荷载下混凝土材料参数的非线性Kalman滤波反演研究

将非线性扩张Kalman滤波理论引入温度荷载作用下的大体积混凝土材料参数随机反演问题,推导并建立了Kalman滤波理论的观测修正方程和时间传播方程,并研究了温度荷载作用下混凝土材料参数反演中的扩张Kalman滤波器与有限元耦合问题,推导了相应的计算公式,同时给出了扩张Kalman滤波理论反演材料参数的步骤。研究表明,非线性Kalman滤波算法具有较强的收敛性,故而应用扩张Kalman滤波理论反演参数计算效率较高。研究结论可供工程设计参考。

一种二阶非线性Kalman滤波算法

应用Kalman滤波理论,导出了一种适用于炼钢终点定碳的计算机控制算法。

基于非线性Kalman滤波器的长序列立体图象运动估计

基于非线性Ｋａｌｍａｎ滤波器的长序列立体图象运动估计黄浴，袁保宗，彭光凤（北方交通大学信息科学研究所，电气工程系，北京１０００４４）摘要：讨论一种基于运动模型的、从长序列含噪立体图象中估计目标运动参数的方法。目标的运动模型具有恒进动的旋转分量和恒加速...

非线性时间一致性的相关滤波目标跟踪

针对现有目标跟踪算法主要采用线性约束机制LADCF(Learning Adaptive Discriminative Correlation Filters)跟踪模型容易漂移的问题,提出非线性时间一致性的相关滤波目标跟踪算法。首先,结合史蒂文斯定律,提出贴近人类视觉感知特性的非线性时间一致项,使模型相对平滑地跟踪目标,从而保证跟踪连续性,避免跟踪模型漂移;其次,采用交替方向乘子法(ADMM)求解最优函数值,保证算法的跟踪实时性;最后,利用史蒂文斯定律非线性更新滤波器,使滤波器更新因子可以根据目标的变化增强和抑制滤波器,以适应目标变化,防止滤波器退化。在4个标准数据集上与主流相关滤波和深度学习算法对比实验,相较于基线算法LADCF,所提算法的跟踪精确度和成功率在OTB100数据集上分别提升了2.4和3.8个百分点;在UAV123上分别提升了1.5和2.5个百分点。实验结果表明,所提算法能有效避免跟踪模型漂移,降低滤波器退化概率,跟踪精确度和成功率较高,面对遮挡、光照变化等复杂场景时具有较强的鲁棒性。

非线性时空正则化的相关滤波目标跟踪算法

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

基于非线性各向异性滤波的图像特征匹配算法

图像特征匹配是增强现实系统中的关键技术,匹配精度是提升特征匹配性能的关键。提出了一种多尺度特征匹配加强算法(I-AKAZE),通过对非线性各向异性滤波过程中传导函数的改进,减缓图像梯度值大的区域非线性扩散速度,极大程度地保留了匹配图像的边缘特征;同时,结合改进的非线性量化加速稳健特征描述符(NLG-SURF),提高了描述符的识别率。实验结果表明I-AKAZE算法在Mikolajczyk数据集上的可重复性得分相比目前先进的AKAZE算法有着大幅度提升,对应的特征描述符的平均识别率提升8.4%,并且运行速度比经典的SIFT算法快约19%,算法整体在检测和描述阶段上的性能都有提升。

基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器

对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器(Unscented Kalman filter, UKF),提出了非线性加权观测融合无迹Kalman滤波器(WMF (Weighted measurement fusion)-UKF).与集中式融合UKF (CMF (Centralized measurement fusion)-UKF)相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性.

基于非线性映射的自适应混合Kalman/H_∞滤波器

Kalman滤波器的精度高,但是鲁棒性差。H∞滤波器虽然鲁棒性好,但是精度不高,将两种滤波器进行混合获得新的滤波器可同时具备高精度和对干扰噪声的鲁棒性。通过对Kalman滤波器的实时性能评价,提出了一种基于非线性映射的自适应调节权值混合Kalman/H∞滤波器,并通过全球定位系统/推位组合导航模型对提出的方法进行了仿真验证。仿真结果表明,在干扰噪声统计特性变化和系统模型存在摄动条件下,与Kalman滤波和H∞滤波方法相比,所提出的混合Kalman/H∞滤波方法具有更高的滤波精度,更适用于实际应用。

非线性系统的小波分频的扩展Kalman滤波

基于噪声的小波变换特点,结合量测的多尺度分解和扩展Kalman滤波(EKF),提出了一种小波“最佳”尺度分解的分频EKF滤波算法。该算法依据小波变换模功率谱选择最佳小波分解尺度,并将小波多尺度分解去噪和分频EKF滤波结合起来。对实际中含强噪声的非线性动态系统进行状态估计效果较好。Monte-Carlo仿真表明,与普通EKF滤波相比,本文算法的滤波精度平均提高约10%。

基于简化无迹Kalman滤波的非线性SINS初始对准

传统的小干扰失准角模型只适合于小失准角情况下的初始对准,对于处于大失准角下的舰船或飞机的对准必须寻求不做任何线性假设的非线性模型和非线性滤波方法。针对以上问题,建立了基于四元数的姿态误差方程,给出了基于复杂噪声模型的UKF算法,在该算法的基础上假设量测方程为线性,得出简化的UKF算法,避免了重采样、多次求解量测预测方程、计算量测预测方差等一系列繁杂过程。基于以上理论建立了适合简化UKF算法的非线性滤波模型,在大失准角、小失准角下与常规Kalman和EKF算法做对比仿真,结果表明,在小失准角下三种方法效果相当,但在大失准角下简化UKF和EKF显示出了处理非线性模型的优势,对准速度和精度都好于常规Kalman算法。由于EKF线性化造成的高阶截断误差使得对准精度略低于简化UKF。

基于Kalman滤波的换热器非线性状态参数校正

炼化工艺系统中换热网络数据的准确提取将直接影响到集成优化方案和优化控制的性能。针对换热器非线性状态参数的数据校正,构建了换热器分段线性集总参数传热过程模型,有效地解决了换热器流股物性非线性变化所引起的非线性状态空间方程求解的问题;提出了基于分段线性Kalman滤波状态空间方程的换热器状态参数校正方法,并通过蜡油加氢装置反应流出物高压换热器工业实例阐述了所提出方法的实现过程和效果。研究表明:换热器分段线性集总参数模型中分段数对Kalman滤波的计算收敛性具有重要影响,随着分段数的增大,换热器状态参数收敛于固定值,分段数需根据计算精度通过试差确定。本文方法可对换热器非线性状态参数实施有效的数据校正,对流股物性进行分段线性化处理具有较高的计算精度,可用于大温差或物性变化较剧烈情况下换热器非线性状态参数的数据校正。

一类非线性系统的新型扩展Kalman滤波器

非线性系统的状态估计是系统控制与信号处理领域基础而又关键的课题．文中针对工程实际当中的一类非线性时变离散系统提出了一种新型的扩展Kalman滤波器．与经典扩展Kalman滤波器相比,该滤波器设计过程避免了线性化操作,且其参数是通过最小化状态估计均方误差的上界得到的．仿真结果表明该滤波器是可行的,并能够提供比经典扩展Kalman滤波器更高的估计精度．

一类非线性广义随机系统的降阶Kalman滤波器

研究了一类非线性广义系统的状态估计问题。利用Taylor级数展开的方法将其转化为线性广义系统;再利用奇异值分解,对线性化后的系统进行降阶,转化为等价的正常线性系统;最后基于Kalman滤波估值理论,得到非线性广义系统的Kalman滤波器。通过数值仿真例子,验证了所提方法的有效性。

非线性自识别自校准Kalman滤波方法

针对深空探测、制导与控制、故障诊断中状态方程为强非线性(不能线性化)并且含有未知输入(系统误差)的情况,文章提出了一种非线性自识别自校准滤波方法,并分别结合秩采样和Sigma点采样方法,详细讨论了秩采样自识别自校准Kalman滤波和Sigma点采样自识别自校准Kalman滤波。该方法能对非线性状态方程中是否含有未知输入进行自动识别,在确认存在未知输入后再对该未知输入进行估计和补偿,这样既能有效消除状态方程中的系统误差影响,又能通过状态方程与量测方程的融合减小偶然误差,从而提高滤波精度。从算例结果可以看到,与无迹Kalman滤波和自适应无迹Kalman滤波相比,采用非线性自识别自校准Kalman滤波后,估计精度至少提高64%以上。