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。

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...

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。

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。

负载口独立控制系统非线性滤波振动抑制方法

针对负载口独立控制系统在作业过程中时常因控制信号突变而造成执行器速度振荡及液压缸两腔压力波动,从而导致操作舒适性和机器可靠性降低甚至引发安全事故的问题,首先,分析了负载口独立控制系统压力流量复合控制策略以及传统阻尼补偿方法抑振的局限性,阐明了引发速度振荡与压力波动的原因;然后,基于该控制系统,提出了采用非线性滤波器修改突变控制信号的抑振方法,并给出了非线性滤波器的边界选取原则;最后,设计了负载口独立控制系统的进出口阀控制器,通过修改参考流量信号,降低了不同突变信号对执行器速度带来的影响。基于20 t挖掘机负载口独立控制系统开展数值仿真,结果表明:相较于传统阻尼补偿方法,采用所提方法能够有效降低阶跃、斜坡信号引起的执行器速度振荡与压力波动,且在动臂液压缸全伸、全缩典型工况下压力波动较小,并使速度振荡降低了32.5%~64.7%,从而有效改善了系统的动态特性。

多传感器非线性系统序贯观测融合二阶扩展卡尔曼滤波器

对多传感器非线性系统提出了一种序贯观测融合二阶扩展卡尔曼滤波(Second-order Extended Kalman Filter,SOEKF)算法。该算法的中心思想是根据传感器观测数据到达融合中心的先后次序依次进行处理。研究表明,提出的序贯观测融合SOEKF算法比集中式观测融合EKF算法具有更高的精度;与集中式观测融合SOEKF算法精度相当,且具有更低的计算复杂度。目标跟踪系统的仿真验证了算法的有效性。

单相半桥并联有源滤波器非线性控制策略研究

在本文中,研究了通过半桥逆变器控制与光伏系统集成的单相并联有源电力滤波器的问题,使用基于平均非线性模型开发的双环控制系统处理上述问题。内环采用滑模方法进行设计,以实现功率因数校正。在外环中使用比例积分 PI调节器,通过增量电导算法来保证最大功率点跟踪 (MPPT)。最后,通过坊真软件下的理论分析和仿真结果,证明了提出的控制策略达到了相应目标。

Kalman滤波在自动化监测数据噪声处理上的应用研究

对Kalman滤波在静力水准和固定式测斜仪原始数据降噪处理中的应用进行研究。结果表明,在缓慢变形条件下,Kalman滤波可以有效过滤原始数据中的噪声,提供试验结果,还原监测对象真实变形情况。但在突发变形情况下,Kal-man滤波反应滞后。因此,实际应用中应综合使用滤波前和滤波后的数据,以更准确地研判变形趋势和规律,为自动监测数据的噪声处理提供了新的思路和方法。通过Kalman滤波的应用,可以进一步提高监测数据的准确性和可靠性,为工程安全监测和地质灾害预警等领域提供支持。

非线性量测下的机动多目标跟踪

为了解决非线性量测下机动多目标跟踪实时性差、跟踪误差大以及对杂波变化鲁棒性较差的问题,基于随机有限集理论,提出了一种采用量测转换和模糊算法改进的多模型δ-广义标签多伯努利滤波器。首先,推导了交互多模型的δ-GLMB滤波器,通过去相关无偏量测转换实现位置量测从极坐标系到笛卡尔坐标系的无偏转换,并通过预测值去除量测误差和其协方差的相关性造成的滤波估计偏差,实现了非线性场景下的机动多目标跟踪;然后,通过航迹和量测的关联新息以及目标的机动约束构建联合波门,降低了杂波量测的数量;最后引入改进的模糊算法,以目标的模型后验概率为输入,根据模型的分离程度自适应调节运动模型的过程噪声,增加滤波精度。研究结果表明:在杂波环境下,通过与CKF-JMS-δ-GLMB、CKF-IMM-δ-GLMB等非线性多模型滤波器对比,所提算法计算时间较小,且跟踪精度更高,鲁棒性强。所提算法避免了传统的非线性处理方式计算量较大的问题,并且具有较好的杂波抑制特性,提升了非线性量测下机动多目标跟踪的性能。

基于Kalman滤波与应变信号的舰船轴系推力辨识研究

在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一些常用的信号降噪方法,比如傅里叶变换、小波分析等均是基于纯数据降噪,未考虑测量数据中潜藏的力学机制。不同于这类降噪方法,Kalman滤波可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。

基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

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.