基于多重渐消因子的自适应卡尔曼滤波器

现有计算渐消因子的自适应卡尔曼滤波器得到的通常是标量渐消因子,从而导致各滤波通道具有相同的调节能力,不利于提高滤波精度。针对该问题,提出了一种利用估计均方误差和新息协方差估计值来计算多重渐消因子的方法,通过一组并行工作的基于限定记忆指数加权的新息协方差估值器来计算渐消因子,并根据估计均方误差把渐消因子分配给各滤波通道,从而提高自适应卡尔曼滤波器整体性能,仿真结果证明了所提方法的有效性。

改进UKF算法在移动机器人定位系统中的应用

为解决移动机器人室内定位误差较大的问题,提出一种将最小偏度采样策略和衰减记忆滤波相结合的改进UKF(unscented Kalman filter)算法.该算法采用最小偏度采样策略,采样点个数由2n+1减少到n+2,提高了定位实时性;采用衰减记忆平方根滤波修正量测噪声的权值,避免滤波发散,提高了系统鲁棒性.构建无线局域网定位系统,使用改进的UKF算法对获得的无线信号(RSSI值)进行滤波.采用三边定位法进行定位计算.实验结果表明,系统平均定位误差降低49%,达到0.505 m,可较好地实现机器人的精确定位,满足移动机器人的室内定位要求.

渐消记忆离散GM(1,1)模型及其递推算法

考虑新旧数据对预测效果具有不同影响,对原始数据建立了一种改进的滑动平均预处理方法。在此基础上,通过引入遗忘因子对新旧数据进行不同加权,提出了渐消记忆离散GM(1,1)模型。针对GM(1,1)模型求解计算开销大的问题,给出一种渐消记忆离散GM(1,1)模型的在线实时递推预测算法。将该模型及递推算法用于交通事故预测和区域货物周转量预测,结果表明渐消记忆离散GM(1,1)模型加强了模型的实时跟踪能力,在避免矩阵求逆的同时,提高了预测精度。

基于视觉和渐消记忆UKF的浮空器位姿估测

提出了一种新的浮空器位姿估测方法,用地面上共面设置的四个固定信标和浮空器上双焦CCD摄像机组成单目视觉测量系统;应用四元数描述载体和大地直角坐标系间变换关系,在此基础上利用Levenberg-Marquardt迭代算法将地标图像观测量直接转化为位姿参数值,减少了计算量;合理地采用随机加速度模型构建滤波器状态方程,并引入渐消记忆因子改进平方根UKF滤波算法,用于抑制由于系统建模误差造成的滤波精度下降。对所提方案进行验证,比较了不同渐消记忆因子作用下的滤波结果,仿真结果表明了该方法的有效性。

基于罗格里斯参数的航天器递归线性姿态估计算法

针对航天器姿态确定问题提出了一种新的递归线性估计算法。首先采用罗格里斯参数描述姿态,介绍了基于几何方法得到的非递归线性姿态估计算法。其次,引入历史测量数据,根据姿态旋转关系,获得了递归线性估计算法。进一步引入遗忘因子,对历史测量数据和当前测量数据进行权衡,得到了加权递归线性估计算法。数值仿真结果表明,所提出的递归姿态估计算法比非递归姿态估计算法具有更高的精度,在一定范围内遗忘因子越小,姿态估计精度越高。

雷达低仰角目标跟踪的测角误差实时补偿算法

为提高雷达对低空目标的跟踪精度,提出了一种基于渐消记忆递推最小二乘法的测角误差实时估计算法。该算法利用不同设备同时对目标进行跟踪,得到不同的观测结果。利用渐消记忆递推最小二乘法对不同的观测结果进行处理,赋予不同的权值,得到最终的测角误差估计值。通过理论分析,构建多径环境模型,对该算法的效能进行验证。仿真结果表明,由该方法得到的测角误差估计结果估计误差小,同时可有效减小测角误差的抖动,得到稳定的测角误差估计结果。

基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法

针对1点RANSAC(Random Sample Consensus)单目视觉EKF(Extended Kalman Filter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。

拓展卡尔曼滤波算法在目标跟踪中的改进及应用

拓展卡尔曼滤波器的稳定性并不能保证滤波器算法在实际应用中具有收敛性,为克服滤波发散,基于衰减记忆扩展卡尔曼滤波,利用系统新的量测值对估计值进行修正或进行系统模型的修正,引入衰减因子加强当前数据的权系数,在一定程度上克服线性化和时变等因素造成模型不准而引起的滤波发散。实验结果表明,该算法对道路中运动车辆有良好的跟踪效果,对噪声统计特性的不确定性也有较好的适应性。

直接力/气动力复合控制系统自适应滤波器设计

针对防空导弹直接侧向力开启诱发的弹性振动,对直接力/气动力复合控制系统自适应滤波器设计进行了研究。根据弹性振动模型,采用有陷波滤波器的控制系统,设计了高通滤波器、频率辨识器和陷波滤波器。用渐消记忆最小二乘法在线辨识弹性振动模态频率,实时调整陷波滤波器参数,实现对弹性振动信号的自适应滤波。仿真结果表明:设计的自适应滤波器能准确辨识出弹性频率,可有效抑制弹性振动对控制系统的影响。

基于自适应四元数卡尔曼滤波的姿态估计方法

使用四元数卡尔曼滤波器进行姿态估计的性能与加速度噪声协方差R有很大的相关性。以四元数卡尔曼滤波器递推计算的新息协方差与测量的新息协方差的差值尽可能小为条件,采用基于新息的自适应算法,在线估计加速度计噪声的协方差R,得到符合实际加速度噪声水平的卡尔曼滤波器增益K,对微小型飞行器进行姿态估计。为了减少由新息引入自适应计算的测量噪声,使用渐消记忆的方法对测量的新息协方差进行处理。仿真结果表明,基于新息的自适应四元数卡尔曼滤波器在加速度计噪声协方差R难以测量时或R变化时,相对于四元数卡尔曼滤波器能更准确地获得姿态的估计,减小了滤波器对模型参数的依赖,增加了滤波器的鲁棒性。

基于迭代优化算法的AUV水下运动目标航行参数估计

为了解决自主水下机器人(autonomous underwater vehicle,AUV)对水下运动目标进行实时动态追踪的技术难题,本文将渐消记忆递推最小二乘算法与平方根算法相结合,提出一种迭代优化算法。该算法充分利用渐消记忆递推最小二乘算法的快速收敛性能,利用平方根算法解决迭代过程中的数值不稳定问题。迭代优化算法能够快速解算出运动目标的初始距离、航向角及运动方向,数值收敛时间约为3 min,目标运动速度信息也能够在5 min左右收敛。该算法的收敛时间短、计算速度快,甚至AUV无需进行任何形式的机动即可令其保持悬停,这些优点使本算法适用于AUV水下运动目标追踪的工程实际问题。