基于53H滤波的船舶综导信息在线平滑方法

针对船舶综合导航系统接收的导航信息存在野值点的问题,本文提出一种基于改进53H滤波方法的在线平滑方法。该方法利用连续几个信息的中值预测当前时刻的信息,然后与测量值进行比较,如果两者差值超过一定阈值,则用预测值取代测量值,从而实现在线平滑。通过将该方法应用于海试试验数据的处理,结果表明相对于传统的最小二乘滑动滤波与5点3次平滑算法,该方法计算简单、容易实现,而且具有较好的在线平滑效果。

锂电池自适应无迹H∞滤波SOC估计研究

荷电状态(state of charge,SOC)作为表征锂电池剩余电量的关键指标,其精确估计对于合理使用电池电量、保障电池安全具有重要意义。本文针对基于H∞滤波(H infinity filter,HIF)估计SOC时鲁棒性好但估计精度低的问题,提出一种自适应无迹H∞滤波(adaptive unscented H infinity filter,AU_HIF)SOC估计方法,以提高SOC估计精度。首先,选择能够在精度和复杂度间取得良好平衡的双极化(dual polarization,DP)等效电路模型进行新型估计算法的设计;其次,结合无迹卡尔曼滤波(unscented Kalman filter,UKF)算法相比于传统扩展卡尔曼滤波(extended Kalman filter,EKF)算法更适用于非线性系统状态估计的特点,文章基于先验误差协方差矩阵设计新型渐消因子,实现自适应无迹H∞滤波算法的设计,以减小陈旧测量值对估计结果的影响,提高滤波算法的跟踪能力及估计精度。最后,通过搭建自主实验平台获取实际模拟工况数据,验证了文章所提自适应无迹H∞滤波算法相比于传统H∞滤波算法、传统UKF算法和其他类型改进H∞滤波算法具有更高的估计精度及更好的鲁棒性。文章研究内容对提高新能源汽车、储能电站等电池系统的SOC估计精度具有重要意义。

基于混合H2/H∞滤波信息融合的室内定位算法

在接收信号强度指示(RSSI)指纹定位与行人航位推算(PDR)组合室内定位模型中,针对噪声误差和模型误差对融合定位的影响,提出了一种基于混合H2/H∞滤波的融合定位方法。由于室内信号存在多径传播、衰减、非视距(NLOS)的影响以及传感器精度问题,系统或观测噪声往往不符合卡尔曼滤波(KF)的假设前提,造成滤波稳健性差。H∞滤波不对噪声特性和模型误差做出假设,具有一定抗干扰能力,但由于结果保守,精度略低。混合H2/H∞滤波同时兼顾了二者的特性,在精度和鲁棒性提供一种均衡。通过仿真实验对比这3种滤波的融合定位性能。实验结果表明:混合H2/H∞滤波有效提高了指纹/PDR组合室内定位系统的精度和鲁棒性。

DoS攻击下基于事件触发机制的2-D系统弹性H∞滤波分析

针对拒绝服务(DoS)攻击下的二维F-M系统,基于事件触发机制设计了一种满足H∞性能的弹性滤波器。首先,对二维DoS攻击和事件触发机制进行建模,设计了一个弹性滤波器,构造了增广滤波误差系统并给出了预设的性能指标。其次,基于随机分析方法和Lyapunov理论,给出了确保二维增广滤波误差系统鲁棒稳定的充分判据,推广得出增广滤波误差系统具有鲁棒H∞性能。再次,通过求解相关矩阵不等式,给出了弹性滤波器参数的显式表达式。最后,通过仿真实例验证了理论结果的可行性。

高动态环境下基于H_∞滤波的深组合导航技术

捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统是适用飞机和现代武器装备的高精度导航系统。针对高动态环境下GPS/SINS组合导航系统的定位精度问题,以炮射无人机为例提出基于H∞滤波技术的SINS/GPS伪距、伪距率深组合导航方案,用于提高高动态环境下组合导航系统的精度和鲁棒性。仿真结果表明,H∞滤波器不但比Kalman滤波器鲁棒性强,而且可用于带有强有色噪声的高动态系统中,并能保持较高的精度。

基于H_∞滤波器的红外小目标运动预测和跟踪方法

根据H∞滤波理论,提出了基于H∞滤波预测技术的红外图像小目标运动预测和跟踪方法,为了降低模型阶数以加快图像处理速度,滤波过程被分解在水平和垂直两个方向上分别进行,即将滤波器分解为x、y方向上两个子滤波器.H∞滤波器是一种基于最优化最坏情况下的滤波技术,它对噪声源的要求不高,能较好地应用在复杂场景下的目标运动预测与跟踪.实验证实了在噪声源不能确定或是未知的情况下,它比Kalm an滤波器对红外小目标的运动预测更加准确并具有更好抗扰动性.

自适应联合H_∞滤波器及其在组合导航系统中的应用

研究了联合H∞ 滤波模型融合信息在各子滤波器中的分配原则 ,利用改进的Elman网络设计了信息分配系数自适应调节算法 ,给出了引用此算法的自适应联合H∞ 滤波器模型 ,并且给出了该模型的详细算法 .MIMU/GPS/HMR组合导航系统的仿真结果表明 ,应用本文提出的自适应联合H∞ 滤波器实现了融合信息在各局部滤波器和主滤波器的自适应分配 ,提高了系统状态估计精度和滤波器解算速度 .

具有一步随机时滞和多丢包的网络系统H_∞滤波器设计

在网络系统中由于连接传感器和滤波器的网络带宽有限,系统测量数据在传输中会出现随机时延甚至丢失.本文讨论了具有一步随机时延和丢包的网络系统的H∞滤波器设计问题.基于新近提出的同时描述随机时延和丢包的模型,利用线性矩阵不等式方法设计线性滤波器,使得滤波误差系统均方指数稳定,并具有给定的H∞性能.滤波器参数通过求解一个线性矩阵不等式得到.仿真研究说明了所提出算法的有效性.

基于H_∞滤波技术的传递对准方法

从实际应用的角度出发,提出利用跟踪微分滤波器抑制机翼挠曲变形产生的影响,通过杆臂效应补偿消除干扰加速度,用延时补偿算法减少由数据传输延迟造成的量测信息误差。在此基础之上,采用"速度+姿态"匹配方案,研究了基于H_∞滤波估计的快速传递对准方法。大量数值仿真、静态试验、动态跑车试验表明,这些方法有收敛速度较快、精度较高的特点,并具有较强的抗干扰能力。试验也验证了传递对准方法的有效、可行,能满足控制系统对导航信息的精度要求。

具有随机通讯时延的离散网络化系统的H_∞滤波器设计

由于传感器和滤波器是通过有限带宽的网络连接的,因此系统的测量数据经常会出现时延,而且时延是随机的.本文讨论了具有一步随机通讯时延的离散网络化系统的H∞滤波器设计问题.利用线性矩阵不等式方法设计线性滤波器使得滤波误差系统是均方意义下指数稳定并具有给定的H∞性能.滤波器参数通过凸优化技术求解一个线性矩阵不等式得到.数值仿真表明设计方法的有效性.

基于正则化观测矢量的H无穷粒子滤波红外目标跟踪方法

提出了一种新颖和鲁棒的红外图像序列中的目标跟踪方法。由于H无穷滤波器在系统噪声源不能确定或是未知的情况下具有较好的预测性能,所以以其估计得到的预测信息来分配粒子滤波算法的粒子。为解决粒子滤波的"采样枯竭"问题,正则化了H无穷粒子滤波器的观测矢量。同时,通过计算每个目标的亮度和局部标准差分布构成级联核的目标模型,以用于计算粒子集中各个粒子的加权值。对于目标的尺寸和表观信息变化的情况,以目标区域像素灰度值零阶矩的函数来调整跟踪窗口的大小,模型更新则通过更新目标模型的每个量化阶来实现。实验结果证明了所提出的红外图像目标跟踪方法是有效的,并且优于所比较的算法。

Delta算子描述系统的非脆弱H_∞滤波器设计

研究了一类Delta算子描述的线性系统非脆弱H∞滤波问题.所设计的滤波器具有乘性的滤波器增益变化.采用线性矩阵不等式方法,给出H∞滤波器存在的充分条件,所设计的滤波器在一定的乘性参数变化情况下,仍能保证滤波误差系统渐近稳定,且具有一定扰动抑制性能.数值仿真例子说明了设计方法的有效性.

H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

在对 H∞ 估计问题进行数学描述的基础上 ,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系 ,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明 ,在理想条件下 ,Kalman滤波方法具有较高的精度 ;但是 ,当系统模型和外部干扰统计特性发生变化时 ,H∞ 滤波算法明显具有良好的鲁棒性能 ,同时 ,估计精度也较高 ,有效地克服了

基于sigma点H∞滤波的说话人跟踪方法

在基于麦克风阵列的说话人跟踪系统中,存在观测方程的非线性程度较强,观测误差的统计特性不易准确描述等问题。本文提出了一种基于sigma点H_∞滤波的说话人跟踪方法。该方法用sigma点转换技术减小观测方程的线性化误差,用H_∞滤波方法降低观测误差不确定性对说话人位置估计的影响,从而提高了说话人跟踪精度,增强了跟踪系统对噪声的鲁棒性。仿真实验结果表明,相对于扩展卡尔曼滤波方法,本文方法在多种噪声条件下可将说话人跟踪误差降低25%以上。

基于轨道约束H_∞滤波的北斗辅助列车定位算法研究

针对列车定位的高安全性和稳定性要求,结合列车行驶的特殊性,提出采用铁路轨道信息对北斗定位数据进行约束的H_∞滤波算法。以模糊自适应"当前"统计模型为基础建立列车运动模型,通过将轨道近似为直线段,建立轨道约束模型。将轨道约束与H_∞滤波器结合实现轨道约束H_∞滤波算法。通过仿真对比分析H_∞滤波与卡尔曼滤波、约束与无约束估计的误差。仿真结果表明:轨道约束在提高算法定位精度方面效果明显,H_∞滤波在列车位置估计上具有鲁棒性优势。验证了轨道约束H_∞滤波算法的有效性,对北斗辅助列车定位的工程应用具有理论指导意义。

捷联惯导系统初始对准的H_∞滤波及卡尔曼滤波比较研究

研究了基于卡尔曼滤波和基于H_∞滤波的两种初始对准方法。通过建模仿真及比较分析,得出了在外界噪声影响较大或有建模误差时,使用卡尔曼滤波将出现滤波延缓甚至发散现象,而使用H∞滤波,能有效克服传统Kalman滤波器性能恶化的问题,既可获得较高的对准精度,又提高了系统的实时性,从而从总体上提高初始对准效果。

基于Delta算子时变时延网络控制系统的H_∞滤波

研究了具有时变时延的网络控制系统滤波问题,设计了一个H_∞滤波器使得时变时延系统保持稳定,基于Delta算子,使得连续域的设计方法可直接应用于离散域的设计.首先对时变时延的网络控制系统进行建模,构造了滤波误差系统,然后采用Lyapunov-Krasovskii泛函的方法,保留了经常被忽略的有用时延项,对网络控制系统的H_∞滤波器误差系统进行性能分析,再通过一组线性矩阵不等式给出了使滤波误差系统渐近稳定的充分条件,并且得到了H_∞滤波器的设计方法及导数表达式,最后通过数值例子表明本文方法的有效性.

H_∞次优滤波在速度姿态匹配传递对准中的应用

针对速度+姿态匹配传递对准中量测中的不确定性干扰,采用H∞滤波方法进行速度+姿态匹配传递对准。并与卡尔曼滤波进行了比较,仿真结果表明,当系统噪声和量测噪声为白噪声时,卡尔曼滤波器和H∞滤波器均有效,而且卡尔曼滤波器优于H∞滤波器。但是,当系统噪声与量测噪声为有色噪声并且存在建模误差时,卡尔曼滤波收敛速度明显低于H∞滤波的收敛速度。H∞滤波更符合工程应用的实际情况,因而H∞滤波是一种非常有效的估计方法。

H_2/H_∞混合滤波在GPS/DR组合导航中的应用研究Ⅰ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H_∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H_2/H_∞混合滤波。本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H_2/H_∞滤波方法,仿真结果表明,H_2/H_∞混合滤波即具有卡尔曼滤波的同等精度,又具有H_∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H_2/H_∞滤波更符合工程应用。

线性系统的非脆弱H_∞滤波

考虑一类线性系统的非脆弱H∞滤波器设计问题.所设计的滤波器具有乘性的滤波器增益变化.采用线性矩阵不等式方法,给出线性连续系统和离散系统的非脆弱H∞滤波器存在的充要条件.数值仿真例子说明了设计方法的有效性.