基于Huber鲁棒性滤波的惯性/天文组合导航算法

针对星敏异常量测对组合系统状态估计性能的影响,提出一种基于Huber鲁棒性估计理论的惯性/天文组合导航滤波算法。通过对广义极大似然估计理论的详细推导,给出了基于Huber鲁棒性估计的Kalman滤波(简称H-EKF)算法流程,并基于跑车数据进行算法性能对比验证。结果表明,该算法对星敏异常量测噪声具有很好的鲁棒抑制性,与传统Kalman滤波算法相比,对陀螺常值漂移的估计精度和稳定性均有所提升,有效保证了惯性/天文组合系统导航精度。

基于Huber的鲁棒高阶容积卡尔曼滤波算法

为提高随机变量非高斯分布时高阶容积卡尔曼滤波(High-degree Cubature Kalman Filter,HCKF)算法的鲁棒性,提出了一种基于Huber方法的鲁棒高阶容积卡尔曼滤波算法。从近似贝叶斯估计角度解释了Huber方法作用于卡尔曼滤波算法的本质是对新息进行截断平均,通过在现有滤波框架内利用Huber方法对观测量进行预处理,并将处理后的观测量进行标准的HCKF量测更新,实现了HCKF算法的鲁棒化。所提算法无需通过统计线性回归模型对系统的非线性量测模型进行近似,高阶容积变换的优势得到充分利用,从而在保持鲁棒性的前提下提高了算法的滤波精度。单变量非平稳增长模型和再入飞行器目标跟踪问题验证了该算法在鲁棒性和滤波精度方面的优势。

基于Huber的改进鲁棒滤波算法

针对在观测噪声为非高斯强噪声的情况下,传统Kalman滤波将会失效,同时基于l1/l2联合范数的Huber法,其估计精度也会降低等问题,提出一种利用新息卡方检测法预判断的鲁棒滤波算法,该算法可以抑制观测连续非高斯强噪声的影响,提高滤波精度及稳定性,具有良好的鲁棒性。仿真实验对比了四种滤波方法在不同混合高斯噪声环境下的性能,结果表明:进行了卡方检验预判断的鲁棒滤波算法具有更高的状态估计精度和稳定性。

基于Huber鲁棒估计的改进互补滤波姿态解算算法

针对站球机器人在坡面运动过程中,由于系统振荡倾向性导致的姿态估计不准确以及在估计中存在噪声等问题,设计了一种基于Huber鲁棒估计的改进互补滤波姿态解算算法。首先,对站球机器人在斜坡上进行了动力学分析和运动性能分析。其次,利用Huber鲁棒估计抑制站球机器人在坡面运动过程中由于机身振荡所引入的干扰噪声,并改进互补滤波进行姿态解算。最后,为了减少磁力计输出不稳定对姿态解算的干扰,设计了一种数据平滑切换方法。实物实验结果表明,设计的基于Huber鲁棒估计的改进互补滤波姿态解算算法相比于互补滤波算法,对俯仰角、横滚角和偏航角的估计精度分别平均提高19.21%、25.48%和36.04%,该算法可以有效地抑制站球机器人在坡面运动过程中由于机身振荡引入的噪声,能够保证姿态解算的准确性和实时性。

基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法

对于非线性系统而言,容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法是处理状态估计问题的一种有效方法,并且其在高斯噪声下可以获得良好的估计性能。然而,当噪声被重尾噪声污染时,其性能通常会急剧下降。为解决此问题,将Huber方法应用于CKF框架中,取代了传统的最小均方误差(Minimum Mean Square Error,MMSE)准则,以提高算法的鲁棒性。在所提算法中,通过将量测方程线性化构造了线性回归模型,并采用固定点迭代的方法求解基于Huber方法的最小化问题。因此,推导了基于固定点迭代的Huber鲁棒CKF(FP-IHCKF)算法,在该算法中先验信息和量测信息通过Huber方法进行了重构。通过对再入目标跟踪问题进行仿真,验证了所提算法的有效性和鲁棒性。

Huber-based滤波在非合作航天器相对导航中的应用

研究了空间非合作航天器的相对导航滤波器,针对Kalman滤波器对非高斯噪声处理会导致性能下降、甚至发散的情况,研究应用Huber-based滤波器对相对测量设备输出的视线角和视线距进行滤波,估计追踪航天器与目标航天器间的相对位置与相对速度。Huber-based滤波器是一种混合l1/l2范数最小估计,对受到污染的高斯分布噪声具有一定的鲁棒性,最后通过仿真校验了该相对导航方法的有效性,其相对位置精度优于3.94m,相对速度精度优于0.04m/s;在目标机动情况下,较EKF抗干扰能力更强,可提高相对导航系统的鲁棒性和稳定性。

电气综合系统能源抗差状态自动化估计方法研究

在实际运行的电气综合系统中,容易产生少量拓扑错误,影响状态估计的效果,为了提高电气综合系统状态的估计精度,提出电气综合系统能源抗差状态自动化估计方法。建立天然气系统模型和电力子系统稳态模型,并在该模型基础上构建电气耦合模型,分析电力综合系统的运行状态和运行特点。根据Pseudo-Huber函数利用量测变化抑制电气综合系统中存在的坏数据和不良数据,获取电气综合系统能源抗差状态的初值和伪量值,最后通过无迹卡尔曼滤波方法实现电气综合系统能源抗差的自动化估计。实验结果表明,所提方法在系统不良数据比例下的节点电压幅值估计误差较小,可高精度完成抗差状态估计,具有较好的自动化估计效果。

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率。基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度。从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度。通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势。

L_1和L_2规则化趋势滤波的稳健估计

当时间序列中包含异常值时,L1和L2规则化趋势滤波不能有效地从中提取趋势成分,因此,文章从稳健性角度出发,用Huber损失函数替代最小二乘损失函数,使用凸优化方法进行求解,得到L1和L2规则化趋势滤波的稳健估计。模拟分析显示,稳健估计量可以很好地抵制异常值的干扰。这种方法可以运用在异常值较多的金融数据中,得到市场趋势的稳健估计。

抗差Kalman滤波算法研究及其在GPS监测数据中的应用

针对传统Kalman滤波在异常噪声作用下滤波估计会出现较大偏差等问题,研究基于稳健估计准则、最大相关熵准则的抗差Kalman滤波的算法原理及模型构建,推导基于Huber法、最大相关熵法的抗差Kalman滤波公式,并利用经典kalman滤波、Huber法抗差Kalman滤波、最大相关熵法抗差Kalman滤波以及小波阈值去噪方法对GPS单历元解算数据进行分析。另外,人为在数据中添加粗差,通过相关图表及统计精度对上述滤波模型进行定量分析。经统计,最大相关熵法抗差Kalman滤波的信噪比、均方根误差、平均绝对误差、平滑度最优精度分别为84.3720、0.0453 m、9.6301×10^(-7)m、0.0660,综合精度最高。实验数据说明,最大相关熵抗差法Kalman滤波在处理包含粗差的数据时表现出更加良好的鲁棒性,能给予准确的变形估计。

高超声速飞行器惯性/天文鲁棒组合导航方法

对于高超声速飞行器而言,惯性/天文组合导航的应用将面临异常值干扰和噪声特性变化等问题,需要控制天文量测中异常值扰动的影响,从而提高对于可靠量测信息的利用效率。为此,研究了一种基于平衡因子的组合导航方法,采用鲁棒滤波方法进行惯性/天文组合导航系统的量测更新,将自适应滤波技术引入鲁棒滤波中,考虑到天文量测信息不同的噪声特性和水平,将自适应因子分解为姿态自适应因子和位置自适应因子,以平衡状态预测信息和天文测量信息的贡献。仿真结果表明,该方法可以显著提高高动态环境影响下的组合导航性能。

基于Huber的鲁棒广义高阶容积卡尔曼滤波算法

为提高随机变量非高斯分布时广义高阶容积卡尔曼滤波(GHCKF)的鲁棒性,提出一种基于Huber的鲁棒GHCKF算法.从近似贝叶斯估计角度,解释Huber方法作用于卡尔曼滤波的本质是对新息进行截断平均.采用Huber方法处理观测量,进行标准的GHCKF量测更新,从而实现算法的鲁棒化.所提出算法充分利用容积变换的优势,无需通过统计线性回归模型对系统的非线性量测模型进行近似.仿真结果表明,所提出算法具有鲁棒性强和估计精度高的特点.

基于HuberM估计的鲁棒Cubature卡尔曼滤波算法

Cubature卡尔曼滤波器(CKF)在非高斯噪声或统计特性未知时滤波精度将会下降甚至发散,为此提出了统计回归估计的鲁棒CKF算法.推导出线性化近似回归和直接非线性回归的鲁棒CKF算法,直接非线性回归克服了观测方程线性化近似带来的不足.具有混合高斯噪声的仿真实例比较了3种Cubature卡尔曼滤波器的滤波性能,结果表明这两种鲁棒CKF滤波精度及估计一致性明显优于CKF,直接非线性回归的CKF的鲁棒性更强,滤波性能更好.

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l2范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明:由于Huber损失函数兼具l1和l2范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l2范数的低误差拟合性,也具备l1范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。