基于信息矩阵加权一致策略的分布式Kalman滤波器

本文提出采用信息矩阵加权的方法改进基于一致性策略的分布式Kalman滤波算法,提高其在传感器网络估计融合应用中的性能.此方法中,节点根据其自身及其邻居节点估计的不确定信息融合估计值.在此基础上,文中还讨论了通过优化一致加权系数进一步提高算法性能的方法.仿真实验表明,本文所提算法不仅改进了节点状态估计的精确度,而且显著提高了各个节点状态估计的一致性.

基于Hilbert滤波器对的相位一致性边缘检测方法

基于梯度的边缘检测算法 ,主要是针对阶跃形边缘的检测。 Morrone等人提出的基于局部能量和相位一致性的边缘检测方法 ,则同时适用于阶跃形和屋脊形两类边缘的检测。根据等 Q分解原则设计了一组基于 Hilbert变换的正交滤波器对 ,并根据广义相位理论提取滤波后的局部能量和相位信息 ,在分析了噪声影响和展频处理后 ,通过计算相位一致性检测图像中的边缘。由于基于相位一致性的边缘检测具有不受光照条件影响 ,无需计算局部能量极值的特点 ,因此 ,在边缘检测的准确率与定位精度上 。

多智能体有向固定网络一致性H_∞滤波器设计

研究了多智能体有向固定网络的一致性和H∞滤波器设计问题.为了便于滤波器设计,首先对系统模型进行了变换,进而构造了一致性H∞滤波器的形式,得到了保证多智能体渐近一致并满足H∞干扰衰减性能指标的充分条件.通过求解一组线性矩阵不等式可以求得滤波器参数.仿真实例证明了所提出方法的有效性.

带通滤波器的相位一致性分析与可制造性仿真

相位一致性是常规电路设计中不会考虑的一个特殊问题.介绍了对相位一致性有严格要求的带通滤波器.实际生产中,由于元器件参数的容差导致的相位不一致性严重地影响了生产成品率.定量分析了由相位一致性决定的生产成品率与元器件精度的关系,完成了元器件的容差设计和产品的可制造性分析.

多通道相位一致性高温超导滤波器组

利用高温超导薄膜材料的低插损特性,实现了具有相位一致性的新型高温超导高性能三通道滤波器组,该器件置于接收机前端系统的低噪声放大器前可以使接收机前端系统同时具有带外抗干扰特性和带内低损耗特性,并具有极高的灵敏度。

有限时间一致无迹Kalman滤波器

本文研究多个传感器测量非线性系统时的分布式无迹Kalman滤波器(Unscented Kalman filter,UKF)的设计问题.借助离散多智能体系统有限时间平均一致算法的思想,针对无向通信和有向通信网络分别设计了两种不同的滤波算法.对于无向连通的通信拓扑,利用节点存储的一致性算法的迭代值构造差向量,由该差向量构成的Hankel矩阵的核来得到分布式无迹Kalman滤波器,并通过利用误差协方差矩阵的逆来构造Lyapunov函数,基于随机稳定性引理证明了该有限时间一致无迹Kalman滤波器的稳定性.对于有向强连通的通信拓扑,结合比率一致和Hankal矩阵的核来设计分布式无迹Kalman滤波器,该滤波器的稳定性与无向通信拓扑的滤波器相同.最后,通过仿真例子来验证所提滤波器的跟踪效果.

卡尔曼一致性滤波器的丢包性能分析及能量优化

针对无线传感器网络(wireless sensor networks,WSNs)在实际应用中不可避免的数据包丢失现象,本文研究了分布式卡尔曼一致性滤波算法(distributed Kalman consensus filtering algorithm,DKF)在两类丢包情况下的稳定性和滤波性能问题,通过矩阵论理论分析得出了估计误差协方差收敛所能容忍的极限丢包率.然后,考虑到传感器节点能量有限,基于逾渗模型构建了一种能量可调的改进型分布式一致性卡尔曼滤波器,该滤波器充分利用无线传感器节点冗余布置的特点,以较小的滤波精度下降为代价,获取网络寿命的大幅度提高,实现了该分布式滤波器在滤波精度与能量消耗两个关键指标的有效权衡.最后利用仿真实例验证了所提出算法的有效性.

相位一致性原理改进的双边滤波器

为了在增强滤波器去噪强度的同时还能够保留更多的图像边缘细节信息,提出了将相位一致性原理同传统双边滤波器相结合的改进算法。根据提取图像的相位一致性信息,自适应修改双边滤波器的空间相关性和灰度相关性因子,以取得最佳的滤波效果。通过实验图像进行验证,并对处理后的图像进行了主客观还原效果评价,峰值信噪比和结构相似性指数均有较大的提升,实验结果表明了该算法的有效性和可行性。

YIG调谐带通滤波器相位一致性设计

针对现代电子设备对YIG调谐滤波器相位一致性的要求，从工程设计角度分析了影响其相位特性的因素，并总结了通带内相位的变化规律，提出采用YIG调谐带通滤波器多路集成设计实现相位一致性的最佳方案，解决了磁性器件中磁滞、非线性、温漂等关键因素引起的相位特性问题。简要介绍了YIG调谐带通滤波器多路集成设计中多路集成耦合结构、集成磁路及各路精确补偿等重要环节的仿真优化等设计。调谐频率2～6GHz四通道YIG幅相一致性YIG带通滤波器设计结果表明，各通道间相位一致性：±8°，幅度一致性：±1．5dB，满足设计要求。

基于最大一致容积Kalman滤波器的多机器人协同定位

机器人位置信息是多机器人系统执行任务的前提,单个机器人因传感器载荷和作用范围的限制,难以完成复杂环境中的定位任务,多个机器人通过协作可实现大范围下的位置确定。将配置多个传感器的同构机器人群替换为配置单个或少量传感器的异构机器人可降低硬件成本,并且通过设计协同算法,不会降低定位精度。提出了一种将容积Kalman滤波器与最大一致思想融合后的新型滤波算法,并将该算法应用于麦克纳姆轮机器人系统。通过仿真和实物验证了最大一致容积Kalman滤波器的协同定位效果。

提高陶瓷滤波器相频特性一致性的途径

分析了影响陶瓷滤波器相频特性的因素，探讨了提高陶瓷滤波器相频特性一致性的主要途径。结果表明，选择相对带宽较大的瓷料，合适的电极结构，同样的组装方式，达到阻抗匹配，可以减小单个产品的相移。

带观测滞后多传感器系统的改进协方差交叉融合Kalman滤波器

为了处理带观测滞后多传感器系统的融合估计问题,引入了局部次优递推Kalman滤波器,利用改进的协方差交叉融合算法,提出了改进协方差交叉融合Kalman滤波算法。它可以避免由互协方差计算引起的较大计算负担,并可以处理互协方差未知系统的融合问题。与传统协方差交叉融合Kalman滤波器相比有更高的鲁棒精度,改进的协方差交叉融合器的精度高于每个局部传感器,并且更接近于按矩阵加权的Kalman滤波器精度,因而具有良好的性能。仿真例子验证了其有效性、一致性,并对精度关系做出了几何解释。

一种抗野值的Kalman滤波器

在目标跟踪系统中,由于杂波的存在,往往使跟踪检测数据中含有大量、成片的野值,造成系统跟踪精度下降。本文通过对检测数据中新息特性的分析,给出了检测数据中野值的判定方法,通过重新构造状态估计来消除野值的影响。仿真结果证明了该方法可有效的剔除野值,提高跟踪系统的跟踪精度。

H_∞鲁棒滤波器与Kalman滤波器的对比

通常Kalman滤波技术应用得比较广泛 ,然而在系统模型和噪声统计特性存在不确定性的条件下 ,Kalman滤波的应用就受到了一些限制。H∞ 滤波可有效地解决Kalman滤波所遇到的问题 ,不仅估计精度高 ,而且还具有鲁棒性。简要介绍了H∞ 滤波技术和Kalman滤波技术 ,设计了H∞ 鲁棒滤波器和Kalman滤波器 ,并分 3方面对二者的性能进行了比较分析。

基于扩展Kalman滤波器的PMSM高性能控制系统

扩展Kalman滤波器考虑了系统噪声和测量噪声的影响,是一种基于最优控制理论的非线性估计方法。本文提出一种新型的用于永磁同步电机(PMSM)的基于扩展Kalman滤波器(EKF)的状态观测器,可以把有限精度的光电码盘信号的量化误差考虑为测量噪声,从而可以精确观测转子位置和转子转速。电机不需要知道转子初始位置就可以起动。该状态观测器还可以观测负载转矩,利用观测的负载转矩形成对给定转矩的前馈补偿,可以大大改善负载转矩波动过程中的转速控制性能。在轻负载时永磁同步电机定子电流较小,因此电流测量过程中的噪声和干扰对系统性能的影响就非常明显。Kalman滤波器可以有效消除电流测量值中的干扰和测量噪声,提高系统在轻载时的性能。仿真和实验结果验证了该系统的性能。

应用Kalman滤波器提高机抖激光陀螺姿态测量系统瞬时精度的方法

机械抖动激光陀螺输出的原始数据不仅包含了外界的惯性输入的角速率信息,还包含了抖动信号的角速率信息,通常使用线性相位FIR滤波器去除机械抖动信号,信号经滤波后其所有频率成分都将产生一定时间的延迟,这将对由机抖陀螺组成的高精度实时姿态测量系统造成影响。本文提出了一种基于姿态角运动跟踪预测模型和Kalm an预测的姿态测量滤波延迟补偿方法。实验结果表明,本方法能有效估计并预测运动载体的姿态运动,补偿由于FIR滤波器时间延迟带来的不利影响,提高姿态测量系统的实时性和瞬时精度。

Kalman滤波器在长输管道泄漏诊断中的应用

本文采用带时变噪声估计器的推广Kalman滤波方法,对长输管道的状态进行估计,并在此基础上,采用一定的诊断机制,实现对长输管道的泄漏诊断。实验结果表明,这种方法是有效的。

基于Kalman滤波器的非视距误差抑制算法

针对蜂窝网定位中影响定位精度的非视距传播误差问题,提出一种基于Kalman滤波器的非视距(NLOS)误差抑制算法,将到达时间(TOA)测量值及非视距误差作为Kalman滤波器的状态变量,根据TOA测量值的结构特点和NLOS误差的统计特性,确定Kalman滤波器过程方程的状态转移矩阵。以NLOS误差服从指数分布的情况为例进行仿真,结果表明,该算法在精度估计和算法计算量方面具有明显优势。

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.

多传感器时滞系统信息融合最优Kalman滤波器

基于线性最小方差最优加权融合估计算法,对多传感器的离散线性状态时滞随机系统.给出了一种非增广分布式加权融合最优Kalman柚滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比,分布式融合滤波器具有更高的精度.与状态和观测增广最优滤波器相比,具有较小的精度,但避免了增广所带来的高维计算和大的空间存储。可减小计算负担.仿真例子验证了其有效性.