基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.

基于KALMAN滤波方法的全要素生产率估算

采用KALMAN滤波方法构建了全要素生产率估算的状态空间模型，分别使用KALMAN滤波方法和索洛残差法估算我国1978～2004年全要素生产率的增长率，并对两种方法估算结果进行了分析。分析结果表明，KALMAN滤波方法消除了索洛残差法中或然因素的影响，能更好地反映全要素生产率的内涵，同时我国全要素生产率增长率的变化不仅与宏观经济运行状况相关，而且与经济运行的内部结构有关。

中心差分Kalman滤波方法在X射线脉冲星导航中的应用

由于脉冲星脉冲到达时间的测量需要较长时间,基于传统的扩展Kalman滤波的X射线脉冲星定轨方法精度较低。为此,提出了将中心差分Kalman滤波应用于X射线脉冲星导航中,利用中心差分Kalman滤波替代扩展Kalman滤波,通过结合航天器轨道动力学模型和脉冲星观测信息进行定轨。仿真结果表明,中心差分Kalman滤波方法的定轨精度高于扩展Kalman滤波方法。

欠观测条件下的增量Kalman滤波方法

提出欠观测条件下增量Kalman滤波的概念和定义,建立增量Kalman滤波模型及其分析方法,给出主要的计算步骤。经典的Kalman滤波方法要求量测方程有较高精度,否则在递推过程中会产生较大误差。但是量测方程通常受环境因素影响较大,而且在许多实际情况(如深空探测)中不可能对所有的使用环境逐一校准量测方程。如果某量测方程没有在某一环境条件下进行验证或校准,那么在这一条件(称为欠观测条件)下使用该量测方程往往会产生未知的系统误差,从而导致较大的Kalman滤波误差。提出的欠观测条件下增量Kalman滤波方法能够成功消除这种未知的系统误差,大大提高Kalman滤波的精度。该方法计算简单,便于工程应用。

Kalman滤波方法在放射性测井资料处理中的应用

Kalman滤波作为一种先进的滤波方法,已广泛应用于工业、航空、航天等现代高新技术控制领域,国外的测井界(比如斯仑贝谢、阿特拉斯等)已经把该滤波方法应用于测井过程及测井资料的管理和控制中。该文以137CS自然伽马能谱数据的控制处理为例,介绍了Kalman滤波方法的原理,说明了Kalman滤波在补偿中子测井过程控制及测井资料处理中的应用,通过与传统的数据平滑方法的对比分析,说明该滤波方法在放射性测井中有很大的推广应用价值。

应用Kalman滤波方法的超短期负荷预报

几分钟到一小时的超短期负荷预报在电网在线控制中占有重要地位。本文将Ｋａｌｍａｎ滤波方法应用于超短期负荷预测，并在预报过程中引入极大似然估计进行模型未知参数辨识，达到了参数估计过程与预报过程的统一。并给出本算法在几个电网中的实际应用情况及算例分析。

一个快速Kalman滤波方法及其在GPS动态数据处理中的应用

本文首先建立起利用Ｋａｌｍａｎ滤波进行动态ＧＰＳ数据处理的数学模型。然后，基于矩阵外积概念设计了一个很有实用价值的Ｋａｌｍａｎ滤波算法，并应用于动态ＧＰＳ数据处理问题。理论分析和计算结果表明：该方法不仅数值稳定性高，而且快速高效，所用ＣＰＵ时间仅为标准Ｋａｌｍａｎ滤波的八分之一。

提高网络授时精度的Kalman滤波方法

在通信网络中传输标准时间往往受到时延很大的影响,造成精度不高。为了提高网络授时精度,提出一种基于卡尔曼滤波器的修正方法,将网络时延分解为固有延时、抖动时延、突发时延3个部分,利用Kalm an滤波器减小抖动时延,利用跟踪门消除突发时延,从而使网络时延更加逼近固有时延,有利于提高授时精度。在MATLAB中运用S imEvents扩展模块,搭建一个端到端的计算机网络传输模型,验证了卡尔曼滤波对网络时延精度提高的效果,算法在稳定后,时延的估计值与测量值相比,精度可以提高大约100倍。在此基础上,利用LabVIEW设计了一个实时测试平台,嵌入MATLAB程序,实时获取通信网络时延并进行滤波处理。通过实际有线和无线网络测量的时延数据的验证,表明所提出的滤波修正方法的效果明显。

地震动瞬时谱估计的Unscented Kalman滤波方法

用时变ARMA模型描述地震动时程,提出了采用Unscented Kalman滤波技术实现地震动瞬时谱估计的思路.算例分析表明,Unscented Kalman滤波方法较Kalman滤波方法适用范围广,具有较高的时间和频率分辨率,能够更好地跟踪地震动的局部特性,适合处理非线性模型或有突变特性的模型的辨识问题.不同阶数ARMA模型的估计结果还表明,以往被忽略的ARMA模型的理论频率分辨力对地震动瞬时谱估计精度有重要影响,应作为一个参考指标在ARMA模型的判阶中加以考虑.

动态变形监测应用中的Kalman滤波方法研究

标准Kalman滤波最优算法是建立在给定准确的函数模型和随机模型基础之上的,因而其使用受到一定限制,于是出现了不少改进算法,这些方法各有其特点和相应的应用场合,且有些经验参数难以确定。本文利用GPS模拟实验数据,分别采用标准Kalman滤波、抗差Kalman滤波、Sage自适应滤波、抗差自适应Kalman滤波以及其改进算法五种方案进行滤波处理,比较分析了各种Kalman滤波方法在变形监测应用中的优点和不足,并提出了改进方案,以指导实践应用。

Kalman滤波方法在黑河出山径流年平均流量预报中的应用

应用Ｋａｌｍａｎ滤波方法，以流域平均降水量、气温、太阳黑子相对数及莺落峡站６年显著周期序列等为控制参数。

INS/ESGM/Doppler组合导航系统中的Kalman滤波方法

根据战略核潜艇对水下组合导航系统的战术要求及可能的配备 ,建立了 INS/ ESGM/Doppler组合导航系统的工作模式 ,推导了该组合系统的集中式 Kalman滤波算法 ,通过数字仿真将 INS/ ESGM/ Doppler组合导航系统与 INS/ ESGM组合导航系统的性能进行了详细的比较 ,说明将多普勒测速系统引入组合导航系统并应用 Kalman滤波技术 ,可有效地分别改善ESGM系统、INS系统及单纯的 INS/

基于离散余弦变换的集合Kalman滤波方法对河流相油藏渗透率场的反演

针对河流相油藏参数场的非高斯性及油藏生产数据与地质模型之间的非线性关系,提出了耦合离散余弦变换的半迭代集合Kalman滤波方法对河流相油藏进行生产历史拟合及反演.将河流相油藏非高斯渗透率场利用离散余弦变换变为类似高斯分布的DCT(Discrete cosine transform)系数,利用能量压缩特性对DCT系数进行截断,使得反演渗透率场的分布变得光滑,较好地解决了河流相油藏的非高斯分布问题.半迭代集合Kalman滤波法很好地解决了油藏生产数据与地质模型之间的非线性问题.理论证明了半迭代集合Kalman滤波与EnRML方法的等效性.比较了标准EnKF、耦合DCT的EnKF及耦合DCT的半迭代EnKF法对河流相油藏渗透率场的反演.讨论了DCT系数保留模式及系数保留数量对耦合DCT的半迭代集合Kalman滤波方法反演结果的影响,结果表明三角形系数保留模式可以用更少的系数保留参数场的地质特征,当保留2.5%的DCT系数时,反演结果已经充分反映了河流相油藏的地质特征.

BDS/GPS短期ISB建模和预报的Kalman滤波方法

ISB是多系统PPP数据处理中必须要考虑的一项误差,因此有必要对BDS/GPS短期ISB建模和预报进行研究。为了提高ISB预报精度,针对等权LS(least square)估计ISB模型参数时忽略了拟合数据权重不同的问题,提出了采用Kalman滤波对模型参数进行估计,并根据ISB拟合数据距预报时刻的远近调整Kalman滤波拟合数据的方差。本文采用7d的ISB数据进行建模,根据所建模型预报第8天的ISB值,并对预报精度和定位结果进行了验证。进行试验的4个测站Kalman拟合模型的ISB预报精度比LS拟合模型分别提高了29.7%、11.5%、43.5%和32.0%。采用Kalman拟合模型的ISB预报值作为先验约束,PPP平均定位精度在E和U方向上比采用LS拟合模型预报值分别多提高了2.7%和0.9%,比不加ISB先验约束在E、N、U方向分别提高了10.6%、26.3%和3.4%。

位移和加速度融合的自适应多速率Kalman滤波方法

多速率Kalman滤波方法可用于低采样率的位移和高采样率的加速度数据融合,而未知的噪声协方差信息则显著制约着多速率Kalman滤波精度.本文通过将多速率Kalman滤波转换为传统的单速率Kalman滤波,建立了Kalman滤波增益的自协方差矢量与未知的加速度谱密度和观测噪声参数间的线性函数模型,并采用最小二乘估计方法对未知的噪声协方差参数进行估计,进而有效地提高了多速率Kalman滤波精度.数值仿真和震动台实验结果验证了本文方法的正确性和有效性.

1／f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。

附有等式约束的Kalman滤波方法及其在边坡监测中的应用

对附有等式约束的Kalman滤波方法进行研究,其根据先验信息建立对待估参数的某种等式约束条件并引入Kalman滤波方程。针对边坡监测应用中边坡坡向和下滑方向是一种先验知识信息,从而利用该先验信息以提高滤波的精度和可靠性。根据边坡监测实例表明本方法具有一定的有效性和可行性。

合成孔径声纳运动估计的鲁棒Kalman滤波方法

针对存在观测野值影响的合成孔径声纳运动测量难题,提出利用M-估计原理进行参数最优估计,使得估计误差在一类Huber函数下最小,而不像Kalman滤波那样,寻求估计误差在二范数下的最小,并构造了鲁棒Kalman滤波算法,用来处理合成孔径声纳姿态、运动估计问题.由于Huber函数对大的估计误差不敏感,可以有效地克服观测野值的影响,同时计算机仿真结果表明,该方法在系统存在野值的情况下,仍能对合成孔径声纳运动参数进行估计.

有色噪声条件下的实用Kalman滤波方法研究

Kalm an滤波技术是现代信息处理中的重要工具,但是基本的Kalm an滤波基本方程中要求系统噪声和量测噪声必须为互不相关的均值为零的白噪声过程,限制了应用的范围。该文研究了在系统噪声和量测噪声都是有色噪声条件下的Kalm an滤波方法,运用状态扩充法和量测扩增法推导了全套的滤波方程,拓宽了Kalm an滤波器在工程中的应用范围。

一种基于软卡方检测的自适应Kalman滤波方法

在传统Kalman滤波中,卡方检测方法简单地将量测划分为正常和异常两种,针对其不足之处,改进并提出了一种新的软卡方检测方法。新方法根据卡方检测结果构造连续变化的量测,利用权重系数,充分挖掘处于正常值与异常值之间的可疑量测新息,同时还将该方法推广成多维量测的多分量卡方检测形式,建立了全面完整的软卡方检测Kalman滤波量测更新方程。最后,通过惯导/卫导组合导航仿真,验证了软卡方检测Kalman滤波的优势:无需任何参数调整且具有比Sage-Husa自适应滤波更小的统计误差波动。