Antenna Sidelobe Canceller of Kalman Filter

The adaptive array antenna may be considered as a general sidelobe canceller. Directional interference suppression is based on a recursive state estimation of Kalman filter. For the stationary filter,this leads to an iterative solution of Wiener Hops matrix equation. The performance of sidelobe canceller are studied by computer simulation. The result of simulation shows that the sidelobe canceller may be regarded as a special case of an adaptive array atenna.

基于抗差自适应估计的微纳卫星相对定位算法

为了解决微纳卫星编队执行姿态机动任务时,差分定位性能降低甚至不能定位的问题,提出基于全视角天线组件的GPS接收和差分定位系统方案.针对星载高动态环境,改进基于几何无关(GF)差分组合和衰减窗口的伪距粗差探测方法.采用抗差自适应扩展卡尔曼滤波算法,将基于新息向量的观测噪声协方差矩阵开窗估计法应用于实时差分定位.建立半物理仿真平台,开展不同场景下的差分定位性能对比验证.结果表明,在全弧段侧摆与区间“侧摆-回正”机动条件下,所提出的基于全视角方案的滤波和估计算法相比于常规方案的扩展卡尔曼滤波(EKF)算法在定位星数、定位精度上均有大幅提升,在短、长基线情况下分别可以达到厘米、分米级的相对定位精度.

基于卡尔曼滤波技术解算惯导的水平偏差

针对测量船惯导系统水平及航向精度检测需求,提出了采用卡尔曼滤波技术解算惯导水平偏差的新方法。对经纬仪校准惯导的基本原理及陀螺的随机飘移分析,利用经纬仪测星方法,在惯导飘移误差小于7′,标定误差可在2″以内,可有效地消除惯导的随机游动误差分量,将使测量船的整体测量精度得到显著的提高。

基于UKF的水下机器人执行器故障检测方法研究

水下机器人需要在无人干预或者少量干预的情况下自主地完成使命,这就要求它在作业过程中能够自主地检测子系统、传感器和执行器的故障。在确认发生故障的时候,它还需要尽最大可能地进行修复,以确保使命的顺利进行。水下机器人常用的执行器包括推进器、舵、机械手等,针对推进器的故障检测问题,首先建立了水下机器人的运动学和动力学模型,然后采用UKF对系统的状态和参数进行联合估计,最后通过外场试验验证了算法的有效性和正确性。

青霉素半连续发酵过程状态与参数在线辨识

本文建立了带有噪声的适合于工业规模青霉素(丝状菌)半连续发酵数学模型,以排气CO_2释放速率(CER)作为在线观测量,应用推广Kalman滤波器(EKF)进行状态与参数在线辨识,为过程的自适应优化控制奠定了基础。试验表明:滤波得到的状态值与实测值相当吻合,证明滤波器是一种较好的发酵状态及动力学参数变化的在线观察器。

基于ROS的惯性和视觉里程计的机器人室内定位

高精度定位是室内移动机器人的基础,针对视觉里程计在室内定位中存在的精度与累计误差的问题,提出基于ORB-SLAM2与IMU的VIORB-SLAM2视觉惯性组合定位方法,首先建立视觉里程计与机器人的坐标系联系。然后利用惯性传感器构建机器人运动预测模型,基于Kinect使用ORB-SLAM2输出视觉里程计作为机器人位姿更新,通过扩展卡尔曼滤波器对视觉里程计与IMU输出的位姿进行最优估计。设计了硬件和软件平台对提出的方法进行实验。实验表明该方法优于单独使用传统的轮式里程计与视觉里程计,有效提高了机器人移动过程中的定位精度,减少误差累积。

卡尔曼滤波方程的改进算法及应用

针对卡尔曼滤波的缺点 ,提出了一种卡尔滤波的改进算法 ,然后将其应用到给合导航系统中 ,并用实例对该法进行了详细的说明 ,仿真结果表明 ,该方法简单实用 ,效果很好。

海洋资料同化对气候季节-年际预测技巧及初始场的影响试验

集合卡尔曼滤波(Ensemble Kalman filter,EnKF)是一种国内外广泛使用的海洋资料同化方案,用集合成员的状态集合表征模式的背景误差协方差,结合观测误差协方差,计算卡尔曼增益矩阵,有效地将观测信息添加到模式初始场中。由于季节、年际预测很大程度上受到初始场的影响,因此资料同化可以提高模式的预测性能。本文在NUIST-CFS1.0预测系统逐日SST nudging的初始化方案上,利用EnKF在每个月末将全场(full field)海表温度(sea surface temperature SST)、温盐廓线(in-situ temperature and salinity profiles,T-S profiles)以及卫星观测海平面高度异常(sea level anomalies SLA)观测资料同化到模式初始场中,对比分析了无海洋资料同化以及加入同化后初始场的区别、加入海洋资料同化后模式提前1~24个月预测性能的差异以及对于厄尔尼诺-南方涛动(El Ni?o–southern oscillation,ENSO)预测技巧的影响。结果表明,加入海洋资料同化能有效地改进初始场,并且呈现随深度增加初始场改进越显著的特征。加入同化后,对全球SST、次表层海水温度的平均预测技巧均有一定的提高,也表现出随深度增加预测技巧改进越明显的特征。但加入海洋资料同化后,模式对ENSO的预测技巧有所下降,可能是由于模式误差的存在,使得同化后的预测初始场从接近观测的状态又逐渐恢复到与模式动力相匹配的状态,加剧了赤道太平洋冷舌偏西、中东部偏暖的气候平均态漂移。

基于增广的广义卡尔曼滤波模型的高精度参数估计

针对捕食模型、利用已知观测数据、在非线性最小二乘准则下,建立了基于增广的广义卡尔曼滤波模型来解决噪声背景下的高精度参数估计问题,并予以了验证.提出以相平面方程为约束的初值搜索算法,利用Matlab优化工具箱、深度搜索和剪枝加速等技术来提高搜索速度.还建立了二重规划模型以解决观测时间有误差时的高精度估计问题,并对时间误差作了正态分布检验.