一种改进扩展卡尔曼滤波新方法

针对现有的迭代扩展卡尔曼滤波(EIEKF)跟踪时估计精度较低这一不足,提出了一种改进扩展卡尔曼滤波(NIEKF)新方法。本文将迭代滤波理论引入到扩展卡尔曼滤波方法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出了该方法与扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)、现有的迭代扩展卡尔曼滤波(EIEKF)的仿真结果,并分析了其跟踪性能和均方根误差。实验结果表明,改进扩展卡尔曼滤波(NIEKF)新方法具有更高的估计精度。

一类广义连续-离散系统量测丢失情况下鲁棒滤波算法

有噪声的非线性广义连续-离散系统的状态估计问题是目前一个较新的研究领域。量测丢失可能会导致系统动态模型的状态估计值与动态方程真实值产生较大偏差。为解决该问题,针对一类量测丢失情况下的范数有界非线性广义连续-离散系统,提出一种基于鲁棒扩展卡尔曼滤波(REKF)算法的状态估计方法。首先,给出参数并使用欧拉离散化方法将理想化的广义连续-离散系统转化为非奇异离散系统,但这样的处理方式导致转换得到的非奇异离散系统动态模型中存在新增不确定项。针对该问题,提出最优上界以保证卡尔曼滤波误差协方差矩阵收敛。其次,针对转化得到的非奇异离散系统,提出基于该优化上界的扩展卡尔曼滤波方法,用于在量测丢失时对系统的动态模型量进行观测。最后,仿真算例验证了该方法的有效性。

State Estimation for Non-linear Sampled-Data Descriptor Systems:A Robust Extended Kalman Filtering Approach

This paper proposes a state estimation method for a class of norm bounded non linear sampled data descriptor systems using the Kalman filtering method. The descriptor model is firstly discretized to obtain a discrete time non singular one. Then a model of robust extended Kalman filter is proposed for the state estimation based on the discretized non linear non singular system. As parameters are introduced in for transforming descriptor systems into non singular ones there exist uncertainties in the state of the systems. To solve this problem an optimized upper bound is proposed so that the convergence of the estimation error co variance matrix is guaranteed in the paper. A simulating example is proposed to verify the validity of this method at last.

基于抗差扩展卡尔曼滤波和外推-积累的RAIM方法

为了提高接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)算法对微小缓变伪距偏差的检测能力,提出一种基于抗差扩展卡尔曼滤波和外推-积累的RAIM方法。该方法结合了新息外推法和累积历元法在检测微小缓变伪距偏差上的优势,即在新息外推法的基础上,累加多个历元的检验统计量,来更有效地检测微小缓变伪距偏差;同时,利用抗差扩展卡尔曼滤波对偏差进行抗差处理,提高了定位精度。仿真结果表明,相比较于传统RAIM方法、新息外推法以及累积历元法,新的RAIM方法均提高了对微小伪距偏差正确检测的概率,缩短了对缓变伪距偏差的检测延时,且经过伪距偏差修正后定位精度提高。

基于高频位置矫正法的永磁同步电机低速域抗扰动插值控制策略

在低精度编码器、低速域的永磁同步电机驱动系统中,位置插值算法可有效提高转子位置精度。当系统受到持续扰动时,插值位置会出现较大偏差,严重时会导致电机反转。为提高插值算法的抗扰动能力和驱动系统的稳定性,提出一种基于高频位置矫正的改进插值算法。通过短暂注入高频信号,电机高频模型精确地获得转子位置瞬时值,确保驱动系统在持续扰动下运行的稳定性。实验结果表明,该方法能够在持续扰动下得到准确的转子位置,进而提高插值算法的抗扰动性能。