运动方向约束的自适应SRUKF目标跟踪算法

针对非线性目标跟踪中,单一传感器观测冗余不足及模型噪声时变的问题,提出一种附加运动方向约束的自适应平方根无迹卡尔曼滤波(SRUKF)算法:在传统SRUKF基础上,利用新息向量构建自适应因子调节动力学模型时变误差;并引入载体运动方向作为虚拟观测量,增加观测冗余,以提高滤波性能。实验结果表明,所提出的利用运动方向约束的自适应SRUKF算法可有效提高目标跟踪精度,削弱动力学模型误差影响,特别在不良跟踪条件时具有较强的稳健性。

改进型平方根无迹卡尔曼曼滤滤波及其在无轴承永磁同步电机无速度传感器运行中的应应用用

平方根无迹卡尔曼滤波(SRUKF)解决了标准无迹卡尔曼滤波(UKF)中由于误差协方差阵负定而引起的滤波发散问题,保证了算法的数值稳定性,但仍存在对模型参数变化的鲁棒性差、收敛速度慢及对突变状态的跟踪能力低等缺陷.因此,本文提出一种改进SRUKF滤波,通过引入时变渐消因子和弱化因子,实时修正滤波增益矩阵和误差协方差平方根矩阵,实现残差序列正交,确保SRUKF滤波保持对目标实际状态的准确跟踪.将该算法在无轴承永磁同步电机无速度传感器矢量控制系统中进行仿真研究.结果表明:改进SRUKF非线性近似精度、数值稳定性及滤波精度更高,在系统状态突变或负载扰动时,鲁棒性更强,能够有效实现转速及转子角度的准确估计,确保转子稳定悬浮运行.

非线性自适应平方根无迹卡尔曼滤波方法研究

针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波(NASRUKF)方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波(SRUKF)算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。

基于SRUKF的TSOA/TDOA单站跟踪技术

阐述了蜂窝网系统中单台定位设备TSOA/TDOA被动式新型混合定位技术的原理。利用TSOA/TDOA混合定位的数学模型建立系统观测方程,采用受随机加速影响的匀速运动状态模型,描述了移动台的位移和速度。在此基础上推导了基于平方根无迹卡尔曼滤波的跟踪算法,并通过仿真实现了对移动台位置和速度的同时跟踪。仿真结果表明,与扩展卡尔曼滤波及无迹卡尔曼滤波算法相比,平方根无迹卡尔曼滤波算法的跟踪性能更优。

基于SRUKF的汽车毫米波雷达目标跟踪方法

SRUKF滤波器能够解决滤波过程非线性问题,以及在更新步骤中误差协方差矩阵奇异导致的发散问题,在目标跟踪算法中得到了广泛应用。同时,针对汽车毫米波雷达目标跟踪时状态方程线性和测量方程非线性的特点,提出了一种改进的快速SRUKF算法。相对于常规SRUKF,该方法减少了计算量,且滤波精度没有下降,适用于嵌入式汽车雷达模块的实时信号处理。

改进的强追踪平方根无迹卡尔曼滤波时变结构参数识别

地震作用下时变结构参数识别一直为研究者所关心,传统扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等方法存在时变结构参数跟踪识别能力弱、协方差矩阵开方时矩阵奇异导致计算不稳定等问题。基于平方根无迹卡尔曼滤波(SRUKF),提出一种改进的强追踪平方根无迹卡尔曼滤波(MSTSRUKF)方法。首先使用QR分解改进平方根无迹卡尔曼滤波算法中协方差矩阵平方根计算方法,使计算过程无条件数值稳定;其次改进滤波更新中协方差矩阵平方根的计算方法,同时引入观测矩阵的等价形式,保证算法的稳定性的同时,避免求解复杂系统的Jacobian矩阵;最后引入强追踪滤波技术,更新时间预测协方差矩阵,使算法具备时变参数跟踪能力。数值分析结果表明,MSTSRUKF算法能有效识别线性和非线性系统突变参数,同时能较准确地预测结构状态,计算过程中数值稳定,算法具有较强的抗噪性。

基于改进型平方根UKF算法的永磁同步电机状态估计

针对永磁同步电机驱动系统的状态估计问题,提出一种改进型平方根UKF(SRUKF)的状态估计算法。为避免增加sigma点带来的计算量大问题,依据UT变换理论,采用超球体单形采样方法,使得sigma点的数量减少,从而在与SRUKF算法估计精度相当的情况下,计算量大大减少。考虑系统的非线性,采用SRUKF估计方法研究系统的状态估计问题,避免了扩展卡尔曼滤波(EKF)产生的线性化误差。同时在滤波过程中采用Cholesky和QR分解,以协方差平方根阵代替协方差阵参加迭代运算,有效地避免了滤波器的发散,提高了滤波算法的收敛速度和稳定性。仿真表明,与EKF、SRUKF估计方法相比,该方法能减少估计过程中的计算量,提高估计精度。

磁强计辅助实现捷联惯导初始对准

捷联惯导系统(SINS)静基座初始对准中,过高的陀螺噪声不但导致系统状态方程非线性,也会使对失准角的估计不能收敛到真值。因此,提出了一种磁强计辅助对准方法,对系统观测方程的分析证明了该方法不仅可提高滤波精度,同时还可对磁场强度和磁倾角进行估计。非线性滤波采用平方根无迹卡尔曼滤波(SRUKF),SRUKF与无迹卡尔曼滤波(UKF)滤波精度相当,优于扩展卡尔曼滤波(EKF)。相比UKF,SRUKF具有更高的计算效率和稳定性。仿真结果表明,该算法在陀螺噪声较高的情况下仍能满足SINS初始对准要求。