Sigma-Point卡尔曼滤波用于OFDM载波频偏估计

对于非线性的动态状态空间模型,扩展卡尔曼滤波(EKF)通过泰勒展开拟合系统的状态和观测方程,以获得对状态值的估计,但其存在估值波动大、收敛慢等缺点;而基于Sigma-point点的卡尔曼滤波方法,则是通过确定性采样实现统计特性上的近似,从而获得更为准确的高阶统计特性.为此,建立了正交频分复用(OFDM)载波频偏的动态状态空间模型,并将Sigma-point卡尔曼滤波用于其频偏估计.仿真结果表明,该类方法可以捕捉更为准确的高阶特性,其估值准确、收敛速度快、波动小、对观测噪声大小不敏感.

Sigma点卡尔曼滤波及其应用

针对扩展卡尔曼滤波(EKF)不易调整、难于应用、只对更新时间步长内局部线性假设成立的非线性系统适用等不足,近年来提出了一些卡尔曼滤波向非线性系统扩展的新方法。根据均值与协方差信息按非线性映射传播的特点,将它们归类为Sigma点卡尔曼滤波(SPKF)方法。在简要说明加权统计线性回归技术的基础上,系统介绍了SPKF的形式及算法,对其应用情况进行了总结和展望,指出可采用SPKF替代EKF以获得更好的性能。

基于Sigma点卡尔曼滤波的天基红外低轨卫星目标跟踪

临近空间高超声速飞行器的飞行速度很高,采用一般的探测手段难以对其进行跟踪,文中采用天基红外低轨卫星对其进行跟踪,建立了适当的目标运动模型和观测模型,分析研究了Sigma点卡尔曼滤波(SPKF)算法,与EKF算法相比,对非线性系统的估计具有较高的精度,且不需要求解复杂的雅克比矩阵。提出了将基于Sigma点卡尔曼滤波的交互式多模型(SPKF-IMM)算法用于天基红外低轨卫星对空间目标跟踪。利用三维空间的机动目标对算法进行了仿真分析,仿真结果表明:该算法具有较好的跟踪性能,进一步验证了SPKF-IMM算法的有效性。

用于再入弹道目标跟踪的Sigma点卡尔曼滤波器（英文）

提出一种新的Sigma点卡尔曼滤波器,求积分卡尔曼滤波器(Quadrature Kalman Filter,QKF),用于再入弹道目标的跟踪问题。新滤波器通过一系列参数化高斯密度的高斯-赫米特求积分点,使用统计线性回归的方法来线性化非线性函数的。仿真实验比较了这个新的Sigma点滤波器和扩展卡尔曼滤波器(Extended Kalman Filter,EKF),均差滤波器(Divided Difference Filter,DDF),无味滤波器(Uncented Kalman Filter,UKF)。结果表明所有Sigma点滤波器的估计误差都低于EKF的估计误差。QKF的估计误差低于UKF的估计误差,其滤波可靠性也与UKF很接近。QKF的计算复杂性比UKF稍高,新的Sigma点滤波器是一种有效算法。

基于Sigma点全局迭代参数卡尔曼滤波的折线型本构模型参数识别

折线型本构模型控制参数少,物理意义明确,但其数学表达式复杂因而识别困难。针对折线型本构模型的参数识别,提出基于Sigma点变换的全局迭代参数卡尔曼滤波算法。所提方法以待识别参数作为状态向量,降低状态向量维度,减少计算量;基于Sigma点卡尔曼滤波避免求解雅克比(Jacobian)矩阵,实现非连续型函数本构模型的参数识别;通过设定目标函数进行全局迭代,以获得最优解。由于非线性系统下一时刻响应与历史路径有关,量测更新时由初始时刻计算到当前时刻。最后,在地震荷载下,将隔震支座系统简化为单自由度双线性模型,将桥墩简化为单自由度Takeda模型,根据该文所提出的方法理念,分别基于无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)和球面单纯形径向容积正交卡尔曼滤波(spherical simplex-radial cubature quadrature Kalman filter,SSRCQKF)采样规则识别折线型本构模型参数。结果表明所提方法能够准确识别非线性参数,同时具有较强的鲁棒性,不同滤波器收敛过程及结果也有所差异。

光学电流互感器Sigma点卡尔曼滤波去噪方法研究

随着电力系统向着超高压大容量发展,光学电流互感器(OCT)在电力系统领域具有广阔的应用前景;而有效地滤除噪声,提高信噪比(SNR)是光学电流互感器信号处理的重要环节。针对光学电流互感器低信噪比的特性,通过改进的卡尔曼滤波算法建立合适的模型以及通过LabVIEW的仿真验算,表明Sigma点卡尔曼滤波能够有效地滤除噪声和提高光学电流互感器的信噪比。

基于Sigma卡尔曼滤波的光伏电站监测数据修复方法

实际电网中监测数据存在不确定性噪声、通信丢包导致的异常数据项,将会给光伏发电规律的总结与电网运行与调度的决策产生带来困难。光伏电站输出功率受到多种因素影响,包括太阳辐射度、环境温度、太阳辐射面积等,而光伏电站输出功率在相同气象条件下存在相似性。本文考虑光伏电站输出功率的多种影响因素,训练RBF人工神经网络作为状态转换方程。然后基于Sigma点卡尔曼滤波理论对光伏电站输出功率信息进行滤波。算例结果表明,所提方法能够有效修复光伏电站监测数据。

基于无迹卡尔曼滤波传感器信息融合的车辆导航算法

针对复杂道路条件下车辆的导航问题,将全球定位系统(GPS)与车载终端传感器系统相结合,提出了基于多传感器系统的车辆精确定位模型,并针对扩展类卡尔曼滤波易产生突发性误差而导致的安全问题,采用基于Sigma点的无迹卡尔曼滤波器(UKF)传感器信息融合算法。根据实时的道路状况和车辆自身的运动状态给出符合要求的状态估值,实验与基于多项式扩展卡尔曼滤波车辆传感器信息融合算法在精度和效率方面进行了比较,结果表明,基于UKF传感器信息融合的算法在复杂路况下的估计精度和运行效率都有显著提高,能够根据当前的路线情况和车载传感器的反馈信息快速地估计出车辆的运动状态,实时计算出动态的车辆控制输入。

基于采样点卡尔曼滤波的动力电池SOC估计

动力电池荷电状态(SOC)的快速精确估计是电池能量管理系统的核心技术。针对动力电池这一动态非线性系统,提出了电池过程模型的具体改进方法,以使其可以适应不同放电速率和不同温度条件对动力电池SOC的影响;给出了利用采样点卡尔曼滤波进行电池SOC估计的具体步骤;最后,分析了采样点卡尔曼滤波在SOC估计精度、收敛速度、算法复杂度及鲁棒性等方面的性能。实验表明,采用采样点卡尔曼滤波算法可以快速地完成动力电池SOC的精确估计,误差在5%左右;模型参数的合理微调几乎不影响算法的准确性,表明了算法具有一定的鲁棒性。

平方根采样点卡尔曼滤波在磷酸铁锂电池组荷电状态估算中的应用

荷电状态(state of charge,SOC)估算技术是锂电池管理系统中最重要的功能之一。针对磷酸铁锂电池组展开研究,以准确估计电池组中各单体荷电状态为目的,首先采用一阶戴维南(Thevenin)模型结合安时法建立综合电池模型;采用一种平方根采样点卡尔曼滤波(square root sigma point Kalman filter,SRSPKF)方法,配合在线递推最小二乘(recursive least square,RLS)算法,同时实现对电池等效模型参数的辨识以及对电池荷电状态的估算。理论上讲,SRSPKF算法使系统状态直接以其方差的平方根形式传播,可显著降低常规Sigma点卡尔曼滤波器(sigma points Kalman filter,SPKF)算法的复杂性。实验结果表明,相对SPKF而言,SRSPKF具有更强的状态估计误差抑制能力,采用SRSPKF可以获得比SPKF更准确的SOC估计结果。

Unscented卡尔曼滤波在状态估计中的应用

针对非线形系统的滤波问题,无法使用卡尔曼滤波器(KF),扩展卡尔曼滤波(EKF)方法虽能应用于非线形系统,但给出的是状态的有偏估计,并且对模型误差的鲁棒性较差。为了给出更好的状态估计值,该文介绍了Unscented卡尔曼滤波(UKF)的基本原理,其思想是:基于unscented变换,UKF滤波算法能够给出更精确的均值和协方差的估计,从而带来更高的精度。最后通过Mackey-G lass模型时间序列的状态估计仿真实例说明:同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacob i矩阵,是一种良好的非线性滤波方法。

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。

融合无迹sigma点变异和交叉反向的鹈鹕优化算法

针对鹈鹕优化算法(POA)在寻优过程中存在寻优速度慢、精度低以及易陷入局部最优等问题,提出了一种融合无迹sigma点变异和交叉学习的鹈鹕优化算法(MPOA)。使用随机反向学习策略对种群中劣势群体产生随机反向解,引入无迹sigma点对其反向解进行变异,增强算法在搜索域可见范围内精细开发,避免算法陷入局部最优;利用Levy飞行的随机性对交叉反向策略进行改进,动态探索丰富个体寻优过程,保持算法多样性,增强算法全局搜索能力;引入非线性收敛因子来平衡算法的开发和勘探能力,利用基于SPM的混沌序列扰动非线性收敛因子以增加解的多样性,避免算法在后期陷入局部最优,增强算法稳定性。利用12个基准测试函数、秩和检验和CEC2021函数进行实验仿真,对比分析寻优效果可知,改进算法具有更强的全局搜索能力和更快的寻优速度。将MPOA算法用于优化长短期记忆网络(LSTM)模型的参数,并应用于气候变化预测任务,与其他六种群智能算法优化的LSTM模型进行对比,结果表明,MPOA-LSTM模型具有更好的预测精度。

基于改进Sigma点的无迹卡尔曼滤波水下目标跟踪算法

由于阵列所接收的信号在工作过程中会受到辐射噪声、环境噪声和目标信号、水下生物运动干扰,因此在目标跟踪的过程中降低噪声干扰并提高目标追踪精准度,正逐渐成为水下目标跟踪领域的研究热点和难点。常用的改进方法是根据Sigma点的采样策略进而对相应的方差权值和均值权值进行修改,Sigma点的采样策略则常常被忽视了。提出了一种基于改进Sigma点的无迹卡尔曼滤波算法(IUKF)优化水下目标跟踪效果。针对目标跟踪中测量噪声以及过程噪声影响导致的准确性问题,将第一次UT变换得到的增广状态向量以及协方差矩阵作为初始值对Sigma点进行了二次UT变换,与进行一次UT变换给定了的初始增广状态向量以及初始协方差矩阵相比,经过二次UT变换后的增广状态向量以及初始协方差矩阵精度更高。经过仿真,估计位置和真值之间的偏差减小了42.7%以上,估计距离和实际距离误差之间的偏差减小了86%,仿真实验结果表明所提的改进Sigma点的无迹卡尔曼滤波算法可以有效地抑制环境噪声的影响,提高水下目标跟踪精准度,在海洋资源勘探以及水下目标跟踪方面具有很好的实际应用前景。

基于迭代sigma点粒子滤波的再入目标跟踪

标准粒子滤波提议分布选择时,由于没有计入最近的观测值信息,重要性权的方差随时间递增,导致权值蜕化。针对这一问题提出了一种新的滤波算法,迭代sigma点粒子滤波算法。该算法在预测时采用sigma点粒子滤波产生拟合概率密度函数的加权粒子,并通过观测值对加权粒子进行更新;修正过程采用迭代卡尔曼滤波优化预测阶段得到的描述状态分布的均值和方差。将其运用于再入大气层目标的跟踪模型,仿真结果表明:与标准粒子滤波相比,该算法能保证滤波收敛,具有更高的估计精度和更好的鲁棒性。

Sigma-Point直接式卡尔曼滤波惯性组合导航算法

基于西格玛点采样加权的方法,以姿态、速度和位置等9个导航参数为状态向量,以卫星导航系统的速度和位置组成6维观测向量,构建直接式卡尔曼滤波器,融惯性导航系统求解和状态估计的过程为一体,直接描述系统导航参数动态过程.仿真结果验证了惯性组合导航Sigma-Point直接式滤波方法的有效性,表明该非线性直接式滤波方法可提高惯性组合导航系统的导航精度和对飞机、导弹等载体非线性机动过程的适应性.

基于sigma点H∞滤波的说话人跟踪方法

在基于麦克风阵列的说话人跟踪系统中,存在观测方程的非线性程度较强,观测误差的统计特性不易准确描述等问题。本文提出了一种基于sigma点H_∞滤波的说话人跟踪方法。该方法用sigma点转换技术减小观测方程的线性化误差,用H_∞滤波方法降低观测误差不确定性对说话人位置估计的影响,从而提高了说话人跟踪精度,增强了跟踪系统对噪声的鲁棒性。仿真实验结果表明,相对于扩展卡尔曼滤波方法,本文方法在多种噪声条件下可将说话人跟踪误差降低25%以上。

基于Sigma粒子Kalman滤波的地形辅助导航方法

地形辅助导航技术依据机载设备实时测量地形高度与机载数字高程地图的对比,给出飞行器定位结果,能够有效地修正主惯性导航系统的误差。传统地形辅助导航中应用较为广泛的是扩展Kalman滤波方法,但因为地形高度测量的非线性,扩展Kalman滤波不一定能够得到系统最优估计。Sigma粒子Kalman滤波作为一种新面世的非线性滤波器,能够有效地解决非线性估计问题。基于Sigma粒子Kalman滤波,提出一种新的地形辅助导航方法。在真实数字高程地图上得到的仿真结果表明,该地形辅助导航方法性能总体优于扩展Kalman滤波方法,尤其在飞越平坦地形时表现更佳。

基于Sigma点H_∞滤波的拟蒙特卡罗粒子滤波算法

在滤波算法中,用Sigma点H∞滤波来产生重要性概率密度函数,由于Sigma点H∞滤波对不确定观测噪声具有较强的鲁棒性,而且在滤波过程中考虑了最新的观测值,因此由其产生的重要性函数更逼近于真实的后验概率分布。同时在重采样阶段,利用拟蒙特卡罗重采样算法进行重采样,有效地克服了粒子退化现象并提高了状态估计精度。仿真结果表明了所提算法的可行性和有效性。

移动追踪的最小Sigma点斜率无迹粒子重构滤波

为提高移动物体的追踪精度,提出一种基于最小Sigma点斜率粒子重构滤波的移动物体追踪算法。首先,利用分裂重构跟踪器解决复杂跟踪环境下目标跟踪的不确定问题,分裂重构形成的多跟踪器,在降低计算复杂度情况下,可从不同位置进行目标多方向并行跟踪,降低目标丢失概率;其次,针对无迹粒子滤波(UPF)Sigma点聚集度差,计算负担大的问题,对裂变获得的子跟踪器,利用最小Sigma点斜率对其粒子滤波过程进行改进,提高无迹粒子滤波算法计算效率;最后,实验结果表明,所提跟踪方法与选定几种定位方法相比,能以更低代价获得更优定位效果,并可均衡网络负载,提高探测传感器网络的使用寿命。