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。

基于最少Sigma点的水下动态目标定位算法改进研究

针对水下动态目标定位场景中,传感器节点能量有限且水下噪声影响节点获取目标测量信息导致定位精度低的问题,提出一种基于最大一致的最少Sigma点无迹Kalman滤波算法。该算法采用最少Sigma点集的无迹变换策略,与传统无迹Kalman滤波n维系统时2n+1个Sigma点的计算量相比改进为n+1个Sigma点的计算量,节省网络能耗;并采用最大一致策略来提高定位精度,同时引入虚拟向量避免节点同值问题。仿真结果表明,该算法定位精度高,计算量小,验证了所提改进算法的可行性和高效性。

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。

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。

基于高斯Sigma点选取的改进UPF算法

针对标准粒子滤波存在的粒子退化现象,提出了一种改进的UPF算法。该算法采用基于高斯Sigma点选取的自适应无味卡尔曼滤波产生建议分布函数,然后利用MetropolisHastings(MH)方法优化粒子,提高了对系统后验概率密度的逼近程度。仿真结果表明:改进算法降低了粒子滤波算法的粒子退化程度,提高了跟踪精度。

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。

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。

基于变尺度变换减少Sigma点的粒子滤波算法研究

为了减少传统无味粒子滤波(Unscented particle filter,UPF)算法的计算负担,提出了最小斜度单形无味转换(Minimal skew simplex UT,MSSUT)方法,这种方法是用最小斜度无味卡尔曼滤波来产生粒子的重要性函数.它不仅能够扩大重要性分布与系统状态的后验概率密度的重叠性,而且能够通过减少Sigma点来减少计算负担.但是,随着状态空间维数的增加,Sigma点集的覆盖半径增大,导致了Sigma点集的聚集性变差.辅助随机变量变尺度无味变换(Auxiliary random variable formulation of the scaled unscented transformation,ASUT)能够克服Sigma点集分布扩展的缺点.所以,提出了一种高维空间中改进的变尺度最小斜度无味粒子滤波(Scaled minimal skew simplex unscented particle filter,SMSSUPF)算法.仿真结果表明:在高维状态空间中,与传统的无味粒子滤波(UPF)相比,计算复杂度和计算负担显著减少.与最小斜度无味粒子滤波(Minimal skew simplex unscented particle filter,MSSUPF)相比,SMSSUPF减少了系统噪声方差和测量噪声方差所带来的估计误差.

Sigma点Kalman滤波在惯性导航初始对准中的性能评估

捷联惯性导航系统的大失准角初始对准过程具有非线性特性,Sigma点卡尔曼滤波算法可用于解决大失准角的对准问题。为提高Sigma点卡尔曼滤波的数值稳定性并降低算法复杂度,推导了简化的方根形式的滤波算法。为评估不同Sigma点卡尔曼滤波在初始对准中的性能,引入了一种适用于姿态角全为大失准的欧拉角误差模型。最后对不同Sigma点卡尔曼滤波在初始对准中的应用进行了仿真,并对算法的精度与复杂度作了分析与总结。结果显示该算法可较好的处理大失准角情况下的对准问题,所推导的简化方根滤波算法在不影响对准精度的情况下可使算法的复杂度降低20%,并增强了数值稳定性,是一种较为实用的方法。

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。

Sigma点滤波在GPS/INS导航系统中应用及仿真

为了弥补现有组合导航算法的不足,提出了一种新的GPS量测数据和惯性导航系统(INS)数据的融合算法。近几十年,组合导航系统中最广泛使用的算法扩展卡尔曼滤波(EKF)是次优滤波器,因为它把非线性模型简化为1阶线性模型,且假设该系统由高斯白噪声驱动,这种简化会导致误差的扩大。而Sigma点卡尔曼滤波器可以克服这些缺点。Sigma点卡尔曼滤波器无需将系统动力学模型线性化,且在Sigma点卡尔曼滤波器中状态的分布采用选择的样本点集合来表示。通过这些样本点可以完全获得高斯随机变量真实的均值和方差,并且高斯随机变量在非线性系统传播时,其均值和方差可以至少精确到2阶。仿真结果表明,Sigma点卡尔曼滤波器在GPS/INS导航系统中表现性能良好。

结合光流跟踪和三焦点张量约束的双目视觉里程计

针对城市街道准确实时定位的问题,提出将光流跟踪与三焦点张量约束结合的双目视觉里程计方法。为提高运算效率,将图像序列分为关键帧与非关键帧,对关键帧进行常规的特征点检测与匹配,对非关键帧用Lucas-Kanade光流跟踪特征点对。推导了基于前后帧、左右视图三焦点张量约束的观测方程,顾及动力学方程,组成卡尔曼滤波模型。考虑到观测方程的非线性,采用迭代Sigma点卡尔曼滤波进行解算,解算过程中用RANSAC稳健估计策略提纯匹配,以增强系统整体稳健性。实验结果表明:提出的算法在基本不损失精度(X方向优于5 m,Y方向优于4 m)的情况下,计算速度提升6.2倍,单帧图像平均处理时间由0.3115 s下降为0.0503 s,能够满足城市定位实时准确的需求。

航姿参考系统的姿态估计方法研究

在行人的运动关节处安装航姿参考系统(AHRS),可以确定行人的运动姿态。目前的姿态确定算法仍存在精度不足的问题。本文设计了一种基于最小sigma点集的平方根无迹卡尔曼滤波(SRUKF)算法,具有较高的滤波精度和较好的快速性。针对算法核心sigma点集的确定问题,研究协方差矩阵高阶矩的匹配方法。提出了基于n+2点集的SRUKF滤波算法,保留了n+1点集的快速性,同时具有2n+1点集的精度。即在sigma点集具有L阶精度时,协方差矩阵具有L/2阶精度,特别的,当sigma点集具有2阶精度时,协方差矩阵也具有2阶精度。分析了具有非线性测量函数时滤波迭代的稳定性。完成了基于标准测试数据的姿态确定对比实验,实验中姿态精度与2n+1点集相仿,而运行时间与n+1点集相仿。实验结果表明,利用基于最小sigma点集的SRUKF算法可以很好的实现航姿参考系统的姿态估计。

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器(UKF)对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF(PredictiveUnscentedKalmanFilter)。它利用非线性预测滤波器(NPF)的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。

微小型四旋翼飞行器多信息非线性融合导航方法及实现

导航系统的完好性及可用性是微小型无人飞行器实现自主可靠飞行的重要保障。本文设计了基于ARM处理器的四旋翼飞行实验平台,提出一种采用MEMS微惯性器件、磁强计、GPS、光流图像传感器及气压计的多信息融合导航方案,针对多传感器数据更新不一致的问题,提出了时间更新和量测更新分离的异步滤波方法。针对微小型四旋翼无人飞行器的易受环境影响和多信息数据融合的非线性特点,研究了Sigma点卡尔曼滤波器(Sigma-point Kalman filter,SPKF)的应用,构建了一种新型的四旋翼飞行器微型多信息导航系统。实验表明,该系统在静态和动态飞行环境下可对飞行器的姿态、速度和位置进行可靠估计和量测,能够保证四旋翼飞行器自主飞行的精度和可靠性,满足多种任务需求。

基于无迹变换的含大规模风电场电力系统概率最优潮流计算

提出了一种基于无迹变换(UT)技术求解大规模风电场并网的电力系统概率最优潮流(POPF)的计算方法。利用UT技术将POPF问题转化为少量样本点的确定性最优潮流问题,然后采用现代内点法加以求解。考虑了风电场出力的随机性和节点负荷功率的不确定性,讨论了不同风电接入水平下利用该方法计算POPF模型中变量的概率特征参数的计算精度。IEEE 30节点、IEEE 57节点、IEEE 118节点标准系统和一个实际系统S-1047的计算结果表明,与蒙特卡洛方法相比,基于UT技术的POPF计算方法在保持误差很小的同时,计算效率可提高数十倍,且容易实现、易于处理随机变量相关性,为POPF问题的有效求解和应用提供了工具。