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。

基于自适应因子化H∞滤波的单站无源跟踪

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化H∞滤波的单站无源跟踪算法。该算法利用sigma点转换和鲁棒H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于UT变换的H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性。仿真实验结果表明,本文方法通过对UT变换进行简化,在自适应因子化的同时,算法的计算量与基于UT变换的H∞滤波基本持平,且跟踪精度优于基于UT变换的H∞滤波算法。该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。

潜艇纯方位跟踪中系统误差的消除方法

针对潜艇纯方位法水下目标跟踪过程中,如果存在系统误差,会导致收敛速度变慢,状态估计有偏的问题,提出了联合sigma点卡尔曼滤波算法。该算法不仅能消除系统误差对状态估计的影响,而且能减小线性化误差,提高滤波精度。仿真实验结果证明了算法的有效性和优越性。