航空重力数据Kalman滤波平滑技术应用研究

提出一种用于航空重力数据低通滤波处理的卡尔曼(Kalman)滤波模型,采用该模型,利用Kalman最优线性平滑技术,对GT-1A航空重力勘查系统的测量数据进行了滤波试验研究,结果表明,上述模型是可行的,获得与GT-1A系统滤波结果几乎同样满意的滤波效果,二者滤波结果差值的标准偏差可达±0.2mGal.

利用Kalman平滑技术估算航空重力测量中的载体垂直加速度

提出一种具有模型误差修正的Kalman滤波模型,探讨了采用该模型,利用Kalman最优线性平滑技术估算航空重力测量中的载体垂直加速度的方法.仿真试验表明:该方法明显优于常用的数字差分与FIR低通滤波技术确定载体垂直加速度的方法,精度可达±1～2 mGal.

具有未知系统偏差的自适应Kalman平滑器

提出一种有效的具有未知系统伯差的自适应Ｋａｌｍａｎ平滑器．应用状态空间方法和ＡＲＭＡ新息模型，基于白噪声估值器和输出预报器，给出线性离散定常系统自适应最优状态和偏差联合Ｋａｌｍａｕ平滑器，最后给出仿真实例．

广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用Y-可观广义系统典范型,将广义系统状态估计问题转化为一个降阶常规系统的状态估计问题.应用Kalman滤波方法和白噪声估计理论,提出了广义离散随机线性系统降阶固定区间最优Kalman平滑器,可减少计算负担,便于实时应用,一个仿真例子说明其有效性.

无控制点场景下基于多运动目标的卫星视频稳像算法

为了解决无控制点场景下现有卫星视频稳像算法失效的问题,提出了一种基于多运动目标的卫星视频稳像算法,该算法构建了目标检测、轨迹平滑和范数优化的框架,将多目标卡尔曼滤波、rlowess轨迹平滑与L1-L2范数优化相结合,最终实现卫星视频稳像。利用海上多目标舰船观测数据集开展实验,结果表明基于多运动目标的卫星视频稳像算法在X、Y方向上的稳像误差均不超过0.3个像素,验证了该算法的有效性。本研究填补了无控制点场景下卫星视频稳像的技术空白,具有重要的工程应用价值。

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。

自校正Kalman平滑新方法及其在飞行器跟踪方面的应用

应用状态空间方法和现代时间序列分析方法［１］，基于白噪声估值器和输出预报器，提出了解决带输入的线性离散定常系统稳态最优和自校正Ｋａｌｍａｎ平滑新方法，并给出了在飞行器跟踪方面的应用，仿真结果说明了本文结果的实用性和有效性。

非平稳时间序列的状态空间建模与预测

本文研究了非平稳时间序列的状态空间建模与预测方法.在建模的过程中,采用了分解模型的方法,从原始时间序列直接建立起状态空间模型,对趋势性建立起随机走动模型,对周期性因素建立了动态谐波模型,从而摆脱了Box—Jenkins建立ARIMA模型的繁琐程序.

组合导航系统离线信息融合算法

获得高精度的载体实际飞行轨迹,是组合导航系统性能评测的重要手段。从组合导航系统研究出发,针对惯性导航系统、姿态(非姿态)型GPS和大气数据计算机多传感器组合导航方式,实现多传感器信息离线融合算法。同类型导航传感器数据采用加权最小二乘算法,并利用开环卡尔曼滤波实现组合导航的信息融合,在此基础上再进行最优固定区间平滑滤波。仿真实验结果表明,经过上述3步信息融合之后,得到的导航结果精度不仅高于任一个传感器精度,而且高于单独采用卡尔曼滤波的导航参数精度。

基于CWPA模型的最优平滑算法性能及其应用

针对线性高斯系统的平滑问题,分析了RTS固定区间平滑与双滤波器固定区间平滑两种算法,提出了一种滤波存储数据更少的RTS平滑新算法。结合平面内的运动追踪问题,基于二维CWPA模型,仿真分析了卡尔曼滤波、RTS固定区间平滑以及双滤波器平滑算法的估计性能。仿真结果表明,两种固定区间平滑算法的估计效果等效,精度均优于卡尔曼滤波,对于实际问题中固定区间平滑算法的选用具有一定的参考价值。最后,结合双滤波器结构提出了一种基于双平滑器的舰载武器惯导传递对准精度评估方法,结果表明新方法相比于单一的平滑算法,可以获取更优的综合平滑性能,特别提升了水平姿态对准误差的平滑估计性能。

最优平滑算法在 GPS/SINS组合导航系统事后分析中的应用

组合导航系统通常采用Kalman滤波来实现对系统状态的估计,由于最优平滑算法的精度比Kalman滤波的精度高,并且平滑结果反映了系统在理想情况下能够达到的潜在精度,因此可以采用最优平滑算法对组合导航系统进行事后分析。本文介绍了R-T-S最优平滑算法,并将其应用于某船用GPS/SINS组合导航系统的时候分析和处理中,给出了系统仿真结构图,进行了仿真。仿真结果表明,平滑算法是一种有效的事后分析方法。

模型不精确系统中最优估计与平滑的频域性质及应用研究

讨论和推导了在设计模型不能精确地与真实模型相符情况下，最优滤波与平滑反卷积的频域特性，为自适应及鲁棒估计与平滑中模型的检验、模型误差的确定等提供了一种频域方法．文中还给出一种计算最优平滑反卷积的快速数值算法．

改进ERTS平滑算法在位置跟踪中的应用研究

针对标准ERTS平滑算法在位置和姿态估计中计算复杂、效率低、精度不高等问题,提出了利用奇异值分解法改进ERTS平滑算法优化位置和姿态数据的新方法。对系统采集到的位置和姿态信息进行前向扩展卡尔曼滤波,降低系统噪声的初步影响;对滤波后的均方误差阵进行奇异值分解,并降低后向递推增益和预测值计算量,提高了预测精度,有效增强了系统的抗干扰性和稳定性。Turtlebot移动机器人平台的试验效果证明该算法在位置和姿态估计中的高效性和稳定性。

一类非因果系统的最优滤波与平滑

研究一类非因果系统的最小方差滤波与平滑．引入前、后向马尔可夫过程的等价性定理，得到了等价系统实现最优滤波的条件，并给出最优滤波和平滑算法．该算法可应用于一系列实际问题中．

基于扩展卡尔曼滤波的锂离子电池寿命预测方法

锂离子电池寿命预测是掌握电源性能衰退趋势的重要手段,已成为电子系统健康管理领域的研究热点;针对锂离子电池的寿命预测问题,基于NASA艾姆斯中心的锂离子电池地面试验采集的数据,将扩展卡尔曼滤波(EKF)算法应用于锂离子电池寿命预测过程中,并针对预测过程中存在的问题,采用最优Loess平滑原理进行改进,从而提高了预测的稳定性和精确性;实验结果表明,提出的预测方法能够有效地用于锂离子电池寿命预测中,在工程应用方面具有较高的实用价值。

区间平滑在船用INS/GPS姿态组合导航系统事后评估中的应用

组合导航系统事后区间平滑算法处理数据精度较在线滤波算法高,通常以经过事后处理的惯导状态信息作参考,对中低精度的舰船导航设备工作性能进行评估。在以速度、位置作为观测量的INS/GPS量测方程的基础上,增加姿态外部修正信息,采用固定区间平滑算法进行处理得出高精度的评估数据,进而分析舰船导航设备的数据输出精度。仿真分析结果表明,增加姿态信息并结合固定区间最优平滑算法的处理方法,可以使系统的姿态测量精度获得大幅度提高,并能克服最优滤波对平台误差角初期估计精度低的缺点,可以作为一种评估舰船导航设备工作性能的事后分析方法。

基于Nios的聚类向量ARMA轴温探测器——列车轴温探测系统的信号处理

阐述了在向量ARMA(Auto-RegressiveMoving Average,自回归滑动平均)模型中的聚类算法,介绍了使用A ltera DSP Builder和SOPC Builder实现聚类向量自回归滑动平均的卡尔曼最优平滑滤波器的设计方法,给出了聚类向量ARMA卡尔曼最优平滑滤波器的设计框图,比较了32阶FIR(Finite Impulse Response,有限冲击响应)滤波器与聚类向量ARMA卡尔曼最优平滑滤波器的滤波效果,同时还利用16阶D IT-FFT(时间抽取快速Fourier变换)展示了深埋于噪声中的信号功率点。这些功能又是靠A ltera的N ios嵌入式设计平台实现的。

一种基于卡尔曼最优平滑方程的开关电容网络——第三代(光纤传感)轴温探测器的信号处理

列车轴温光纤传感探测器的输入信号十分微弱并混有噪声，为此研制一种特殊的滤波器就显得尤为必要。文中分析了该探测器的噪声源，并根据光电变换信号的微分表达式建立了卡尔曼最优平滑方程，采用开关电容滤波器精确实现了该方程，解决了列车轴温光纤传感探测器中的信号平滑滤波问题，大大提高了系统的探测率。