多源信息空间配准中的UT变换采样策略研究

空间配准是分布式多传感器信息融合的基础。UT(UnscentedTransformation)变换以其非线性变换精度高,无需求导等优点得到广泛关注。目前,存在多种形式UT变换采样策略,而对这些采样策略缺乏比较分析。以多传感器量测信息的空间配准为应用,比较分析了对称性采样,最小偏度单形采样,以及超球体单形采样等多种UT变换采样策略。仿真结果表明,UT变换较一阶线性化近似方法更适于多传感器量测的空间配准,其中,对称性采样策略又优于其它采样策略。

基于广义UT变换的交互式多模型粒子滤波算法

针对粒子滤波中重采样过程与优化提议分布的处理方式导致的粒子溃退和算法实时性下降问题,通过广义UT变换原理和卡尔曼滤波预测更新机制的引入,实现当前量测信息对于状态估计结果的直接优化,给出了一种基于广义UT变换的粒子滤波算法.另外,将改进后算法与交互式多模型相结合,进而提出了一种基于广义UT变换的交互式多模型粒子滤波算法.理论分析和仿真结果表明:新算法在计算复杂度方面与标准粒子滤波相近,在滤波精度方面优于标准粒子滤波及其改进算法.

基于UT变换的传感器航迹数据无偏转换

在目标跟踪过程中,通常采用笛卡尔坐标系进行航迹输出,这涉及到不同坐标系下航迹数据转换问题。传统变换方法计算量比较大且精度一般。根据UT变换的基本思想,通过选择有限个近似高斯分布离散点,并施以非线性变换,实现了笛卡尔坐标航迹数据的无偏转换。与蒙特卡洛方法的对比分析表明,该方法计算量小,数学推导简单,运算时间短,是一种比较有效的航迹数据转换方法。

基于奇异值分解的UT变换

在基于Kalman滤波的非线性滤波方法中,近年来提出的无味滤波(Unscented Kalman Filter)以其计算简单和近似精度更高而受到青睐。这就需要利用UT变换(Unscented Transformation也称无味变换)求非奇异的协方差矩阵的平方根,而对于奇异的协方差矩阵或者在Kalman滤波更新中由于数值计算导致的误差方差阵奇异时,传统的UT变换已不实用。本文对上述问题进行了讨论,提出了基于奇异值的UT变换来处理奇异的方差阵,并用数值模拟证明了这一方法的有效性。

基于UT变换H_∞滤波的舰船导航系统高度阻尼方法

舰船导航系统发展水平直接关系到全舰作战效能,而高度阻尼是其中的一个重要问题。为解决纯惯导高度通道发散问题,设计了INS/GPS三阶组合高度阻尼网络,并结合滤波算法对影响测高精度的各主要误差源进行阻尼。基于欧拉平台误差角概念,建立了适用于任意失准角误差条件下的非线性误差模型。结合H∞理论和UT变换,推导出一种具有较强鲁棒性的基于UT变换H∞滤波算法。最后,通过数学仿真验证了舰船导航系统高度阻尼效果。仿真结果表明,基于UT变换H∞滤波的舰船导航系统高度阻尼方法能够有效地抑制高度通道发散,高度阻尼精度与外观测信息精度相当。

WSN节点定位中UT变换采样策略研究

采用滤波的方法进行无线传感器网络节点定位时,需要用到非线性变换。UT(Unscented Transformation)变换用于非线性变换精度高且无需求导,它存在有多种形式的采样策略,而目前对各种采样策略用于无线传感器网络节点定位尚缺乏比较分析。重点分析比较了对称性采样、最小偏度单形采样,以及超球体单形采样等多种UT变换采样策略在无线传感器网络节点定位中的应用。仿真结果表明,对称性采样策略优于其它采样策略,最小偏度采样效果最差。

基于UT变换的单站无源定位算法研究

探讨了基于辐射源的信号到达时间(TOA)和到达方向(DOA)信息,利用单站对机动目标进行无源定位与跟踪的新方法。该方法将UT变换应用于单站无源定位,能更好地解决测量模型的非线性问题和低参数测量精度条件下的单站无源定位跟踪问题,滤波性能更好。通过计算机仿真,验证了该方法的正确性与有效性。

基于UT变换的雷达搜索区域快速确定方法

导弹预警中有引导信息下的雷达搜索,可以快速地发现目标并有效地节约雷达资源。若已知导弹目标在自由段某一时刻的运动状态值及误差,可通过弹道预报方法计算误差传播情况进而确定目标进入雷达的搜索区域。导弹的弹道预报及状态值在各类坐标系下的转换是一个复杂的非线性变换,传统求偏导数矩阵的方法计算量大,使用无迹变换(UT变换)方法通过选取样点的方式可以快捷地处理各类复杂的非线性变换,在保证准确度的同时,减小了计算量。仿真实验表明,UT变换能够有效解决非线性问题,计算引导信息下的雷达搜索区域,并根据雷达的相应参数得到目标发现耗用时间。

基于UT变换的单步滞后无序量测算法

针对滞后无序量测(OOSM)的单步滞后滤波问题,在现有算法的基础上,推导非线性单步滞后无序量测更新方程.提出用UT变换来计算其中涉及到的状态向量以及相关量测之间的协方差,从而有效解决了状态转移方程为线性而量测方程为非线性的非线性Gauss系统的单步滞后OOSM问题.然后,针对多传感器单步滞后OOSM情况,给出了基于UT变换的单步滞后OOSM融合方法.与基于扩展Kalman滤波(EKF)框架下的EKFA1算法和不存在滞后情况的最优算法相比,新算法具有如下特点:可以适用于非线性量测方程的雅可比(Jacobian)矩阵或Hessian矩阵不存在的情况,具有较好的滤波性能,时间复杂度与EKFA1算法处于同一数量级.

一种用于目标跟踪的UT-BLUE滤波方法

雷达机动目标跟踪问题中,通常目标运动模型可精确地在直角坐标系下建模,但大多数情形下模型是非线性的,同时在传感器坐标系下所获得目标量测又是直接可用的.通过将无迹变换与最优线性无偏滤波器有机结合,提出一种新的BLUE(Best Linear Unbiased Estimator)滤波算法,以便解决上述非线性跟踪问题.首先,该算法利用无迹变换对经由直角坐标系下非线性目标运动模型得到的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出状态估计.在算法推导及Monte-Carlo仿真过程中,将新的BLUE滤波算法和EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)滤波算法进行比较,结果表明新算法的有效性和适用性.

随机变量经非线性变换后统计性质的确定

扩展卡尔曼滤波应用于非线性系统的状态估计时,首先要对系统的动力方程进行线性化,这样就给状态的估计带来一定的误差。文中通过对非线性变换的函数进行级数展开,获得了非线性变换后随机变量的真实均值和协方差的表达式,并得到一阶线性化的形式;然后提出了一种精度更高的变换算法,并从理论上证明了该变换算法较之线性化的做法能够更好地逼近非线性变换后的真实均值和协方差,数值试验也证明了这一点。

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能。与EKF、UKF (unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界。

基于无迹变换的结构载荷/参数联合识别的GDF法

结构动态载荷/参数联合识别是近些年结构动力学领域的研究热点,比如EGDF(extended Gillijns-De Moor filter)算法。EGDF算法的思想基于扩展卡尔曼滤波(EKF)的1阶线性化近似来处理系统中的非线性,影响识别精度;考虑到无迹变换(UT)能够有效地处理系统非线性问题,引入无迹变换,应用模态缩减法,将传统GDF(Gillijns-De Moor filter)法进行改进,形成了GDF-UT算法;另外,为了缓解GDF法中的载荷位移识别信号的虚假低频漂移现象,应用应变和加速度测量信号的融合策略拓展GDF-UT算法。以平面桁架结构为数值仿真对象,验证了该算法的有效性,相比于EGDF算法,该算法精度更高。

一类非线性滤波器——UKF综述

回顾了UKF算法的发展,从一般意义讨论了UT变换算法和采样策略的选择依据,并给出了UKF算法描述.从条件函数和代价函数入手,在给出多种采样策略的基础上对UKF采样策略进行了分析和比较.最后对UKF算法未来可能的研究方向进行了探讨.

UPF算法及其在目标跟踪中的应用

分析了基于贝叶斯理论的粒子滤波算法的优缺点,研究了一种改进的粒子滤波(PF)算法UPF。将两种算法在目标跟踪中的性能进行了比较。仿真结果表明,改进算法 UPF定位精度更高,抗噪声能力更强,实时性更好。

无迹卡尔曼滤波在末敏弹信号处理中的应用

现代化战争日益多元化和复杂化,只有提高末敏弹信号处理能力,才能更好地对目标进行捕获、跟踪和识别。文中是用无迹卡尔曼滤波的方法对末敏弹红外信号进行处理,得到了无干扰下的较为真实的波形,为目标识别中信号特征量的选择以及复合探测器的数据融合工作提供可靠依据。文中通过仿真计算,并与卡尔曼滤波和小波去噪的方法处理后的结果进行对比,说明了无迹卡尔曼滤波方法精度高、实时性强、可自适应等优点。

基于方根分解形式的UKF算法在目标跟踪中的应用

UKF作为一种新的非线性滤波方法已在目标跟踪问题中得到应用,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobians矩阵,相对于扩展卡尔曼滤波(EKF)不仅能提高滤波精度,而且更容易实现。提出了一种基于方根分解形式的UKF算法(SRD-UKF),算法的方根形式增加了数字稳定性和状态协方差的半正定性。通过BOT(bearing of target)仿真实验结果表明,该算法与UKF和PF算法相比具有更好的滤波性能。

基于交互多模型的改进无迹粒子滤波算法

为了提高机动目标的跟踪精度,提出了适用于非线性非高斯系统的基于预测残差的交互多模型自适应无迹粒子滤波算法.该算法将无迹粒子滤波与交互式多模型的优点相结合,通过UT变化构造粒子滤波的建议分布函数,利用预测残差在线对测量协方差和状态协方差进行自适应调节,以改进执行和计算的有效性从而降低计算误差.仿真结果表明,与交互式多模型粒子滤波、交互式式无迹粒子滤波算法相比,该算法具有更好的跟踪精度.

基于无迹卡尔曼滤波的高纬度超视距目标跟踪方法

传统超视距目标跟踪中将目标位置信息转变到以融合中心为原点的直角坐标系下进行,针对这种方法在高纬度地区使用所带来的目标位置信息误差问题,提出将目标信息转变到横向地球坐标进行表示,在此基础上构建了目标运动模型、目标观测模型以及基于无迹卡尔曼滤波的超视距目标跟踪模型,仿真分析结果表明,所提出的方法能够提高高纬度地区的超视距目标跟踪精度,能够满足高纬度地区舰艇作战指挥系统对超视距目指信息的精度需求。

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益。通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用。仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度。