约束最小二乘法

为了准确、实时地估计出有突变时载体的状态,设计一种新的方法-约束最小二乘法,并且给出了递推形式。实验仿真表明:有状态突变时该方法优于卡尔曼滤波,无状态突变时估计结果与卡尔曼滤波估计结果相当。

迭代无味卡尔曼滤波器

通过对无味卡尔曼滤波器（Unscented Kalman filter，UKF）的误差进行分析，提出了迭代UKF（IUKF）算法。该基本思路是用测量更新后的状态估计去重新对状态量和观测量的一步预测，然后再次应用LMMSE估计子估计状态量的均值和协方差阵，如此多次迭代后的滤波估计输出具有更高的精度和更小的方差，故滤波器表现出更好的一致性。Monte Carlo仿真表明，IUKF主要应用于观测噪声较小的场合，其中的迭代只需进行2～3次即可。

音频测距信号实时消噪及半实物仿真

针对声波测距系统噪声复杂,淹没在噪声中的回波难以检测的问题,文章利用时间序列分析法对音频测距系统建立了ARMA模型,采用改进的递推最小二乘算法(RELS)实现了ARMA模型系数的实时估计,在ARMA模型的基础上,利用卡尔曼滤波算法对音频测距信号实时补偿,并构建了一种半实物仿真系统。仿真结果表明,该方法具有很好的实时滤波效果,能有效地抑制噪声,提高回波测距仪的精度。

一类带有等式约束的不确定系统的滤波方法

研究了一类离散不确定系统中存在等式约束时的最优滤波问题,在均方误差最小的意义下利用卡尔曼滤波给出了最优解。与传统的不确定滤波结果相比,从理论证明了利用更多信息的约束滤波的估计误差协方差的迹更小。计算机仿真验证了理论结果。