Cubature卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1%;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22%,有效地提高了实时性.

自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿

采用七轴机器人设备夹持激光器的方式对某型号发射筒进行切割开孔加工。在加工过程中,因轨迹精度和绝对定位精度较低,容易对型号产品发射筒产生损伤和误差切割等问题,运用D-H算法建立七轴机器人理想模型,运用正逆运动学数值算法对理想模型进行验证,运用理想模型的理论位姿参数和激光跟踪仪的测量位姿参数基于Sage-Husa自适应卡尔曼滤波求解七轴机器人真实位姿坐标信息,得到理想位姿参数和真实位姿坐标信息的关节误差,然后结合粒子群优化-遗传算法-BP神经网络联合算法对七轴机器人建立误差预测模型,采用七轴机器人理论位姿参数作为输入样本,真实位姿与理论位姿的各关节角度差作为输出样本,通过库卡机器人Workvisual 5.0软件按照模型输出值对七轴机器人的各关节角度值进行补偿。经过仿真实验和加工,各关节误差补偿后的七轴机器人轨迹误差和绝对定位误差减小72%,满足工艺要求。

基于Cubature卡尔曼滤波的强跟踪滤波算法

提出一种新的基于Cubature卡尔曼滤波的强跟踪滤波算法(CKF-STF)。该算法基于强跟踪滤波的理论框架,采用三阶Cubature采样积分代替传统强跟踪滤波中的雅可比矩阵求解,并给出了适用于一般非线性系统的强跟踪滤波算法的线性等价描述。新算法不仅具有强跟踪滤波鲁棒性强的优点,而且继承了CKF算法处理非线性系统的能力。采用具有实际应用背景的目标纯方位跟踪仿真实例验证CKF-STF算法,结果表明该算法不仅精度高,而且实现简单。

WSN中利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法

针对传统无线传感器网络(Wireless Sensor Network,WSN)对运动目标的定位和跟踪容易产生明显误差的问题,提出利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法。基于改进FOA-GRNN法,利用从锚点接收到的运动目标的模拟(RSSI)值和相应的实际目标二维位置对GRNN进行训练,从而获得单个目标在二维运动时的准确初始位置;利用迭代Cubature卡尔曼滤波法对实时目标进行精准定位和测距,获得实时目标的准确定位和跟踪信息;将改进的FOA-GRNN法和迭代Cubature卡尔曼滤波法相结合用于WSN中实时目标跟踪和定位,在提高初始位置精度的同时,还提高了实时目标定位和跟踪信息的准确度。实验结果表明,相比其他几种较新的方法,该方法改善了WSN中实时目标的跟踪性能,降低了误差,提高了跟踪精度。

一种基于无迹卡尔曼滤波和炮弹运动轨迹模型的落/发点外推新算法

炮弹弹道外推算法是决定炮位侦察校射雷达性能的关键因素之一。针对运动轨迹滤波方法、弹道模型误差、参数估计误差等导致的定位精度低的问题,提出了一种基于无迹卡尔曼滤波和炮弹运动轨迹模型的落/发点外推新算法。该算法首先选择先进的无迹卡尔曼滤波方法对雷达测得的初始弹道轨迹进行滤波,再基于一种先进的炮弹运动轨迹模型,利用四阶龙格-库塔方程进行外推。仿真实验结果表明,相比于其它2种较为经典的弹道外推算法,该算法定位精度大大提高。

基于奇异值分解的多重渐消鲁棒Cubature卡尔曼滤波及在组合导航中的应用(英文)

为了提高标准Cubature卡尔曼滤波(CKF)的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波Cubature卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。

Unscented卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出unscented卡尔曼滤波-卡尔曼滤波unscented Kalman filte-ring-Kalman filtering,UKF-KF算法,该方法用UKF估计条件线性高斯状态空间模型中的非线性状态,用KF估计线性状态。为了有效地融合UKF和KF估计的后验状态分布,将蒙特卡罗方法应用于KF估计的线性状态均值和方差,获得了与UKF sigma点相同数量的后验线性状态估计分布的样本,然后将这些样本与UKF中sigma点进行合成去获得系统中非线性状态的估计。该算法应用于机动目标跟踪的仿真结果表明:与Rao-Blackwellized粒子滤波器(Rao-Blackwellized particle filter,RBPF)相比,该算法虽在估计精度上略有下降,然而计算时间明显降低,有效提高了实时性。

基于改进连续-离散无迹卡尔曼滤波的水下航行器故障诊断

针对连续非线性系统的参数估计问题,提出了改进的连续-离散无迹卡尔曼滤波算法。该算法结合系统状态和参数的估计均值和协方差阵,通过构建控制系统的无迹状态矩阵,并对无迹状态函数积分获得预测无迹状态阵,再经过均值解算和估计更新,获得参数的估计值。然后,针对水下航行器连续非线性控制系统的故障诊断问题,将水下航行器执行机构的故障,以比例系数和附加参数的形式表达在控制系统的状态空间方程中,通过采用改进的连续-离散无迹卡尔曼滤波算法,估计故障数据,实现执行机构的故障诊断。最后,在水下航行器回坞仿真实验中,采用该算法有效估计出执行机构故障,验证了算法的可行性和有效性。

一种新的模糊-卡尔曼滤波器的控制算法及应用

针对高速剪切中管材运动需要精确而快速的预测问题,提出了一种新的模糊-卡尔曼滤波器:将过程噪声、量测噪声与残差均值和残差方差之间分别建立模糊曲面;省略模糊规则推理;将滤波器的采样时间与剪切误差之间的关系模糊化.以这样结构的滤波器来提高对剪切误差的跟踪和预测能力.仿真结果显示,新的模糊-卡尔曼滤波器比传统的卡尔曼滤波器更快和更稳定地将剪切误差进行抑制,而且剪切精度得到提高.

卡尔曼滤波-分光光度法同时测定长江、嘉陵江地表水中微量铜、镉、锌和铅

以2-(5-溴-2-吡啶偶氮)-5-二乙氨基酚为螯合剂,三氯甲烷为萃取剂,采用卡尔曼滤波和分光光度法同时分析长江和嘉陵江现场采集的地表水样中Cu^(2+),Cd^(2+),Zn^(2+)和Pb^(2+)的浓度.4种金属离子的实验室回收率在91.0%-113.1%之间;比较长江、嘉陵江国控点例行监测数据,本方法具有较好的可比性和可靠性,能直接应用于江河水样多种金属污染物的同时定量分析.

基于无味卡尔曼滤波的空对海BTO-TMA问题的研究

探讨了TMA(目标运动分析)中基本的非线性估计问题,介绍了基于无味变换(Unscented Transform ation-UT)的无味卡尔曼滤波(Unscented Kalm an F iltering-UKF)算法的设计思想与具体实现,特别针对空对海单站只测方位与到达时间TMA(BTO-TMA)问题应用UKF和EKF(扩展卡尔曼滤波)进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了初值有偏和无偏两种情形下的Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。

光谱拟合矩阵投影-卡尔曼滤波法校正稀土基体对钙光谱干扰的研究

在高纯稀土ICP AES分析中 ,稀土基体光谱对痕量钙的光谱干扰是影响钙分析准确度的主要原因。本文提出光谱拟合矩阵投影 卡尔曼滤波来校正峰形简单的稀土基体峰对钙峰的光谱干扰 ,并把此法用于校正高纯稀土氧化铽和氧化镝对痕量钙的光谱干扰 。

基于平方根-卡尔曼滤波的无线网络仪器时钟同步算法

提出基于平方根-卡尔曼滤波算法的时钟同步算法,在保证算法收敛的前提下对时钟偏差和偏斜进行最优估计。算法中提出通信能耗与时钟精度的关系模型,在满足一定精度的前提下校准时钟,既能保证时钟的稳定和精准,又能较少地占用带宽资源,节约通信能耗。最后通过网络模拟器模拟实验论证了算法的性能。

卡尔曼滤波理论在洪水期水位-流量关系曲线中的应用

本文以描述非恒定流的圣维南方程组为基本方程,从洪水期流体阻力入手,通过水力要素和水流平均流速公式,利用卡尔曼滤波(Kalman filter)理论作为推求流量的理论基础,推求洪水期的水位过程和流量过程。

无味卡尔曼滤波在空对海单站BDO-TMA中的应用

针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering)和EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。

卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用

提出一种基于卡尔曼滤波的统计学方法,对光纤温度传感系统的状态进行实时估计并去除系统的噪声,提高光纤传感系统的准确度。光纤温度传感系统属于线性动态系统,被测温度是服从高斯-马尔科夫随机过程的离散时间状态变量,状态噪声是加性高斯白噪声。基于贝叶斯最大后验概率推论(MAP)和最小均方误差(MMSE)准则,新的测量值通过量测更新方程修正后验状态估计值。这种迭代的算法最终可以得到状态的最优估计值。该模型和算法应用在分布式拉曼光纤温度传感系统(DOFS)FGC-LR中,对其性能进行研究。用局部方差和信噪比评估该算法去噪的能力。常温点处温度的局部方差减小了83.56%,高温点处减小了84.09%。两探测点处的温度信噪比分别提高了18.45%和16.80%。算法在提高光纤传感系统的准确度,实现实时测量上取得了很好的效果。

一种新型非线性卡尔曼滤波方法

提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。

基于卡尔曼滤波的Link-22数据链网络时间同步算法

为了维持网络正常运行,Link-22数据链所采用的时分多址接入协议必须要求高精度的网络时间同步,传统的RTT算法降低了系统的实时性,PTP算法增大了系统的网络负担,且2种算法都忽略了延迟抖动以及获取时间戳带来的误差,导致时间同步精度低。基于此,文中提出了一种基于卡尔曼滤波的RTT-PTP算法,该算法在不影响系统的实时性以及不增加网络开销的情况下,利用卡尔曼滤波有效地降低延迟抖动以及不同时间戳精度带来的误差。最后通过仿真验证新算法能够有效地提高系统的时钟精度。

基于卡尔曼滤波的红外图像增强算法

针对红外图像中的非均匀性噪声的去除问题,提出基于卡尔曼滤波的红外图像去噪及增强算法.在Bayes-ian-MAP框架下分析卡尔曼滤波器对去噪问题的适用性.由于成像电路内部温度上升和参数的细微变化,每个像元的固定模式噪声(FPN)在帧间缓慢变化.基于此点,建立暗帧的噪声模型.将卡尔曼滤波器作用于红外暗帧序列,估计出暗帧中每个像元的FPN水平.引入噪声影响因子(NIF)来评估FPN噪声对像元输出信号的影响.根据NIF自适应地选取每个像元的FPN噪声权重.实际带噪图像减去加权FPN噪声,即得到增强图像.将该算法应用于实拍红外图像,用平均灰度梯度(GMG)评估算法的性能.在目标区域,GMG下降了5.1%,说明算法在去噪的同时很好地保留了目标的边缘.而在平滑区域,GMG下降了85.5%.结果表明,该算法在去除非均匀性噪声,提高图像的对比度方面,取得较好的效果.

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究

对迭代无迹卡尔曼滤波算法在SLAM问题中的应用进行仿真研究。通过仿真分析发现,与一般的无迹卡尔曼滤波算法相比,迭代的算法有时无法提高SLAM的精度,继而探讨了SLAM问题中选择采用迭代算法的条件;同时针对迭代算法的观测更新阶段,用阻尼的高斯-牛顿迭代方法改进完全高斯-牛顿迭代方法,从而提出一种改进的基于迭代无迹卡尔曼滤波的SLAM算法。仿真实验对提出的迭代条件进行了验证,仿真结果表明提出的SLAM算法与无迹卡尔曼滤波算法相比,可以进一步提高SLAM问题的估计精度。