简化UKF算法在单站无源目标跟踪中的应用

根据实际的应用背景,对标准的UKF算法进行简化,提出一种SUKF(Simplified Unscented Kalman Filter)算法,并将其应用于无源目标跟踪。对实测数据的滤波结果表明,SUKF不仅运算复杂度低(与经典EKF相当,比UKF大大简化),而且收敛速度快、一致性好,跟踪精度高(达到了UKF同样的性能),非常适合于实时应用的场合。

基于极坐标的稳定UKF单站无源目标跟踪算法研究

单站无源目标跟踪系统中存在着可观测性弱、初始误差大的问题,目标跟踪算法的稳定性和快速收敛性显得尤为重要。结合利用空频域信息的单站无源目标跟踪系统的特点,提出了一种稳定的改进UKF算法,采用一组新的状态变量替代了原有状态变量,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,明显改善了目标跟踪算法的稳定性和收敛性。增加二次采样过程,取代了传统UKF算法的状态变量扩展,降低了算法的计算量,实现更容易。与现有的单站无源目标跟踪算法(如EKF、UKF)相比,算法具有稳定性好、收敛速度快、跟踪误差小的特点,是一种稳定的单站无源目标跟踪算法。数值仿真结果表明了算法的正确性和有效性。

基于UKF算法的双机协同无源跟踪

针对单机对目标被动定位跟踪不具有完全可观测性,建立了双机协同探测定位跟踪模型,利用双机探测到的目标方位角和俯仰角,结合非线性滤波算法估计出目标的位置和速度参数。为解决传统的非线性滤波误差比较大、容易发散的问题,引入无迹卡尔曼滤波(UKF)算法。仿真实验表明,与扩展卡尔曼滤波相比较,UKF能更好地解决量测方程的非线性问题,滤波效果更好。

基于UKF和SMO农用履带机器人滑动参数计算

为保证农用履带机器人在农田环境下的稳定行驶,减少滑动现象,提出了基于UKF(Unscented Kalman Filter)和SMO(Sliding Mode Observer)的滑移参数估算方法。利用UKF算法融合机器人的运动方程和测量方程,补偿传感器的测量误差,重建机器人的姿态。建立左、右履带滑动参数和滑移角的滑模观测器,引入双曲正切函数作为滑模观测器的切换函数,减弱滑模观测器符号切换函数引起的抖振,实现对滑动参数的精确估算。仿真和实验结果表明:该方法可以提供准确和高更新率的滑动量,为农用履带机器人的精确控制提供依据。

基于UKF算法的单站无源定位

机载单站无源定位具有机动性好、作用范围广等特点,而基于相位差变化率的定位方法又具有定位速度快、精度高等优点。文章研究了Unscented Kalman Filter（UKF）在机载单站无源定位中的应用,给出了相位差变化率定位方法的原理,介绍了UKF算法的滤波原理及滤波过程。从仿真结果表明,UKF算法应用在机载单站无源定位中,能够精确定位,快速收敛。

基于IMM-UKF方法的主动段目标分级与关机识别

主动段目标的分级与关机识别对于系统把握目标模型切换并部署后续跟踪具有重要意义。建立了主动段目标的分级和关机所涉及的两级主动段模型和中段模型;引入了交互式多模型框架以应对不确定模式下的跟踪问题,引入了无迹卡尔曼滤波以解决非线性估计问题。在天基观测条件下进行了仿真实验,结果表明,利用模型概率和总体估计误差的异常变化,可有效识别主动段目标的分级和关机。

基于UKF光电被动目标跟踪及可观性分析

光电经纬仪在跟踪测量过程中经常会由于云层遮挡等原因,导致目标暂时丢失情形,采用数据融合技术是保证系统连续平稳跟踪的一种有效解决办法。由于在数据融合中需要估计目标的状态信息,面临着被动目标跟踪领域普遍存在的非线性估计与可观测性两大难题。采用传统的扩展卡尔曼滤波(EKF)算法会产生较大的估计误差,并易导致滤波发散。介绍无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)来解决非线性估计问题,同时分析了光电经纬仪在实际目标跟踪时的可观测性问题,提出在不可观测条件下保持滤波稳定的方法。Monte-Carlo仿真结果证明此算法有效、可行。

基于修正SUKF的固定单站无源定位跟踪算法

针对基于超球面单形采样策略的SUKF在初始误差和观测误差较大时滤波性能下降的问题,以固定单站无源定位目标跟踪为应用背景,引入后向平滑处理,并结合系统模型特点对算法作进一步的优化,提出一种修正的SUKF算法。理论分析和仿真实验表明,文中所提算法相对于传统UKF和SUKF算法,在运算开销增加不大的前提下,有效提高了算法的稳定性和滤波精度,具有一定的工程实用意义。

基于UKF多步和BP修正的船舶升沉运动测量方法

为提高海上风机安装时的稳定性和精准性,需要对浮式起重船进行升沉运动补偿。但由于惯性系统测量的船舶升沉运动信息存在随机漂移和相位超前问题,严重影响升沉补偿系统的实时性和精确性,故本文提出基于UKF多步和BP修正的船舶升沉运动测量方法。基于Stewart波浪运动实验平台模拟船舶升沉运动,采用加速度惯性测量系统采集升沉位移和加速度信息,建立运动的状态空间模型;由此模型建立UKF观测器,并用状态转移矩阵根据动态检测的升沉运动超前相位进行多步观测,消除升沉运动的随机漂移和相位超前;进而结合UKF多步观测值和观测残差训练BP预测模型,通过预测的残差来实时修正多步观测器的观测值,提高测量精度。Stewart平台试验表明,本文测量方法解决了实时检测中船舶升沉运动的漂移和相位超前问题,测量精度可达90%。

基于UKF的航天器最小参数姿态矩阵估计方法

针对航天器的惯性-星光姿态确定系统,选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法。但是由于系统模型是非线性的,针对系统模型的非线性,将UKF(Unscented Kalman Filter)与最小参数姿态矩阵估计方法结合,设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿态估计器。仿真结果表明：在敏感器精度较差的情况下,该UKF姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外,UKF和EKF(Extended Kalman Filter)的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器,状态估计的精度也优于EKF滤波器,且数值稳定性好。

基于UKF算法的惟方位单站无源跟踪

单站无源跟踪问题本质上是非线性估计问题,使用传统的EKF算法进行跟踪滤波,得到的结果误差较大,容易产生发散现象。本文在惟方位跟踪中应用UKF算法,仿真结果表明,与EKF相比,采用UKF算法跟踪精度较明显的提高,同时增强了滤波器的稳定性,有效地改善了跟踪性能。

基于观测距离的EKF和UKF目标跟踪方法对比

分析了EKF和UKF的基本原理,并对基于观测距离的EKF和UKF的目标跟踪方法进行了对比.利用Matlab软件对2种方法进行仿真,结果表明UKF对真实轨迹的拟合效果优于EKF,且UKF的误差变化小,收敛性比EKF好.

UKF估计器对IPMSM无传感器控制的比较研究

传统的无传感器技术在起动或低速瞬态工况下表现不理想,需要一些新的无传感器方法,而无需任何附加的起动算法。研究了一种新型的内置式永磁同步电动机(IPMSM)无传感器状态估计器。阐述了无迹卡尔曼滤波器(UKF)算法,并对其适应IPMSM d-q坐标系进行了说明。为了评估驱动性能,与基于滑模观测器的估计方法进行了比较。仿真结果表明,UKF能够更精确地估计转子位置,在低速范围内具有较好的性能,但转子的初始位置仍然是保证电机起动成功的关键。该方法能保证永磁同步电动机起动平稳以及转子位置检测精度高。

基于无迹Kalman滤波的车辆速度和质心侧偏角的估计

为满足车辆主动安全控制功能需求,需提升车辆在强非线性特性下的状态观测精度,提出一种基于无迹Kalman滤波(UKF)的模块化车辆横纵向速度状态观测器结构。该结构利用车载传感器信息,结合UKF观测纵向和横向速度,根据质心侧偏角的定义,计算车辆质心侧偏角。在干燥路面上,进行数字仿真以及实车实验。结果表明:在强非线性状态下,基于UKF的车辆质心侧偏角估计的仿真结果的均方根误差(RMSE)为0.425°,实车实验的RMSE为0.001°,而使用扩展Kalman滤波(EKF)估计的仿真结果 RMSE为0.968°,实车实验的RMSE为0.009°。因此,UKF可以抑制车辆行驶中的干扰对观测的影响,使本观测器结构有较高的观测精度,可满足工程需要。

永磁同步电机无位置传感器控制现状和展望

永磁同步电机(PMSM)的无位置传感器控制是当前电机控制领域的研究热点。针对永磁同步电机无位置传感器控制中基于反电动势观测以及电感凸极性的位置估计方法进行归纳总结。分别对滑模观测器法、模型参考自适应法、龙伯格观测器法、扩展卡尔曼滤波器法、无迹卡尔曼滤波器法和高频信号注入法的基本理念进行了介绍,通过比较每种方法的优势和不足,并根据其缺点归纳了目前主要的改进方法,并阐述了全速范围内两大控制方法的结合策略,且对无位置传感器控制的研究趋势进行了展望。

飞航导弹地标被动观测自主导航修正技术

飞航导弹在外界导航系统不可用的情况下,可对航路上已知精确地理位置的典型地标进行测角和测距,从而实现对导弹导航位置误差的修正。飞航导弹为提高其隐蔽性,不能使用雷达或激光等有源测量设备,而采用成像观测又无法得到距离信息。因此为解决飞航导弹航路中隐蔽式导航自主修正的难题,提出了基于气压高度表的被动观测UKF滤波导航修正技术,从而实现飞航导弹在完全隐蔽情况下导航坐标的自主修正。

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。

商用车电液耦合转向系统主动回正控制研究

针对装有传统液压助力转向系统的商用车在回正过程中存在低速回正不足或高速回正过度的问题,综合考虑载荷转移、路面条件和轮胎非线性等对回正工况的影响,基于电液耦合转向系统,设计一种车辆质心侧偏角和横摆角速度联合控制的非线性滑模控制器。针对控制算法部分状态量难以获取和影响车辆回正稳定性的路面附着系数难以直接测量的问题,利用UKF观测器为滑模控制器动态估计车辆状态信息和路面附着系数,并将质心侧偏角的观测值和横摆角速度与其期望值之差作为控制系统输入,来求取回正控制所需的转角修正量。最后通过TruckSim、Matlab/Simulink和转向试验台架对不同工况下的转向回正性能进行仿真和台架试验,结果表明,所提出的主动回正控制策略可有效提高转向盘回正的稳定性和控制精准性。

基于多传感器天文信息的自主导航算法及可观测性分析

自主导航是未来航天器的发展趋势,利用由太阳敏感器、月球敏感器和红外地球敏感器组成的一体化多传感器天文观测平台,构建了多传感器的天文测量模型,结合航天器动力学模型,分析了自主导航系统的可观测性.基于UKF滤波算法,建立多传感器自主导航算法,并采用原始测量信息和单点解析定位信息两种模式分别进行了仿真验证.仿真结果表明,基于原始天文测量信息的自主导航模式,其导航精度要高于单点解析定位数据的自主导航精度,在无系统误差情况下,导航精度约为200 m.采用系统误差估计的自主导航方法后,常值系统误差对导航精度基本不产生影响.

一种基于Jerk模型的机动目标单站无源定位算法

针对采用非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法IMM-Jerk。该方法用Jerk模型对做复杂机动的运动目标建模,采用经过UKF滤波改进的交互多模(IMM)算法对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标的跟踪,提高了目标跟踪收敛精度和跟踪系统的稳定性。仿真试验证明了该方法的可行性和有效性,并具有较高的应用价值。最后,对IMM-Jerk算法的研究方向进行了讨论。