Multi-sensor optimal weighted fusion incremental Kalman smoother

In practical applications, the system observation error is widespread. If the observation equation of the system has not been verified or corrected under certain environmental conditions,the unknown system errors and filtering errors will come into being.The incremental observation equation is derived, which can eliminate the unknown observation errors effectively. Furthermore, an incremental Kalman smoother is presented. Moreover, a weighted measurement fusion incremental Kalman smoother applying the globally optimal weighted measurement fusion algorithm is given.The simulation results show their effectiveness and feasibility.

基于灰色模型和Kalman平滑器的多母线短期负荷预测

提出一种基于灰色模型和Kalman平滑器的多母线短期负荷预测方法。首先利用频域分解消去母线负荷序列的周周期分量,建立序列的灰色模型;利用系统负荷预测方法得到系统负荷预测值。然后基于灰色模型,将各母线负荷的累加序列作为状态,系统负荷的累加序列作为观测,建立线性离散随机系统模型,利用Kalman平滑器计算各母线负荷累加序列的最优估计值,最后经过累减还原并加上周周期分量得到母线负荷的预测值。Kalman平滑器利用高准确率的系统负荷预测结果对母线负荷预测进行调整,降低预测误差。在实际系统中进行了仿真验证,证明了该方法的有效性。

位移和加速度融合的自适应多速率Kalman滤波方法

多速率Kalman滤波方法可用于低采样率的位移和高采样率的加速度数据融合,而未知的噪声协方差信息则显著制约着多速率Kalman滤波精度.本文通过将多速率Kalman滤波转换为传统的单速率Kalman滤波,建立了Kalman滤波增益的自协方差矢量与未知的加速度谱密度和观测噪声参数间的线性函数模型,并采用最小二乘估计方法对未知的噪声协方差参数进行估计,进而有效地提高了多速率Kalman滤波精度.数值仿真和震动台实验结果验证了本文方法的正确性和有效性.

基于交互多模算法的Kalman平滑器在滑坡监测中的应用

将滑坡的监测视为机动目标的跟踪问题,基于传统机动目标跟踪算法的不足,首次引入交互多模算法对滑坡监测数据进行处理。最后在此基础上给出了一种卡尔曼滤波平滑算法,实例仿真结果说明了其有效性。

基于变维滤波算法的Kalman最佳平滑器在滑坡监测数据处理中的应用

本文研究如何对滑坡监测数据进行去噪。利用变维滤波算法能够很好描述滑坡变形的特性,建立了滑坡运动的数学模型,并引入变维滤波对滑坡监测数据进行降噪。为了提高滑坡预报精度,提出了一种基于变维滤波的Kalman最佳平滑算法。实例仿真结果表明利用该方法不仅预报精度高,而且也为寻找滑坡监测数据中的变点提供了新的思路。

信息融合稳态最优Kalman平滑器

应用Kalman滤波方法 ,基于Riccati方程 ,在线性最小方差最优融合准则下 ,提出了按矩阵加权的两传感器最优融合稳态Kalman平滑器 ,给出了最优加权阵和最小融合误差方差阵。同单传感器Kalman平滑器相比 ,可提高平滑精度。

自校正信息融合Kalman平滑器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均(MA)新息模型的在线辨识和求解相关函数矩阵方程组,得到了噪声统计的在线估值器,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman平滑器,提出了一种按实现收敛性新概念,证明了自校正Kalman融合器按实现收敛于最优Kalman融合器,因而它具有渐近最优性．同单传感器自校正Kalman平滑器相比,它可提高平滑精度,一个目标跟踪系统的仿真例子说明了其有效性．

相关噪声系统固定区间最优Kalman平滑器

基于带相关噪声系统的一种Kalman滤波器,应用射影理论,提出了一种固定区间最优Kalman平滑器,它可用反向递推形式实现,算法简单,但于实时应用。推广了带不相关噪声系统的一个现有结果。一个仿真例子说明了其有效性。

一类新的固定点和固定区间KALMAN平滑器

应用现代时间序列分析方法，基于ＡＲＭＡ新息模型和白噪声估值器，对线性定常离散随机系统提出了两种新的固定点Ｋａｌｍａｎ平滑器和两种新的正向固定区间Ｋａｌｍａｎ平滑器．它们的优点是避免了解Ｒｉｃｃａｔｉ方程，算法简单，可在线实现．为了保证它们的最优性，给出了最优初值估值公式．仿真例子说明了其有效性．

极点配置固定滞后稳态Kalman平滑器

基于稳态Kakman预报器和白噪声估计理论 ,应用控制理论中的极点配置原理 ,提出了极点配置固定滞后稳态Kalman平滑器 .它们不仅是全局渐近稳定的 ,而且通过配置平滑器的极点可使初始平滑估值的影响按指数衰减迅速消失 .它们避免了计算最优初始平滑估值 ,可减小计算负担 .

Kalman最优平滑器在滑坡位移监测数据处理中的应用

针对传统方法中利用Kalman滤波器来处理物体的形变数据存在精度低的缺点,依据Kalman平滑比滤波的精度要高的原理,提出了将滑坡形变的估计问题视为Kalman平滑问题,而不仅仅是Kalman滤波问题;利用Kalman最优平滑器来处理滑坡位移监测数据,可使滑坡预测预报的精度得到较大提高,并在此基础上给出了一种固定区间平滑算法;最后,以龙羊峡龙西滑坡为例进行了实例分析,结果表明本文提出的方法是可行和有效的。此外,结论中针对实际运用中存在的问题提出了相应的建议。

多模型多传感器信息融合Kalman平滑器

基于标量加权的线性最小方差最优信息融合算法,对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合固定滞后Kalman平滑器.它只需计算加权标量系数,可减小在融合中心的计算负担.当各子系统存在稳态滤波时,又给出了标量加权信息融合稳态平滑器,它计算量小,便于实时应用.并给出了两个子系统之间的平滑误差互协方差阵的计算公式.仿真例子验证了其有效性.

一种新的带白噪声估值器的固定滞后Kalman平滑器

本文基于经典 Kalm an滤波器和 Mendel的输入白噪声估值器 ,应用射影理论 ,提出了一种新的带白噪声估值器的最优固定滞后 Kalm an平滑器 ,且给出了平滑增益阵和平滑误差方差阵新算法 ,避免了计算滤波和预报误差方差阵的逆矩阵 ,减少了计算负担 .还提出了相应的稳态次优固定滞后 Kalm an平滑器 ,它具有渐近稳定性 .仿真例子说明了所提出的结果的有效性 .

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。

广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用广义系统典范型,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。

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.

一种Kalman平滑器新算法

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,本文提出了一种Kalman平滑器新算法。它不用解Riccati方程,并且可以统一的处理预报、滤波和平滑问题,估值器具有渐近稳定性。仿真例子说明了本算法的有效性。

广义系统降阶极点配置Kalman平滑器

基于广义随机系统的奇异值分解典范形,应用Kalman滤波和白噪声估值器,提出了全局渐近稳定的降阶极点配置固定滞后Kalman平滑器,可明显减小计算负担,便于实时应用,一个仿真例子说明了其有效性。

广义离散随机线性系统固定区间稳态Kalman平滑器

运用新息理论和射影方法，基于ＡＲＭＡ新息模型和白噪声估值器，提出了广义离散随机 线性系统正向固定区间稳态Ｋａｌｍａｎ平滑器。仿真例子说明了算法的有效性。

线性离散随机系统最优和稳态Kalman平滑器

对于带非零均值相关噪声的线性离散随机系统,基于Kalman 滤波器和射影理论,提出了新的最优固定点、固定区间和固定滞后 Kalman 平滑器。它们避免了计算估计误差方差阵的逆矩阵,且具有通用性。推广和改进了带零均值的不相关噪声系统的经典结果。还提出了相应的稳态 Kalman 平滑器和极点配置 Kalman平滑器,并证明它们的局部或全局渐近稳定性。