带有不准确测量噪声的最小二乘故障估计（英文）

针对一类带有事件触发测量传输和不准确测量噪声统计特性的系统,研究了最小二乘故障估计及其性能分析。通常情况下,测量噪声的统计特性不是完全已知的。提出一种事件触发机制,当预先设定的条件被破坏即事件被触发时,测量输出会传到远端估计器。在满足使得滤波误差协方差最小的意义下,设计了滤波器,其参数通过最小二乘的方法在线迭代得到,然后进一步分析了带有不准确测量噪声的滤波器性能。最后,利用具有实际背景的数值仿真例子说明了所提算法的有效性以及带有不准确测量噪声对于估计性能的差异影响。     

一种分块差分滤波器及其在仅有角度跟踪中的应用

为解决仅有角度跟踪时,目标估计受限于较大的初始估计误差和噪声统计特性未知的问题,提出了一种带有噪声智能统计功能的改进型分块差分滤波器.通过统计线性化方法得到了一种S-H智能噪声统计估值器,并用其优化传统分块噪声滤波器的测量更新步骤,实现了对未知过程和测量噪声的智能统计处理,通过迭代更新进一步提高了滤波器对于复杂非线性函数的适应能力.与目前几类主流的自适应滤波器性能相比,结果表明:对于具有线性系统模型和非线性测量模型的典型被动跟踪估计问题,针对较大的初始状态估计误差,所给出的滤波器能更好地完成系统噪声和测量噪声部分参数统计特性未知情况下的非线性估计任务,在保证计算量适中的同时有效地提高跟踪制导精度.     

一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。     

基于小波去噪的MIMO-OFDM信道估计方法

用小波变换思想,提出一种基于小波去噪的多输入多输出正交频分复用(MIMO-OFDM)系统信道估计方法。该方法首先利用最小二乘(LS)方法进行信道估计,然后对估计后的结果进行小波去噪处理。与传统最小二乘信道估计方法相比,该方法不需要预先知道信道的统计特性,信道估计性能有明显提高。     

一类新型自校正滤波器及其应用

用系统辨识方法建立系统的CARMA模型并估计参数,依据导出的时间序列模型和状态空间模型的引理,给出了系统的状态空间模型。基此提出新型的自校正滤波器,它由递推增广的最小二乘估计器、Kalman滤波器和噪声统计估值器组成。本方案在油田系统应用中得到很好的结果,这表明了它的有效性。     

组合导航系统的自适应滤波

本文对自适应滤波在组合导航系统中的应用进行可行性研究,首先讨论了组合导航系统的数学模型,然后给出Sage和Husa提出的自适应滤波器,再用自适应滤波器来处理由组合导航系统测量器件给出的测量信息,对组合导航系统的状态进行估计,仿真结果表明,自适应滤波器具有良好的跟踪性能,即使噪声的统计特性不能确切地知道,滤波器也能给出系统状态比较精确的估计.     

基于最小二乘的编队飞行卫星相对轨道确定

针对2颗星编队飞行的情况,描述了卫星近距离运动的Hill方程,利用星上激光仪器设定了星间测量位置矢量进而确定观测方程,设计了最小二乘滤波器来实现相对轨道的确定.结合空间圆编队构形进行了分析和仿真,结果表明最小二乘估计能够有效提高相对位置确定精度,并给出相对速度的高精度估计.     

基于加权最小二乘法的异质传感器数据融合

针对异质传感器受限于测量噪声且数据融合结果精度较低的问题,提出了一种基于加权最小二乘法的数据融合新算法。在分析多传感器测量模型的基础上,依据最小二乘原理,推导出多个异质传感器对多个测量参数进行融合估计的加权融合公式,并得出了各传感器加权融合的权系数以及误差矢量的估计方差阵。通过与单传感器及平均估计的测量误差进行比较,证明了应用加权最小二乘数据融合的异质传感器具有较高的测量精度。数值示例与理论推导一致,进一步验证了所提方法的有效性。     

基于自适应四元数卡尔曼滤波的姿态估计方法

使用四元数卡尔曼滤波器进行姿态估计的性能与加速度噪声协方差R有很大的相关性。以四元数卡尔曼滤波器递推计算的新息协方差与测量的新息协方差的差值尽可能小为条件,采用基于新息的自适应算法,在线估计加速度计噪声的协方差R,得到符合实际加速度噪声水平的卡尔曼滤波器增益K,对微小型飞行器进行姿态估计。为了减少由新息引入自适应计算的测量噪声,使用渐消记忆的方法对测量的新息协方差进行处理。仿真结果表明,基于新息的自适应四元数卡尔曼滤波器在加速度计噪声协方差R难以测量时或R变化时,相对于四元数卡尔曼滤波器能更准确地获得姿态的估计,减小了滤波器对模型参数的依赖,增加了滤波器的鲁棒性。     

物联网目标定位算法的MATLAB仿真

为了解决物联网定位中面临的诸多问题,对经典定位算法进行了仿真研究,并通过对仿真结果进行对比分析得到将最小二乘法、最大似然估计与拉格朗日日乘法结合起来使用的估计目标位置方法,即统一地利用加权最小二乘法/受限制的加权最小二乘法来计算各种算法.根据测量结果得到的非线性方程能够转化为线性方程,而这些线性方程应用加权最小二乘法与拉格朗日乘法来处理,这种方法可以很容易应用到其他算法上.在噪声相对较小时,上述算法性能已经可以达到克拉美罗下界和无偏性.     

基于自适应卡尔曼滤波加速度与位移融合的结构位移实时估计

实时高精度位移测量在工程结构的安全和寿命评估方面有着重要作用。为提高基于全球导航卫星系统技术的位移测量的精度及稳定性,本文提出了一种融合加速度和位移数据的自适应多速率卡尔曼滤波方法,来实时获取精度提升的位移信息。由于不合理的噪声参数设置会使位移估计的精度严重下降,本文利用加速度和位移数据测量噪声各自的特点,以分开估计相应噪声方差的思路来实现自适应估计。考虑传感器噪声的性质,自适应滤波中对噪声参数的估计可简化为仅对位移噪声方差进行估计。利用Sage-Husa估计器实现位移噪声方差的自适应估计,使滤波能在噪声参数未准确获知的情况下进行稳定的位移实时估计。首先,讨论了自适应滤波中初始噪声参数的影响,确定了初始系统噪声参数的选取原则。然后,分别在时不变与时变位移噪声环境下,观察该滤波应用于不同频率的谐波位移信息下的估计性能。最后,以某1.5MW风电塔在风-地震耦合作用下塔顶结构响应的数值模拟,来说明本文的自适应滤波在一般工程结构应用中的有效性。结果表明,即使初始噪声参数设置有误或位移噪声具有时变性,本文方法依然具有较好的估计效果及鲁棒性。上述研究成果可为结构实时高精度位移监测提供一定理论支撑与参考。     

估计偏差修正扩展卡尔曼滤波新算法

针对扩展卡尔曼滤波跟踪器在非线性系统目标跟踪过程中容易发散这一难题,在时差频差测量体制下,提出了一种基于估计偏差修正的扩展卡尔曼滤波算法．首先利用加权最小二乘算法求解标准扩展卡尔曼滤波状态估计偏差并进行线性修正;然后重新计算观测矩阵并且再次进行滤波估计,以减小局部线性化截断误差对于观测矩阵的影响,提升目标状态跟踪精度．仿真结果证明了所提算法具有较好的目标跟踪性能．     

基于可变抽头长度的IEEE 802.11n信道估计方法

为了提高在不同信道冲激响应长度下无线局域网传输性能,提出一类基于可变抽头长度的MIMO OFDM信道估计方法.该类方法利用训练序列对信道进行估计,动态调整抽头长度及位置,基于最小二乘原理完成一个较大点数的信道估计,估计噪声功率并确定噪声门限.根据IEEE 802.11n无线局域网信道模型中多群集效应,使用消去策略确定需要的抽头长度,在满足门限后对系统进行抽头长度更新后的最小二乘估计.分析及仿真结果表明,该类方法与传统MIMO OFDM信道估计方法相比,节省了系统资源,估计性能有显著提高,尤其适用于较高信噪比及较大星座图调制的MIMO OFDM系统.     

基于质量相关的间歇过程故障监测及故障变量追溯

针对多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)利用的是数据的一阶和二阶统计特性未考虑数据的高阶统计特性,在进行特征提取时会造成有用数据丢失的问题,提出基于高阶统计量的多向核熵偏最小二乘方法(higher order statistics multi-way kernel entropy partial least squares,HOS-MKEPLS).首先,通过构造样本的高阶统计量将数据从原始的数据空间映射到高阶统计量样本空间.然后,再建立MKEPLS监控模型进行质量相关的故障监控,当监控到有故障发生时进行故障变量的追溯.最后,将该方法应用到工业青霉素发酵过程的监测中并与MKEPLS进行比较.结果表明:该方法具有更好的监控和故障识别性能.     

噪声野值下的学生t分布混合CPHD滤波

针对过程噪声和量测噪声野值导致高斯混合势概率假设密度滤波性能下降的问题,提出了一种基于学生t分布的势概率假设密度滤波。首先,引入学生t分布对重尾的过程噪声和量测噪声进行建模;其次,将多目标后验强度近似为学生t分布混合形式,推导了基于学生t分布的势概率假设密度滤波的闭合解,并采用矩匹配算法防止学生t分布的自由度无限增长。仿真结果表明,在含有过程噪声和量测噪声野值的环境下,所提算法的目标数估计精度和最优子模式分配距离优于高斯混合势概率假设密度滤波和学生t分布混合概率假设密度滤波,提高了多目标跟踪性能。     

基于正则约束总体最小二乘无源测角定位

提出了一种基于正则约束总体最小二乘(RCTLS)无源测角定位算法. 首先将非线性测角定位方程转化为线性方程,根据线性方程系数的一阶泰勒近似得到测角噪声与方程系数噪声之间的线性映射,再基于RCTLS算法得到定位目标函数,对其求偏导并忽略噪声高阶项得到定位结果的近似闭式解,通过对RCTLS算法的偏差和均方差进行分析确定正则化参数. 理论分析和仿真实验表明,该算法在观测站数目较少和角度测量噪声较高时与之前的算法相比定位精度有所提高.     

改进的时差频差多目标定位算法

提出了改进型约束总体最小二乘多目标定位算法.首先引入辅助变量将非线性定位方程转化为伪线性方程;然后利用两步最小二乘法估计目标的初始位置,依据目标初始位置重新选择参考传感器;最后考虑伪线性方程中所有系数矩阵的噪声,采用拉格朗日乘子技术求解约束条件,利用拟牛顿算法迭代公式得到精确解.仿真结果证明了理论分析的正确性和可行性,所提算法能够达到克拉美罗下界,具有较强的鲁棒性和精确的定位性能.     

Adaptive Fault Estimation for Dynamics of High Speed Train Based on Robust UKF Algorithm

This paper proposes an adaptive unscented Kalman filter algorithm(ARUKF) to implement fault estimation for the dynamics of high-speed train(HST) with measurement uncertainty and time-varying noise with unknown statistics. Firstly, regarding the actuator and sensor fault as the auxiliary variables of the dynamics of HST, an augmented system is established, and the fault estimation problem for dynamics of HST is formulated as the state estimation of the augmented system. Then, considering the meas...     

从模糊图像中恢复集成电路版图技术

为将模糊的集成电路版图进行复原,探讨了Lucy-Richardson滤波、维纳滤波、拉格朗日乘法算子最小二乘方滤波方法.研究发现:噪声模糊图像进行复原时,Lucy-Richardson方法基本恢复不出集成电路版图,维纳滤波的去噪声明显但是图像清晰度不够,拉格朗日乘法算子最小二乘方滤波复原版图清晰;恢复清晰集成电路的版图可以用于集成电路的结构分析和集成电路失效机理诊断.