带输入加速度估计的自校正去卷跟踪平滑器

处理了雷达跟踪系统中带输入加速度估计的问题．用现代时间序列分析方法［８］，基于ＡＲＭＡ新息模型，提出用白噪声平滑估值器计算带输入加速度估计的自校正会卷跟踪平滑器的新方法，并用仿真例子说明新方法的有效性．     

自校正Kalman平滑新方法及其在飞行器跟踪方面的应用

应用状态空间方法和现代时间序列分析方法，基于白噪声估值器和输出预报器，提出了解决带输入的线性离散定常系统稳态最优和自校正Ｋａｌｍａｎ平滑新方法，并给出了在飞行器跟踪方面的应用。仿真结果说明了本文结果的实用性和有效性。     

多传感器信息融合平滑器算法研究

为了提高融合估计的精度,采用矩阵加权线性最小方差意义下的最优信息融合准则,对多传感器系统,考虑局部估计误差之间的相关性,给出了最优信息融合固定区间平滑器算法。理论和仿真实验表明,融合平滑器精度在总体上高于各局部子系统的估计精度。与融合预报器相比,融合平滑估计比预测平滑估计精度提高了近5倍,显著地改善了传感器的融合估计精度,并且该平滑器具有容错性。因此,本文提出的融合平滑器算法,对于非实时的信息融合问题具有一定的应用价值。     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

一类2维不确定非线性系统自适应输出反馈镇定

为了解决一类不确定非线性系统输出反馈镇定问题，首先构造了合适的状态观测器，进而基于增加幂次积分方法和自适应技术，给出了设计光滑自适应输出反馈控制器的新方法．主要理论结果表明：所设计的控制器不仅保证闭环系统的所有状态均是有界的，而且原系统的状态和观测器的状态渐近收敛到零．     

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。     

基于期望最大化算法和求容积卡尔曼平滑器的气动参数辨识算法

针对初值和噪声统计特性未知情形下的飞行器系统辨识的问题,提出了基于期望最大化(expectation maximization,EM)和求容积卡尔曼平滑器(cubature Kalman smoother,CKS)的辨识算法。该算法用期望最大化算法对初值和噪声的统计特性进行估计;用求容积卡尔曼平滑器估计状态向量和未知参数。在期望最大化算法的求期望步骤中,所求的期望值通过求容积规则获得,用较少的采样点保证了估计精度;在期望最大化算法的最大化步骤中,未知量的最优值以解析解形式给出,减小了计算量。仿真结果说明,该算法在飞行器气动参数辨识问题中,能给出较好的辨识结果。与其他方法的对比验证说明新算法具有辨识精度高、收敛速度快等优点。     

线性离散奇异系统的最优估计新方法

讨论了线性离散奇异系统的状态估计问题.在系统正则的前提下,将奇异系统的滤波估计问题转化为系统状态噪声带有前向时滞的滤波估计问题,基于等价系统的新息分析及射影定理,通过求解两个耦合的Riccati方程求得等价系统的滤波估计器,最终得到与原始奇异系统状态同维的预报,滤波,及平滑估计器.     

线性离散奇异系统的最优估计新方法

讨论了线性离散奇异系统的状态估计问题. 在系统正则的前提下, 将奇异系统的滤波估计问题转化为系统状态噪声带有前向时滞的滤波估计问题, 基于等价系统的新息分析及射影定理, 通过求解两个耦合的Riccati方程求得等价系统的滤波估计器, 最终得到与原始奇异系统状态同维的预报, 滤波, 及平滑估计器.     

LMS算法在平滑伪Wigner分布中的应用

提出了最小均方(LMS)算法在信号时频分布中的一种新的简单应用，频域LMS自适应结构使用信号项与交叉项的连续和时变的状态去模拟平滑伪Wigner—Ville分布，表明相应的平滑窗是一个指数函数，这个指数函数的时间常量在自适应算法中由步长参数所定义.     

一种基于神经网络和UKF的自适应目标误差配准方法

针对多传感器数据融合的误差配准问题,提出了一种自适应的误差配准方法。该方法使用无迹卡尔曼滤波方法训练神经网络,在偏差先验模型未知的条件下,通过学习待配准目标量测与配准目标之间的误差变化,实时估计配准误差并同时将其应用于目标状态估计。仿真实验表明,该方法能够实时有效地估计目标配准误差和目标状态。     

纯方位目标运动分析的自适应算法

基于Lainiotis算法的基本原理，使用贝叶斯估计理论和半马尔科夫过程的概念，利用一组并行的、且是自适应加权的卡尔曼滤波器对纯方位目标运动分析问题进行求解，对本算法与伪线性卡尔曼滤波算法的估计结果进行了比较，结果表明，这种估算方法在大的环境噪声、远距离和小目标速度等不利条件下仍具有较好的估计性能。     

状态与偏差解耦自适应滤波及应用

在状态与偏差耦滤波的基础上提出了一种自适应滤波算法，这种自适应滤波能在线估计系统的编差与噪声方差。对常值偏差和缓慢变化的偏差都能进行在线估计。由于采用两个卡尔曼滤波器进行计算，计算量比状态扩展自适应卡尔曼滤波器要小得多，特别在偏差量比较多的情况下更能显出其优越性，适合在组合导航中应用。     

Analysis of Optimal Conditions for Two-stage Kalman Estimator

The optimal conditions for two-stage Kalman estimator with random bias of anARMA model is considered in this paper.First,the optimal augmented state Kalman fil-ter and the two-stage Kalman estimator are given.Second,under an algebraic constraint,the equivalence between the two-stage Kalman estimator and the optimal augmented stateKalman filter is proved.Finally,because the given algebraic constraint are restrictive inpractice,the results thus obtained implies that two-stage Kalman estimator is suboptimal.     

自适应扩展卡尔曼滤波电池荷电状态估算方法

为更精确预估电动汽车动力源的荷电状态,优化戴维南等效电路模型,用自适应扩展卡尔曼滤波进行荷电状态估算。对实验电池进行外特性数据获取实验,分别得到在充放电状态下的开路电压曲线,在开路电压-荷电状态对应曲线中考虑充放电状态变化的因素。对离线参数辨识进行优化处理,在固定参数离线辨识的基础上考虑充放电状态和荷电状态,并与在线辨识进行端电压估算对比。基于优化后电池模型,通过自适应扩展卡尔曼滤波及其对比算法估算荷电状态,在复杂脉冲电流工况下对比端电压和荷电状态的估算精度。结果表明:采用优化后电池模型离线辨识的端电压估算精度达到0.01 V以内,高于在线辨识的端电压估算精度。在优化模型及离线辨识基础上构建自适应扩展卡尔曼、扩展卡尔曼和交互多模型的算法模型,估算电池荷电状态。经动态工况实验验证,基于优化模型自适应算法的荷电状态估算精度达到0.05,高于交互多模型-扩展卡尔曼滤波算法及扩展卡尔曼滤波算法。     

可切换减震器的自适应控制

研究了可切换减震器的控制策略和算法。该算法能够自适应于不同的路面谱输入 ,具有实现简单、实时性好等特点。考虑到实际实现中某些状态变量不易测量 ,进一步探讨了用于估计状态变量的卡尔曼滤波器。仿真结果表明该算法是可行和有效的。     

Adaptive Extended Kalman Filtering for Bearings-Only Targets Tracking Problem

0INTRODUCTIONfileproblemofestimatingthestatesofatalgetfrompassivemeasurementshasgeneratedalotofinterestduetoitsapplicationsinship-trackingandhondng-missilegUidance.AdifficultyinobtaininggabestimatesforthetargetmotionanalysisarisesfromhavingtouseonlyangUlarobservations(inthecaseofpassivemeasurements)toextractinformationaboutfoepositions,velocitiesandthetargetaccelerations.Mathematically,thisI,rohlemcanbedescribedinaninertialrectangularcoordinateframebyalineardynamicalmodelandanonlinearobse…     

微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。     

短波数传中的一种混合型自适应均衡技术

本文提出了一种混合型自适应均衡算法,在很大范围内其主要性能接近或达到平方根卡尔曼算法的性能,而其运算量比平方根卡尔曼算法少得多,因此它是短波高速率串行数传中自适应均衡器的较好算法.