噪声相关下含无序量测的多传感器信息融合估计

多传感器跟踪系统中因通信延迟常会出现无序量测现象,为了提高系统估计精度,采用直接更新法对状态进行更新估计,并针对噪声相关下含无序量测的多传感器系统,提出了矩阵加权最优信息融合状态估计算法,考虑了过程噪声和量测噪声的相关性以及局部估计的误差相关性.仿真计算验证了算法的有效性.     

一种迭代收缩非线性状态约束滤波算法

在滤波过程中有效地利用状态约束条件,能够提高滤波精度.当状态约束为非线性函数时,可以通过泰勒级数展开法进行线性化处理.然而该方法在非线性约束函数的雅可比矩阵不存在时失效,而使用水平滑动估计算法所需要的计算量很大.为此,采用基于U变换的最佳量测方法解决该问题.为了降低U变换过程中基点误差对估计性能带来的影响,将非线性约束看作具有多个大小不等的噪声方差的量测值,在量测更新阶段逐步收缩噪声方差,从而不断增强约束条件.经过多次迭代,改善了状态估计的误差性能.仿真结果表明,该算法在保证较高的滤波精度的条件下,运算时间是窗口尺寸为2的水平滑动估计算法的1/27.     

双重迭代变分贝叶斯自适应卡尔曼滤波算法

提出了一种新的自适应卡尔曼滤波算法。该算法假设系统过程噪声方差和量测噪声方差之间存在的函数关系已知,两种噪声方差随着时间变化且均未知。先令当前时刻的过程噪声方差等于前一时刻的过程噪声方差,通过变分贝叶斯近似的方法,在卡尔曼滤波框架下迭代求解当前时刻的量测噪声方差和状态估计,再利用假设中的函数关系获得新的过程噪声方差。对上述过程多次迭代,最终获得状态估计及协方差。仿真实验结果表明,该算法具有较高的滤波精度;在假设条件不确知的情况下仍具有较强的鲁棒性。     

一种基于分步式滤波的异步航迹融合算法

针对分布式多传感器数据融合系统,改进了一种多传感器异步航迹融合算法．该融合算法在扩展记忆因子递推最小平方（EFRLS）估计形成本地航迹的基础上,首先利用最小二乘法将局部航迹统一到融合中心的融合时间点,然后使用分步式滤波融合算法进行状态估计．仿真实验结果表明,这种融合算法在噪声方差未知的情况下是有效的,其精度接近集中式融合算法．     

无线传感器网络数据融合算法研究

数据融合的目的是减少节点的传输数据量,减少网络中总能量的消耗.针对这个问题,利用Kalman滤波进行目标状态估计,将分批估计算法应用于无线传感网的数据融合中,通过对监测同一对象的多个传感器所采集的数据进行综合,以达到提高数据精度和可信度的目的.同时实验获得的大量仿真数据证明了算法的可行性.提出了多传感器多目标分批估计融合算法,对监测不同对象的多个传感器所采集的数据进行融合.     

一种鲁棒GPS/INS组合导航滤波算法设计

针对卡尔曼及其扩展算法在滤波中噪声矩阵与实际偏差过大时出现滤波发散的情况,本文提出利用无偏有限冲击响应滤波器(UFIR)实现该背景下的状态估计。但将UFIR滤波器应用于GPS/INS组合系统存在2个问题:1)在线估计最佳滤波窗长的方法还有待改善;2)导航精度较低。本文设计了一种级联式滤波算法,主滤波器对UFIR滤波算法进行改进,设计在线估计窗口大小方法的同时,改进了现有的UFIR算法;从滤波器引入GPS的航向信息,设计一种自适应卡尔曼滤波以提高导航精度。通过仿真和实测对所提滤波算法进行了验证,实验结果表明该算法可以有效提高导航精度和系统的鲁棒性。     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

考虑运动加速度干扰的无人机姿态估计算法

为解决动态环境下无人机导航系统姿态估计易受传感器噪声和运动加速度干扰的难题,提出一种考虑运动加速度干扰的无人机姿态估计算法。首先,建立运动加速度估计模型,根据基于卡尔曼滤波的加速度误差模型和由外部传感器提供的速度信息实现对运动加速度的精确估计,利用运动加速度估计模型获得的运动加速度对加速度计的原始值进行修正,降低动态环境下运动加速度对姿态估计的干扰。随后,搭建基于互补滤波的姿态估计模型,利用磁力计信息和修正后加速度信息构建陀螺仪修正量,对陀螺仪原始值进行修正,设计互补滤波器滤除来自加速度计和磁力计的高频噪声和来自陀螺仪的低频噪声,避免传感器噪声信号对姿态估计的干扰。最后,利用无人机试飞过程中采集的传感器信息对该算法进行实验验证。实验结果表明,该算法可以精确估计无人机机动过程中所产生的运动加速度,有效减弱传感器噪声和运动加速度对姿态估计的干扰,该算法显著提高了无人机导航系统在动态环境下姿态估计的精度和抗干扰能力。     

一种多机动目标协同跟踪的博弈论算法

针对传感器网络中的动态跟踪问题,提出一种基于博弈论的多机动目标协同跟踪算法.首先利用交互多模型扩展粒子滤波估计网络中每个机动目标的状态;然后以滤波过程中获得的目标信息增益为衡量标准,促使跟踪精度未达系统要求的目标的代理发起谈判,在保证谈判双方利益最大化的前提下,通过博弈为谈判发起者争取更多的传感器对其所代表的目标进行跟踪.仿真结果表明,在非线性非高斯环境下,该方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源以实现协同跟踪.     

Student’s t滤波框架下的信息融合算法

针对多传感器系统的观测噪声为非高斯噪声的问题,通过Student’s t滤波框架和四元数特性相结合,以无迹变换计算Student’s t加权积分函数,设计基于Student’s t分布的无迹四元数滤波算法,作为局部滤波算法. 利用拉格朗日乘子法计算最优融合权重系数,通过线性加权融合的方式,对各局部滤波结果进行融合. 采用基于四元数的目标姿态运动模型进行仿真,利用3个星敏感器同时对同一目标进行观测,通过与已有的鲁棒无迹Student’s t滤波（RSTUF）算法对比,验证所提算法的有效性. 仿真结果表明：所提算法在对目标姿态的估计精度、滤波收敛速度及收敛后的数值稳定性方面均高于RSTUF算法;通过多个观测信息互补,提高了估计精度及容错性.     

联邦滤波器在小型飞行器距离定位融合估计中的应用

为了进一步修正小型飞行器距离定位误差，给出了一种利用联邦滤波方法进行数据融合的小型飞行器定位误差修正方法，解决了由于差分GPS长时间静默影响定位精度的问题。仿真和数据回放结果表明：采用卡尔曼滤波方法可提高定位精度，采用联邦滤波方法效果更好，使用中方法可以得到飞行器更准确的距离定位，可满足多种类型的飞行器距离定位系统的精度要求。     

异步数据融合的传感器配准

针对异步多传感器系统 ,研究一种能有效估计配准误差并消除其影响的算法 .提出用最小二乘法和卡尔曼滤波算法分别进行时间配准和估计失调误差和姿态误差 .仿真结果证实了算法的有效性 .采用最小二乘法可以将数据压缩“对齐”到任意时刻 ,采用卡尔曼滤波算法可以估计并消除配准误差的影响 ,这对多传感器的数据融合具有重要的意义 .     

Federated unscented particle filtering algorithm for SINS/CNS/GPS system

To solve the problem of information fusion in the strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation system described by the nonlinear/non-Gaussian error models, a new algorithm called the federated unscented particle filtering (FUPF) algorithm was introduced. In this algorithm, the unscented particle filter (UPF) served as the local filter, the federated filter was used to fuse outputs of all local filters, and the global filter result was obtained. Because the algorithm was not confined to the assumption of Gaussian noise, it was of great significance to integrated navigation systems described by the non-Gaussian noise. The proposed algorithm was tested in a vehicle’s maneuvering trajectory, which included six flight phases: climbing, level flight, left turning, level flight, right turning and level flight. Simulation results are presented to demonstrate the improved performance of the FUPF over conventional federated unscented Kalman filter (FUKF). For instance, the mean of position-error decreases from (0.640×10⁻⁶ rad, 0.667×10⁻⁶ rad, 4.25 m) of FUKF to (0.403×10⁻⁶ rad, 0.251×10⁻⁶ rad, 1.36 m) of FUPF. In comparison of the FUKF, the FUPF performs more accurate in the SINS/CNS/GPS system described by the nonlinear/non-Gaussian error models.     

用卡尔曼滤波方法实现运动平台多传感器配准

目的针对运动平台的多传感器系统,研究一种能有效地估计配准误差并消除其影响的算法．方法提出用卡尔曼滤波方法估计失调误差和姿态误差,该方法首先估计失调误差,然后利用不含失调误差的模型,估计并消除姿态误差．结果该算法能有效地估计多传感器系统的配准误差,使融合数据确定性明显增强．结论将卡尔曼滤波算法应用于运动平台的多传感器数据配准,它能有效估计配准误差,对于传感器的数据融合有重要的意义．     

基于模糊神经网络的分布式多传感多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式多传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

最优多级式多传感器状态融合估计

基于单传感器Kalman滤波方程 ,本文提出了多级式多传感器信息融合系统的两级和三级最优集中式与分布式融合估计算法。算法表明当融合系统的相关噪声方差矩阵、噪声均值、控制输入及测量误差为零时 ,本文算法与文献 [6 ]讨论标准融合系统的算法一致。融合系统的噪声均值、控制输入及测量误差不会影响融合系统的估计方差 ,但当相关噪声方差与过程噪声方法相近时 ,融合系统的估计方差会发生较大的变化。     

绕地轨道飞船自适应GPS／SINS组合制导系统研究

提出了绕地轨道飞船的ＧＰＳ／ＳＩＮＳ组合制导的工程应用研究，根据工程的要求，给出了自适应估计的应用方法，具有运用的方便性和可算性，而不是只给出形式解。在进行迭代仿真时，得到了满足工程需要的最优滤波曲线     

混响背景下的信号检测

海洋混响是主动声呐检测中主要的背景干扰,它是一种有色干扰噪声,并常被看做是一个非平稳的随机过程,这使得工作在白噪声条件下的最佳匹配滤波检测器的性能在一定程度上受到限制.因此,提出一种次最佳检测器,将混响看成局部平稳,并将接收信号分成许多小块,每小块利用自回归(AR)模型对混响时间序列进行建模,然后利用估计的AR系数构造白化滤波器,对混响进行预白化处理,并将白化后的序列用于匹配滤波检测器.通过计算机仿真和实验数据分析比较未白化与经白化处理的匹配滤波性能,结果表明,次最佳检测器比未白化匹配滤波在检测性能上可提高近3dB.     

含有色噪声的联邦滤波算法

基于联邦滤波算法,通过对状态方程有色噪声的拟合和预报,给出了含有有色噪声的联邦滤波融合算 法,并利用模拟数据进行了试算与比较。结果表明,基于含有有色噪声的联邦滤波算法在一定程度上能够提高 导航解的精度和可靠性。