注入攻击下的扩展卡尔曼滤波安全检测

信息物理系统是一种开放式的网络化智能信息系统，容易受到安全攻击。注入攻击是一种通信攻击，注入虚假数据会使传感器获得错误量测值，从而导致系统性能变差。针对这一安全问题，文中结合扩展卡尔曼状态估计器，利用基于最小迹原则扩展卡尔曼滤波状态估计的检测方案，对同一场景下的新息序列进行检测，通过假设检验来判断系统状态。MATLAB仿真结果表明，在给定的攻击检测规则下，该检测方案能够有效检测到注入攻击，减少传感器因错误量测值而造成的系统性能损失问题。     

基于智能电网量测集受控随机化的移动目标防御方法

信息物理协同攻击利用网络攻击掩盖或者延长物理攻击的影响,对智能电网造成了极大威胁。为阻止协同的虚假数据注入攻击,暴露物理攻击的影响,提出了一种基于量测集受控随机化的移动目标防御方法。首先, 形式化描述了量测值的选择需要满足的约束;其次,采用随机的量测集进行状态估计,使得攻击者关于电网的先验知识失效;最后,使用MATPOWER模拟器在IEEE标准系统上进行了大量的仿真,实验结果表明,该方法可以防止50%以上的状态被攻击。     

扩展容积卡尔曼滤波-卡尔曼滤波组合算法

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波（KF）方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波（A-CKF）的组合滤波方法。该方法将系统状态分解为线性状态与非线性状态两部分,分别采用KF和简化两次扩展容积卡尔曼滤波（STA-CKF）方法进行系统状态估计。机动目标跟踪和捷联惯性导航系统非线性对准仿真结果表明,相比于Rao-Blackwellized粒子滤波方法,新方法在保证滤波精度的前提下,使得计算成本有效降低;相比于STA-CKF方法,新方法在滤波精度和滤波实时性方面均得到明显提高。     

两站无源定位系统中的多目标跟踪算法研究

两站多目标纯方位跟踪中的虚假定位点识别问题是被动定位中尚待解决的一个重要问题,本文对此问题进行了研究,并给出了一种排除两站虚假定位点的新方法.该方法首先根据两个观测站在初始时刻所测得的角度进行交叉定位,由定位结果估计目标初始时刻所在的空间范围,并对此空间范围进行分区;然后对方位数据进行关联,以判断哪些方位角数据可能来自同一个目标;在每一个子区间上分别利用扩展卡尔曼滤波模型(EKF)进行滤波,并给出目标落在每个子区间上的概率,把此概率值作为权重对各个子区间的滤波结果进行加权来估计目标的状态;该概率值在以后的跟踪过程中按照贝叶斯准则不断进行更新,而更新概率低于检测门限的子区间予以取消.通过仿真分析可看出,利用本文提出的方法两个观测站可对多目标进行良好的定位和跟踪.     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波算法以处理多源数据的融合.提出的滤波算法可将M估计理论、强跟踪算法、动态增强策略与传统的容积卡尔曼滤波算法结合,以此缓解外界噪声和系统模型误差对状态估计的不利影响.在UWB-INS组合定位框架内采用动态鲁棒容积卡尔曼滤波,可实现对室内行人运动轨迹的精确稳定跟踪.实际数据测试和Matlab仿真验证了所提方法在复杂环境下其定位精度和鲁棒性均优于单一依赖UWB或INS技术的定位系统.     

动态系统参数与状态联邦双估计方法研究

本文提出了基于联邦滤波思想的参数和状态双估计模型及算法,给出了多传感器组合系统状态和参数信息分配原则,拓展了双估计及联邦卡尔曼滤波的使用范围.利用北斗/LORAN_C舰船航行实测数据,对双估计、联邦双估计等方法进行试验比较,实验表明,该方法提高了参数和状态估计的准确度.     

对航姿参考系统的滤波方法研究

状态估计理论一直是信号处理研究的一个重点方向.为了减小航姿参考系统由噪声引起的数据偏差,利用卡尔曼滤波的方法通过对航姿参考系统数据去噪处理来进行校正,进而得到理想的数据,实验证明了卡尔曼滤波在应用中的有效性.     

提高GPS定位精度的改进卡尔曼滤波算法研究

介绍了一种有效提高GPS定位精度的改进卡尔曼滤波算法.该算法针对最小二乘法和标准卡尔曼滤波的特点,通过伪距估计出接收机的位置和钟差,有效避免了由于滤波初值、系统噪声方差以及量测噪声方差带来的滤波发散问题.同时该算法不直接使用卡尔曼滤波来估计接收机的状态,而是估计接收机状态的误差,减小了运算量,有效提高了定位精度.在进行状态误差估计时,不需要存储大量测量数据,能方便地进行动态测量数据的实时处理.仿真结果证明此算法具有较快的收敛速度和较高的定位精度.     

基于智能体状态的虚假信息注入攻击下多智能体系统一致性跟踪

本文针对基于智能体状态的虚假信息注入攻击,本文设计了自适应容错控制协议以使得多智能体系统能在虚假信息注入攻击下实现一致性。本文首先采用径向基神经网络来近似多智能体系统中未知的非线性部分,并设计了相应的自适应律来调整神经网络的参数。然后类似这些自适应律设计了新的自适应律来近似虚假信息注入攻击的参数,并基于这些近似值设计了容错控制协议控制协议。最后利用Lyapunov稳定性定理验证了此容错控制协议的收敛性并利用Matlab数值仿真案例验证了此容错控制协议的有效性。     

光电跟踪的部分状态卡尔曼滤波算法研究

为得到光电跟踪目标的最小方差意义下的最优状态估计,提出将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合,构成一种适用于光电跟踪目标的非线性卡尔曼滤波算法.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明将部分状态卡尔曼滤波和非线性系统的一阶线性化思想相结合是有效可行的,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.