改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

基于EKF+EKS的BCG动态高斯模型滤波研究

心冲击图(Ballistocardiogram,BCG)信号属于微弱信号,现实采集的BCG信号通常包含采集环境干扰和个体差异,因此缺乏健康个体的BCG信号模板和适用于BCG信号的降噪方法。提出一种基于高斯核函数的动态BCG信号模型,在动态高斯模型的基础上,应用扩展卡尔曼滤波与扩展卡尔曼滤波平滑对BCG信号进行复合滤波。该模型提供健康个体的BCG信号,包括H波、I波、J波、k波、L波和M波特征。经联合扩展卡尔曼滤波与扩展卡尔曼平滑滤波后的BCG信号比其他传统滤波器滤波后的BCG信号信噪比更高。基于动态高斯模型合成的BCG信号能完整表达健康个体的BCG信号特征,联合扩展卡尔曼滤波和扩展卡尔曼平滑的复合滤波,对BCG信号的滤波达到了更好的降噪效果。     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。     

基于卡尔曼滤波算法的最小二乘拟合及应用

图像处理或在工业控制中经常要用到最小二乘直线拟合,对于有奇异点的直线拟合,传统的最小二乘法拟合误差较大,难以满足较高精度的要求。卡尔曼滤波算法具有最小无偏方差性,能够去除测量系统中的随机误差,将卡尔曼滤波算法与传统最小二乘法结合,建立了一种基于卡尔曼滤波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。     

基于卡尔曼滤波算法的电能质量检测技术实现

为提高电能质量的检测精度，提出一种基于自适应卡尔曼滤波的检测方法。首先，构建基于卡尔曼滤波的空间模型，然后引入自适应卡尔曼滤波算法对空间模型中参数Q_k进行修正；最后搭建DSP仿真平台对空间模型进行训练与测试。结果表明：相比于传统的卡尔曼滤波算法，基于自适应卡尔曼滤波算法对电能质量扰动信号的敏感性更好，响应速度更快，精准度更高。由此得出，自适应卡尔曼滤波算法在电能检测方面性能更佳。     

基于自适应滤波的微弱GPS信号跟踪方法

针对全球定位系统(GPS)传统跟踪算法在接收信号很微弱的条件下跟踪误差大,为保持跟踪精度,提出了一种新的跟踪方法.同时考虑了多普勒频移和码相位偏移量作为观测模型,然后采用自适应卡尔曼滤波算法,有效减轻了系统噪声和观测噪声对信号跟踪的影响;并通过列文伯格-马夸尔特方法,优化迭代过程,进一步提高自适应卡尔曼滤波算法的稳定性和收敛速度.仿真结果显示,利用新的算法对载噪比低至21dB-Hz的微弱GPS信号取得了良好的跟踪精度和极高的灵敏度.     

基于卡尔曼滤波法视频目标跟踪的改进

基于视频的目标跟踪是交通事件检测的一种重要方法,对视频中的目标物提取之后,再对目标物跟踪是现代基于视频交通事件检测的重要手段。目标区域的跟踪主要工作是对目标物特征点的提取,并对目标物特征点进行跟踪。基于卡尔曼滤波法目标特征点的跟踪方法简单。但传统的卡尔曼滤波法计算量大,论文是在基于卡尔曼滤波的基础上进行改进和方法优化。目标物特征点跟踪的方法主要采用基于卡尔曼滤波法的模版匹配使目标跟踪准确、计算量小。     

信息融合在输油管道泄漏检测中的应用研究

针对传统管道泄漏检测方法单一的现状,提出基于多传感器信息融合技术的输油管道泄漏检测方法。首先通过标量卡尔曼滤波算法对压力信号进行预测,得出压力信号的新息;然后用流量平衡法判断出入口流量差变化;再采用加权融合算法将以上两种算法结果进行融合,进一步判断输油管道是否泄漏。Matlab仿真结果表明了多传感器信息融合技术在输油管道泄漏检测中的可行性及其检测的高精确性。     

基于深度强化学习的对话机器人人机交互系统优化设计

为了提高对话机器人人机交互的准确率,提出一种基于协作递归网络的语音增强方法对语音分析模块进行优化。方法首先基于广义最小绝对偏差方法构建语音信号的AR参数估计模型,并采用深度递归Q网络对模型进行求解;再根据所求参数,通过卡尔曼滤波器递归网络依次还原语音信号数据。实验证明,在语音增强测试中,采用所提方法进行语音消噪,相较于改进谱减法、YW估计自适应卡尔曼滤波法和MG自适应卡尔曼滤波法等常用语音增强方法,可以更好地还原语音信号,尤其是在短视语音的消噪上,减小了语音失真,大幅提高了语音的信噪比。在人机交互测试中,基于所提语音增强方法优化的人机交互系统,对话识别准确率达到了93.33%,相较于未优化的系统,提高了16.66%,性能优越性明显,更满足对话机器人人机交互需求。     

改进扩展卡尔曼滤波算法的目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出了一种基于改进扩展卡尔曼滤波的目标跟踪算法。构建时间差和信号到达方向的观测方程,利用几何和代数关系化简得到伪线性模型,通过改进卡尔曼滤波算法对目标运动轨迹进行跟踪,采用仿真实验对算法性能进行测试。结果表明,相对于传统扩展卡尔曼滤波算法,在相同条件下,该算法不仅提高了目标跟踪精度,而且使目标跟踪结果更加稳定。     

基于UKF的编队卫星的相对姿态确定算法

针对编队卫星相对姿态确定问题,采用一种改进的无迹卡尔曼滤波UKF进行了系统滤波器设计,根据UKF滤波器的性质,推导出了适用于编队卫星相对姿态确定的UKF滤波算法.较之传统的EKF滤波器,UKF不仅提高了滤波精度,简化了计算过程,减少了计算量,而且更易于实现.应用四元数法描述卫星姿态,避免了欧拉角法的奇异性问题.仿真结果表明,UKF滤波器收敛速度大大高于EKF滤波器.而状态估计精度与EKF相当,方差估计优于EKF,且数值稳定性好.     

基于UKF滤波的测向定位算法及性能分析

基于传统的The Unscented Kalman Filter(UKF)滤波算法,提出了一种新的改良后的UKF滤波算法.该算法直接选用动态模型中的状态变量,并增加一个再抽样过程,使得计算量更小,实现更简单.将改良后的UKF滤波算法应用到单站无源定位的测向法中,得到优于The extended Kalman Filter(EKF)滤波的定位效果,大大提高了定位精度.计算机仿真实验表明,应用该改进后的UKF算法比以往EKF类算法在滤波性能上有明显的提高.但是由于测向法自身的局限性,即使应用改良后的UKF滤波,当方位角逐渐增大时,测向法的定位效果仍然会严重恶化.因此,所提出的新UKF算法适合在非线性估计等问题中广泛应用,但对于单站无源定位,则应探究更优越的定位算法来代替测向法.     

卡尔曼预测器在目标相关跟踪中的应用

在目标跟踪系统中,特别是在复杂背景情况下对地面目标的跟踪中,相关跟踪算法是常用的一种算法.但问题是传统相关算法采用全局搜索的方法,使得计算量相当大,不易实时实现,而且当发生目标局部遮挡时,目标容易丢失.为解决这个问题,该文提出一种基于卡尔曼预测器的目标相关跟踪的方法,充分利用卡尔曼预测器的预测功能来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行相关匹配运算,找到最佳相关匹配点,从而使目标相关跟踪更具主动性.实验中用传统算法和本文提出的算法对高速行驶的坦克进行跟踪时,传统算法容易跑飞,而该文算法不受遮挡干扰,始终稳定跟踪且耗时大幅减少.因此该文算法能够较好地克服传统相关算法中存在的计算量大和易受遮挡干扰的缺点.     

基于卡尔曼滤波器的雷达跟踪

卡尔曼滤波是一种统计估算方法,通过处理一系列带有误差的实际测量数据而得到所需要的物理参数的最佳估算值.对于每一个估计量,就使贝叶斯MSE最小而言,卡尔曼滤波器是最佳的。本文介绍了卡尔曼滤波器在雷达跟踪问题上的应用,说明卡尔曼滤波器在建模和计算机仿真上有着重要的现实意义。     

基于UKF的超视距雷达跟踪算法研究

天波超视距雷达跟踪目标时电磁波是通过电离层的折射传播的,因而导致在地理坐标系下的量测方程中存在强非线性,而采用传统的EKF（Extended Kalman Filter）实现的跟踪算法,在非线性方程的线性化中舍去了含强非线性的二阶以上的高阶项,导致目标的跟踪精度较低;提出采用UKF（Unscented Kalman Filter）方法处理超视距雷达系统在跟踪算法中的强非线性问题.UKF算法有效降低了非线性方程中的舍入误差,可确保三阶以上的精度.仿真结果表明UKF滤波算法较EKF算法提高估计精度.     

基于UKF的GPS/DR组合导航非线性状态估计

GPS／DR组合导航系统是一个非线性系统,以往采用的扩展卡尔曼滤波算法EKF使得函数的整体特性被局部特性所代替,加上噪声的存在使系统的性能进一步下降。为了获得更好的状态估计性能,用无迹卡尔曼滤波算法UKF（Unscente dKalman Filter）实现组合导航系统的非线性状态估计,避免了EKF方法的线性化近似过程,提高了算法的收敛速度和载体的定位精度。仿真结果表明：在非线性状态估计中,UKF滤波方法优于EKF滤波方法。     

A chaotic communication system of improved performance based on the Derivative-free nonlinear Kalman filter

The Derivative-free nonlinear Kalman Filter is used for developing a communication system that is based on a chaotic modulator such as the Duffing system. In the transmitter’s side, the source of information undergoes modulation (encryption) in which a chaotic signal generated by the Duffing system is the carrier. The modulated signal is transmitted through a communication channel and at the receiver’s side demodulation takes place, after exploiting the estimation provided about the state vector of the chaotic oscillator by the Derivative-free nonlinear Kalman Filter. Evaluation tests confirm that the proposed filtering method has improved performance over the Extended Kalman Filter and reduces significantly the rate of transmission errors. Moreover, it is shown that the proposed Derivative-free nonlinear Kalman Filter can work within a dual Kalman Filtering scheme, for performing simultaneously transmitter–receiver synchronisation and estimation of unknown coefficients of the communication channel.     

基于深度信息的移动机器人室内环境三维地图创建

针对使用扩展卡尔曼滤波(EKF）进行环境地图的创建对线性系统效果较好而对非线性系统的线性化受误差影响较大的问题,提出一种基于对Kinect采集到的环境数据和迭代扩展卡尔曼滤波(IEKF）算法的室内环境三维地图创建。该方法使用成本较低的Kinect传感器获取深度数据然后结合IEKF实现摄像头轨迹预测,最后利用最近点迭代(ICP）算法对深度图像进行配准得到室内环境三维点云图。实验结果表明,IEKF算法与传统的EKF算法相比,得到的轨迹更平滑、误差更小,同时所得到的三维点云图更加光滑。该方法实现了三维地图构建,较为实用,效果较好。     

基于UKF的CDMA系统信道参数估计

CDMA系统信道时间延迟估计是一个非线性的迭代过程。UKF算法能够避免EKF由于线性化非线性系统而带来的误差过大等问题,比EKF估计的更加精确。利用UKF算法对CDMA系统信道的幅度衰减参数与延时参数进行了估计。在研究中考虑到了多址干扰和远近效应对信道参数的影响,仿真结果表明UKF算法能有效地抑制远近效应及多址干扰,估计出无线信道参数。     

一种改进扩展卡尔曼滤波新方法

针对现有的迭代扩展卡尔曼滤波（EIEKF）跟踪时估计精度较低这一不足,提出了一种改进扩展卡尔曼滤波（NIEKF）新方法。本文将迭代滤波理论引入到扩展卡尔曼滤波方法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出了该方法与扩展卡尔曼滤波（EKF）、Unscented 卡尔曼滤波（UKF）、现有的迭代扩展卡尔曼滤波（EIEKF）的仿真结果,并分析了其跟踪性能和均方根误差。实验结果表明,改进扩展卡尔曼滤波（NIEKF）新方法具有更高的估计精度。