NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

一种用于雷达量测的滤波算法

在雷达跟踪系统中,广泛使用混合坐标系下扩展卡尔曼滤波器（EKF）和转换卡尔曼滤波器（CMKF）两种算法,但是当目标距离较远时,这两种滤波器由于量测方程非线性的影响,误差较大,甚至导致滤波发射。本文计算了传统EKF滤波器引入的线性化误差,并在此基础上提出一种新的滤波算法（NDRKF）。计算机仿具结果表明,该算法减小了线性化误差的影响,较明显地改善了滤波顺的性能。     

扩展卡尔曼体系下的SLAM算法计算框架

扩展卡尔曼体系下的SLAM算法指SLAM算法中含有状态预测过程和状态更新过程。为了便于理解扩展卡尔曼体系下的SLAM算法计算过程,本文从滤波算法计算框架角度对它们分别进行了描述,对基于EKF的SLAM算法进行了说明和总结。     

一种新型混合并行粒子滤波频率估计方法

针对高动态、低信噪比环境下的载波频率信号跟踪问题,提出一种新的混合并行粒子滤波算法（ Multi-ple Extend Kalman Filter Independent Metropolis Hastings ,M-E-IMH）。该算法具有并行运算结构,实时性较基本粒子滤波有较大的提高。该算法直接利用同相支路（In-phase,I）和正交支路（Quadrature,Q）作为观测量,避免了传统方法中的鉴别器引入而引起的信噪比损耗。在高斯和非高斯环境下,与现有的载波跟踪方法如扩展卡尔曼滤波器（ EKF ）,粒子滤波器（ PF）,卡尔曼滤波器（ KF）等仿真对比表明,该方法在低信噪比下具有更高的跟踪精度。     

基于距离参数化的双机时差递推定位方法

双机仅测时差定位系统具有系统结构简单、定位精度高的特点。对不当的滤波初始化易造成的扩展卡尔曼滤波器（EKF）的滤波发散问题,该文提出了一种基于时差测量的距离参数化（RP）方法。该方法利用时差得到一组滤波初始化值,结合EKF,提出了双机时差测量的距离参数化扩展卡尔曼滤波（RPEKF）递推定位方法。仿真结果表明,该文的定位...     

EKF、PF在目标跟踪中的研究

介绍两种目标跟踪算法—扩展卡尔曼滤波器（Extended Kalman Filter,EKF）、粒子滤波器（Particle filter,PF）。EKF利用泰勒级数方法,将非线性问题转化到线性空间,再利用卡尔曼滤波器进行滤波,并达到一阶估计精度。PF是一种采用蒙特卡罗采样的贝叶斯滤波方法,它将复杂的目标状态分布表示为一组加权值,通过寻找在粒子滤波分布中最大权值的粒子来确定目标最可能所处的状态分布,已成为复杂环境下进行目标跟踪的最好的方法。文中通过仿真实验,对二者的性能进行了仿真比较,结果证明在复杂的非高斯非线性环境中,PF的性能明显优于EKF,但计算复杂,耗时长。     

仅有角度测量的双机协同机动目标跟踪定位路径规划

针对仅有角度测量的双机协同三维机动目标跟踪定位路径规划问题提出基于扩展卡尔曼滤波器（EKF）和定位精度几何分布（GDOP）的优化算法。在建立双机协同被动跟踪EKF 的基础上分别从交互信息与协方差控制入手建立指标函数。利用向量概念推导出了双机协同被动目标定位的GDOP计算公式,并建立了基于GDOP 的指标函数。利用目标状态的一步预测给出了基于不同指标函数的数值解法。仿真表明,基于EKF 的指标函数在在目标机动时性能较差,而基于GDOP 的指标则在目标机动时表现出良好性能。     

一种对噪声混沌信号的滤波方法

本文研究噪声混沌信号的滤波问题。组合信号建模技术,提出了一种基于无先导变换(Unscented Transform,UT)的滤波方法。仿真结果表明,不管混沌系统的参数如何变化,这种算法能都能有效地抑制噪声对混沌系统的影响。与基于扩展卡尔曼滤波器(Extended Kalman filter,EKF)算法相比,在低信噪比的情况下,基于UT的滤波方法都有较好的滤波性能;而在高信噪比的情况下,它有与扩展卡尔曼滤波器基本相同的性能。     

基于改进EKF的DC/DC转换器电感电流观测器

为了减小电磁干扰(Electromagnetic Interference,EMI)引起的DC/DC转换器输出电压噪声,消除负载变化引起的稳态误差,提出了一种基于改进的扩展卡尔曼滤波器(Extended Kalman filter,EKF)的电感电流观测器.首先,介绍了Boost型转换器的状态空间方程和扩展卡尔曼滤波器;之后提出负载估算算法,对EKF进行改进.利用改进EKF的输出电压、电感电流和占空比即可估算出实际负载值,从而实时更新改进EKF的参数,使电流观测器可以准确估计电感电流;最后对提出的电流观测器进行了仿真验证.仿真结果表明,在负载突变时,改进EKF可以对EMI引起的输出电压噪声进行有效滤波,同时准确估计电感电流,保证了DC/DC转换器输出电压的准确性.     

一种机载单站无源测向定位跟踪算法研究

首先提出了一种采用测量目标到达方向实现运动单站对固定辐射源进行无源定位的算法。算法利用遗传算法（GA）为扩展卡尔曼滤波（EKF）提供稳定可靠的初始状态，克服了EKF算法收敛速度慢、易发散，伪线性滤波（PLF）算法有偏差等缺点，从而获得了更好的定位效果。计算机仿真结果验证了上述方法的有效性。     

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波（EKF）是GPS／INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波（UKF）是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。     

Novel Simplex Unscented Transform and Filter

In this paper,a new simplex unscented transform（UT）based Schmidt orthogonal algorithm and a new filter method based on this transform are proposed.This filter has less computation consumption than UKF（unscented Kalman filter）,SUKF（simplex unscented Kalman filter）and EKF（extended Kalman filter）.Computer simulation shows that this filter has the same performance as UKF and SUKF,and according to the analysis of the computational requirements of EKF,UKF and SUKF,this filter has preferable practicality value.Finally,the appendix shows the efficiency for this UT.     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。     

基于伪线性卡尔曼滤波的多站IRST系统跟踪技术

建立了目标的多站IRST（红外搜索与跟踪）系统的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波算法．算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度．分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行跟踪的仿真结果表明：当探测器数目为3、4时,在跟踪初始阶段．曲线性卡尔曼滤波器在跟踪的速度和精度方面均优于推广卡尔曼滤波器,在稳定阶段,两者的性能基本相仿．当探测器数目为6时,则不论是在跟踪的初始阶段,还是在稳定阶段,伪线性卡尔曼滤波器与推广卡尔曼滤波器的性能基本相同．     

扩展卡尔曼滤波在无源定位中的应用研究

阐述了卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)的原理和方法,建立了无源定位系统的状态模型和观测模型,推导了将非线性观测模型线性化,并利用EKF进行递推滤波估计的步骤和公式。通过计算机仿真,验证了运用EKF算法解决基于方位角及其变化率测量信息的无源定位方法,结果表明,运用EKF滤波算法,可以实现单观测站对运动目标的无源定位,初始状态估计误差对定位收敛的性能有较大影响。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

纯方位被动目标运动分析的修正增益卡尔曼滤波算法研究

通过对滤波状态协方差估计的修改,将水下纯方位被动目标运动分析中的扩展卡尔曼滤波(EKF)算法改进为修正增益扩展卡尔曼滤波(MGEKF)算法,并指出了两者的联系与区别。对比仿真分析表明,MGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标运动分析的实现提供新的途径。     

Visual vehicle tracking algorithm

A modified extended Kalman filter (EKF) is proposed for visual vehicle tracking by adding a new objective function to reduce the sensitivity of the filter to model uncertainty. Experimental results show that the performance of this approach is much better than the traditional EKF and its recent variant     

Derivation of a sawtooth iterated extended Kalman smoother via theAECM algorithm

The iterated extended Kalman smoother (IEKS) is derived under expectation-maximization (EM) algorithm formalism, providing insight into the behavior of the suboptimal extended Kalman filter (EKF) and smoother (EKS). Through an investigation of smoothing algorithms that result from variants of the EM algorithm, the sawtooth iterated extended Kalman smoother (SIEKS) and its computationally inexpensive counterparts are proposed via the alternating expectation conditional maximization (AECM) algorithm. The SIEKS is guaranteed to produce a sequence estimate that moves up the likelihood surface. Numerical simulations including frequency tracking examples display the superior performance of the sawtooth EKF over the standard EKF for a range of nonlinear signal models