有色噪声下的不敏卡尔曼滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题。通常的方法是利用扩展卡尔曼滤波方法将非线性系统线性化后,再利用线性系统的方法对有色噪声系统进行估计。然而,模型的线性化误差往往会严重影响最终的滤波精度,甚至导致滤波发散。为了避免此类误差,先通过对测量方程进行变换的方法,将观测方程的有色噪声转换为白噪声后,再利用不敏卡尔曼滤波方法,对系统的状态进行估计。虽然,该方法也需要对观测方程进行线性化,但是由于此线性化过程是在求解新量测方程的测量误差中进行,因此对系统的误差影响不是很大。仿真结果表明新方法能够有效地对有色噪声环境下系统的状态进行估计,性能要优于现有的一些基于EKF的方法。     

基于高维状态空间的移动机器人定位

位置跟踪是移动机器人自主导航中的一个主要任务.扩展的卡尔曼滤波定位方法是一个常用的位置跟踪方法,但是在对非线性系统方程进行线性化近似过程中引入了线性化误差.文中给出了一个基于线性系统模型的位置估计方法.用一个高维的状态向量表示机器人的位置空间,并选用环境路标的全局信息作为观测向量,此时系统动态模型和系统观测模型都是线性的,从而直接运用最优的线性卡尔曼滤波技术进行移动机器人位置估计.这种方法免除了非线性方程的线性近似过程,避免了线性化误差.实验表明,位置估计过程是收敛的、一致的.     

基于DOA的无源定位算法

该文在分析了伪线性扩展卡尔曼滤波中针对非线性观测方程线性化误差的产生原因以及对滤波影响的基础上,提出用n时刻的状态估计值代替一步预测状态值.由于n时刻的状态值中隐含着n时刻的测量值,因此比一步预测状态值更接近此时刻的真实状态矢量,从而将伪线性的观测方程在更接近真实状态值处泰勒展开将产生更小的线性化误差,通过这种处理从而提高了状态定位精度.最后通过计算机仿真证明了改进算法的有效性.     

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF), UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。      

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。     

基于迭代中心差分卡尔曼滤波的说话人跟踪方法

利用状态空间方法对说话人进行语音跟踪时,观测方程的非线性会影响说话人位置的估计精度。该文将迭代滤波理论与中心差分卡尔曼滤波技术相结合,提出迭代的中心差分卡尔曼滤波方法,并应用于说话人跟踪系统。仿真实验结果表明,该文所提出的方法减少了系统线性化误差,增强了滤波算法的鲁棒性,提高了说话人跟踪精度。     

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.     

基于弦线法的去导迭代扩展卡尔曼滤波器

由于需要求解观测方程的Jacobian矩阵,迭代扩展卡尔曼滤波的应用受到了一定的限制。从迭代扩展卡尔曼滤波的高斯-牛顿法推导过程出发,将弦线法引入迭代扩展卡尔曼滤波,得到了一种去导迭代扩展卡尔曼滤波算法。新的滤波算法在观测迭代时,用两点间的割线斜率矩阵代替Jacobian矩阵,应用范围也更为广泛。实例仿真实验表明,新滤波方法的精度优于扩展卡尔曼滤波和无敏卡尔曼滤波,略优于迭代扩展卡尔曼滤波。     

基于弦线法的去导迭代扩展卡尔曼滤波器

由于需要求解观测方程的Jacobian矩阵,迭代扩展卡尔曼滤波的应用受到了一定的限制。从迭代扩展卡尔曼滤波的高斯－牛顿法推导过程出发,将弦线法引入迭代扩展卡尔曼滤波,得到了一种去导迭代扩展卡尔曼滤波算法。新的滤波算法在观测迭代时,用两点间的割线斜率矩阵代替Jacobian矩阵,应用范围也更为广泛。实例仿真实验表明,新滤波方法的精度优于扩展卡尔曼滤波和无敏卡尔曼滤波,略优于迭代扩展卡尔曼滤波。     

机载红外搜索跟踪系统被动定位滤波算法研究

首先用扩展卡尔曼滤波算法构建了机载红外搜索跟踪系统被动定位滤波模型．然后针对该滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点．利用虚拟噪声技术，提出了适合于红外搜索跟踪系统被动定位的自适应扩展卡尔曼滤波算法。该算法实时地估计了虚拟噪声的统计特性，减小了线性化误差，提高了非线性滤波的精度。仿真结果表明，在完全相同的初始条件下，自适应扩展卡尔曼滤波对目标距离和速度的估计结果明显优于扩展卡尔曼滤波，此算法具有很高的工程应用价值。     

鲁棒的DME/DME/SINS组合导航算法

测距机（DME, distance measuring equipment）/DME/捷联惯导系统（SINS, strap-down inertial navigation system）的组合导航系统是区域导航（RNAV, area navigation）中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明：所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。     

LMS算法的二次稳定性及鲁棒LMS算法

本文在时域内研究LMS算法(least mean square algorithm)的稳定性及鲁棒LMS算法的构造.首先将LMS算法表达式转化为标准的离散时间系统状态方程形式,之后运用线性矩阵不等式(LMI)技术对其二次稳定性进行了分析.针对滤波过程中会出现的输入和测量噪声干扰,本文提出了一种兼顾收敛性、鲁棒稳定性以及鲁棒性能的鲁棒LMS算法,最后给出了仿真算例,通过和一般的LMS算法的比较,体现了这种鲁棒LMS算法的优越性.     

加权融合鲁棒增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。     

一种新的基于角度和时差的稳健定位跟踪算法

针对无源定位必须实现快速和稳定无偏定位跟踪的要求,提出了一种新的双站基于角度和时差的稳健定位跟踪算法。该算法将扩维伪线性测量方程的观测误差矩阵协方差阵引入约束条件,通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解即可获得目标状态的渐进无偏估计值。仿真结果表明,与扩展卡尔曼滤波（EKF）算法及最小二乘(LS)算法相比,本文所提算法定位跟踪性能更稳定,精度更高,估计误差可以接近克拉美罗限（CRLB）。在测量误差较大或者两个观测站测量误差不一致时优势更明显,实用性强。      

多站无源跟踪边缘化卡尔曼滤波算法

多站无源跟踪量测方程非线性强,对跟踪算法的稳定性及精度提出了更高的要求。为实现稳定高精度跟踪,提出了新的基于边缘化卡尔曼滤波（MKF）的多机无源跟踪算法。该算法将非线性的量测方程表示为p阶Hermite多项式的加权和,将加权矩阵的先验分布建模为高斯过程,求得其后验分布后对其进行积分来消除加权矩阵的影响,最终可得对状态及其协方差矩阵估计的闭式解。以只测角跟踪为例对所提算法性能进行验证,仿真结果表明,相对于扩展卡尔曼滤波（EKF）算法、不敏卡尔曼滤波（UKF）算法及容积卡尔曼滤波（CKF）算法,所提算法具有更好的跟踪性能。      

OFDM时变信道的粒子流滤波估计算法

粒子滤波是一种基于序贯重要性采样原理的蒙特卡罗方法,其重采样步骤将导致“粒子贫化”,传统的基于粒子滤波的OFDM时变信道估计算法精度较低、计算复杂度较高。本文从消除“粒子贫化”角度出发,用粒子流的方法取代了重采样。通过建立微分方程实现贝叶斯估计,采用粒子流将粒子平滑移动到状态空间中的后验分布上,实现从先验粒子到后验粒子的更新,提出了一种基于粒子流滤波的OFDM时变信道估计算法。与基于粒子滤波的信道估计方法相比,本方法计算复杂度低,估计精度高,对环境噪声具有较好鲁棒性。      

基于协作多点传输的非线性顽健预编码

A nonlinear robust precoding algorithm was proposed,which redesigned the feedback matrix,the forward matrix and the scaling matrix of the traditional tomlinson-harashima precoding algorithm based on the statistical characteristics of the downlink channel state information errors.Simulation results show that the nonlinear robust precoding algorithm can achieve better performance than the traditional linear and nonlinear precoding algorithms when the downlink channel state information errors exist.Due to the different downlink channel state information errors between user equipments in the coordinated multi-point transmission,the traditional “best-first” ordering algorithm was invalid.So an improved ordering algorithm was proposed to reduce the average bit error rate of the nonlinear robust precoding algorithm.     

基于协作多点下行传输的非线性鲁棒预编码

对于协作多点系统,下行信道信息误差会大幅降低联合传输的性能。为了避免下行信道信息误差对联合传输的影响,本文利用其二阶统计特性,设计了非线性鲁棒预编码算法。由于协作多点系统的特点和非线性鲁棒预编码的结构会导致用户间的性能差异,本文通过优化非线性鲁棒预编码算法的连续干扰消除先后顺序,从而改善性能最差用户的误码率,降低非线性鲁棒预编码算法的平均误码率。仿真结果表明当下行信道信息误差存在时,本文所提出的非线性鲁棒预编码性能优于传统的线性和非线性预编码性能。仿真结果还表明优化排序能提高非线性鲁棒预编码的性能增益。     

Robust M-estimate adaptive filtering

An M-estimate adaptive filter for robust adaptive filtering in impulse noise is proposed. Instead of using the conventional least-square cost function, a new cost function based on an M-estimator is used to suppress the effect of impulse noise on the filter weights. The resulting optimal weight vector is governed by an M-estimate normal equation. A recursive least M-estimate (RLM) adaptive algorithm and a robust threshold estimation method are derived for solving this equation. The mean convergence performance of the proposed algorithm is also analysed using the modified Huber (1981) function (a simple but good approximation to the Hampel's three-parts-redescending M-estimate function) and the contaminated Gaussian noise model. Simulation results show that the proposed RLM algorithm has better performance than other recursive least squares (RLS) like algorithms under either a contaminated Gaussian or alpha-stable noise environment. The initial convergence, steady-state error, robustness to system change and computational complexity are also found to be comparable to the conventional RLS algorithm under Gaussian noise alone     

多强点目标场景合成孔径声纳SAS自聚焦算法研究

经典的PGA算法不能直接用于SAS图像自聚焦。目前的一些改进算法非常复杂,鲁棒性不好。本文提出了一种基于图像分块的改进PGA算法。算法的原理简便,鲁棒性好。并利用图像质心不变的假设,解决了线性相位引起的图像方位位置偏移问题。最后,通过仿真试验,验证了算法的有效性。