基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

自适应卡尔曼滤波在载波相位平滑伪距中的应用

对于高精度GPS定位,应用传统的载波相位平滑伪距算法会使定位的连续性和精度受到影响,在高动态GPS环境中甚至无法正常应用.基于标准卡尔曼滤波算法假设,利用极大似然准则推导了一种新的应用于载波相位平滑伪距的自适应卡尔曼滤波算法,这种滤波算法利用新息序列分别对系统过程噪声方差和量测噪声方差进行实时估计和调整,得到适用于动态定位的载波相位平滑伪距所需的最优平滑时间常数.在相关理论分析的基础上,对自适应卡尔曼滤波算法的稳定性进行了分析.动态定位仿真结果表明,与传统的载波相位平滑伪距算法相比,自适应卡尔曼滤波算法可以有效改善定位的精度和稳定性.     

基于神经网络的新息自适应卡尔曼滤波在高速公路变形监测中的应用

实际应用中卡尔曼滤波的动态噪声和观测噪声往往不是固定的,提出运用新息自适应卡尔曼滤波法则对噪声进行实时估计。同时,为了克服新息自适应卡尔曼滤波要求系统模型过分精确的缺点,基于神经网络的新息自适应卡尔曼滤波算法,通过使用神经网络进行误差补偿来提高滤波性能,并运用于高速公路变形监测中。结果表明：该模型与原始观测值的残差全部降到了０.２５ｍｍ以下,说明该模型精度很高,在实际应用中具有一定的可行性。     

纯方位目标运动分析的自适应算法

基于Lainiotis算法的基本原理，使用贝叶斯估计理论和半马尔科夫过程的概念，利用一组并行的、且是自适应加权的卡尔曼滤波器对纯方位目标运动分析问题进行求解，对本算法与伪线性卡尔曼滤波算法的估计结果进行了比较，结果表明，这种估算方法在大的环境噪声、远距离和小目标速度等不利条件下仍具有较好的估计性能。     

双级迭代自适应卡尔曼滤波算法

针对高速目标的跟踪定位问题,提出了基于"当前"统计模型的双级迭代自适应卡尔曼滤波算法。首先利用三球交点定位算法对观测值进行处理,得到目标位置初始估计值;采用初始估计值中的速度新息的特征函数和加速度新息的特征函数推导出迭代参数表达式,再使用目标运动特性对迭代参数取值进行限定;最后将迭代参数应用到自适应卡尔曼滤波算法实现滤波。仿真的结果表明,双级迭代自适应卡尔曼滤波的速度估计优于"当前"统计模型的速度估计,并且双级迭代自适应卡尔曼滤波的稳健性更好。     

基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究

文章设计了一种基于“当前”统计模型的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法.首先在交互式多模型算法框架内,计算“当前”统计模型的概率,自适应地调整“当前”统计模型中目标加速度,提高了“当前”统计模型的自适应性.其次,该算法结合了交互式多模型和无迹卡尔曼滤波算法,该算法具有交互式多模型具有对不同目标机动模式自适应跟踪的能力和无迹卡尔曼滤波滤波度高的优点.最后,采用分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度.通过对三维机动目标进行仿真,结果表明文中所设计的IMM-UKF融合算法对于跟踪以多种机动策略实时机动的目标具有较好的跟踪性能,可以减小系统机动跟踪的误差均值和标准差.较之传统的交互式多模型算法,跟踪性能更加优越.     

区间卡尔曼滤波算法及其在载波相位组合导航中的应用

当系统参数不确切已知或随时间变化时，传统卡尔曼滤波算法无法直接应用。基于区间的概念，通过将参数变化的系统建立成区间模型，在其他假设与标准卡尔曼滤波相同的前提下，给出了一种处理系统参数不确定性的区间卡尔曼滤波算法，该算法在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当。最后通过与传统卡尔曼滤波算法进行比较，仿真验证了该算法在GPS／DMU载波相位组合导航中应用的可行性。     

含有有色噪声的自适应Kalman滤波

通过对一类时不变线性有色噪声系统的卡尔曼滤波理论的分析，提出了一种在滤波过程中不断估计并修正未知参数的算法，最后给出了有关这种估值的渐近无偏性证明以及实时应用的例子。     

歼击机对空中目标参数被动测量的方法研究

仅根据光电瞄准系统探测到的空中目标俯仰角和方位角,利用非线性滤波算法即可估计出目标的位置和速度等运动参数。建立了歼击机和目标的相对运动数学模型,在对扩展卡尔曼滤波算法优化的基础上,推导出自适应修正增益的扩展卡尔曼滤波算法。仿真结果表明,与传统的扩展卡尔曼滤波相比,该算法具有更高的稳定性和估计精度,能够满足歼击机在中远距离使用制导武器对目标攻击的发射条件。     

基于自适应卡尔曼滤波加速度与位移融合的结构位移实时估计

实时高精度位移测量在工程结构的安全和寿命评估方面有着重要作用。为提高基于全球导航卫星系统技术的位移测量的精度及稳定性，本文提出了一种融合加速度和位移数据的自适应多速率卡尔曼滤波方法，来实时获取精度提升的位移信息。由于不合理的噪声参数设置会使位移估计的精度严重下降，本文利用加速度和位移数据测量噪声各自的特点，以分开估计相应噪声方差的思路来实现自适应估计。考虑传感器噪声的性质，自适应滤波中对噪声参数的估计可简化为仅对位移噪声方差进行估计。利用Sage-Husa估计器实现位移噪声方差的自适应估计，使滤波能在噪声参数未准确获知的情况下进行稳定的位移实时估计。首先，讨论了自适应滤波中初始噪声参数的影响，确定了初始系统噪声参数的选取原则。然后，分别在时不变与时变位移噪声环境下，观察该滤波应用于不同频率的谐波位移信息下的估计性能。最后，以某1.5MW风电塔在风-地震耦合作用下塔顶结构响应的数值模拟，来说明本文的自适应滤波在一般工程结构应用中的有效性。结果表明，即使初始噪声参数设置有误或位移噪声具有时变性，本文方法依然具有较好的估计效果及鲁棒性。上述研究成果可为结构实时高精度位移监测提供一定理论支撑与参考。     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。     

H∞滤波在惯导/GPS组合导航应用的比较分析

为分析H∞滤波算法在惯性导航系统INS/GPS组合导航应用中对动态环境的自适应能力,选用卡尔曼滤波算法和Sage-Husa算法作为对照,并改进了Sage-Husa算法,构造了较为全面的惯导系统误差模型、扰动数据情形和飞行轨迹,比较分析了三种算法的自适应能力.仿真结果表明:在这种验证环境中,H∞滤波算法可调参数受到的约束较多,与改进的Sage-Husa算法相比,卡尔曼增益和估计协方误差与量测值变化的相关性较弱,导致自适应能力较弱.在这类模拟动态环境中H∞滤波算法的自适应能力要低于改进的Sage-Husa算法.方法和结果对于鲁棒的INS/GPS组合导航算法的工程化应用有较高的实用价值.     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

模糊逻辑在NGIMU/GPS组合中的应用

由于加速度计输出动态噪声的存在,无陀螺惯性测量组合(NG IMU)导航误差随时间迅速累积.采用传统卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计时,又由于观测噪声的复杂性,造成滤波结果不明显.针对上述噪声统计特性不易确定的特点,基于NG IMU九加速度计配置方案,提出利用模糊逻辑自适应卡尔曼滤波方法进行NG IMU/GPS组合导航系统设计.模糊逻辑自适应卡尔曼滤波器(FLAKF)通过对噪声方差进行修正,将卡尔曼滤波器调整到最优状态.同时进行了系统位移、速度、角速度仿真,仿真结果验证了模糊逻辑自适应卡尔曼滤波方法的可行性.     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发，分析了Kalman滤波算法的实质及容量发散的原因，提出在Kalman滤波中引入系统量测噪声协方差阵（R）的计算，并对其加权，从而影响滤波增益，抑制发散，推算舰位／GPS组合导航的应用仿真表明明显测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

低成本MIMU/GPS组合导航系统设计与实验

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统(INS)的进一步推广应用,然而低成本微型惯性测量单元(MIMU)的出现,为INS的推广应用了带来了新的契机。文中提出了一种适合于工程应用的低成本MIMU/GPS组合导航系统的结构与方案,并给出了组合导航系统位置速度交替组合模式的数学模型。考虑到未知工作环境中各类噪声统计参数的未确定性易使经典的卡尔曼滤波器发散,因此文中采用了闭环自适应卡尔曼滤波器对子系统的数据进行融合处理;设计了低成本的组合导航系统原理样机,并进行了跑车实验。跑车实验及事后数据处理分析结果表明:该系统具有较高的长时间导航精度以及良好的可靠性和鲁棒性。     

内模自适应卡尔曼滤波新方法及其在GPS信号估计中的应用

针对混杂有确定性扰动分量的随机信号处理问题,提出一种基于内模的自适应卡尔曼滤波新方法──－内模自适应卡尔曼滤波法．首先将待估有用信号和观测数据中的确定性扰分量分别以分段正弦曲线拟合方 式建立各自的内模,并将这些内模的参数作为增广状态变量形成新的非线性系统模型．然后采用迭代型推广卡 尔曼滤波算法,同时实现有用信号及扰动内模参数的实时跟踪．机动目标跟踪的ＧＰＳ定位信号估计应用表明, 与现有方法相比新方法可显著提高定位精度．     

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。