基于改进连续-离散无迹卡尔曼滤波的水下航行器故障诊断

针对连续非线性系统的参数估计问题,提出了改进的连续-离散无迹卡尔曼滤波算法。该算法结合系统状态和参数的估计均值和协方差阵,通过构建控制系统的无迹状态矩阵,并对无迹状态函数积分获得预测无迹状态阵,再经过均值解算和估计更新,获得参数的估计值。然后,针对水下航行器连续非线性控制系统的故障诊断问题,将水下航行器执行机构的故障,以比例系数和附加参数的形式表达在控制系统的状态空间方程中,通过采用改进的连续-离散无迹卡尔曼滤波算法,估计故障数据,实现执行机构的故障诊断。最后,在水下航行器回坞仿真实验中,采用该算法有效估计出执行机构故障,验证了算法的可行性和有效性。     

似然迭代平方根容积卡尔曼滤波算法的克拉美罗下界分析

本文介绍了平方根容积卡尔曼滤波算法和似然迭代平方根容积卡尔曼滤波算法,推出了后验克拉美罗下限.将两种算法应用到弹道再入段的状态估计中,分析和比较了两种算法的标准差与后验克罗美罗下限的关系.仿真实验结果表明,相比于平方根容积卡尔曼滤波算法,似然迭代平方根容积卡尔曼滤波算法的位置、速度和弹道系数的标准差与后验克拉美罗下限很接近,算法的滤波性能明显优于平方根容积卡尔曼滤波算法,是一个有效的状态估计算法.     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

基于UKF方法的锂离子电池荷电状态估计研究

选用二阶RC回路的电池模型,以单体的磷酸铁锂动力电池为研究对象,通过充电/放电电流脉冲实验获得电池模型中的各个参数变化范围,研究其荷电状态(SOC)的估算方法.根据电池模型的状态方程和输出方程,运用MATLAB软件,利用无迹卡尔曼滤波(UKF)方法来估算锂离子电池的SOC,并将其估算结果与扩展卡尔曼滤波(EKF)方法的估算结果进行比较.实验结果表明UKF方法能够更精确地估计出动力电池的SOC.     

一种基于神经网络和UKF的自适应目标误差配准方法

针对多传感器数据融合的误差配准问题,提出了一种自适应的误差配准方法。该方法使用无迹卡尔曼滤波方法训练神经网络,在偏差先验模型未知的条件下,通过学习待配准目标量测与配准目标之间的误差变化,实时估计配准误差并同时将其应用于目标状态估计。仿真实验表明,该方法能够实时有效地估计目标配准误差和目标状态。     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

基于双层改进无迹卡尔曼的曲轴信号修正算法

对发动机曲轴信号的精确识别是控制发动机喷油时刻及相位识别的重要方法,在发动机实际工作状态中,曲轴干扰信号会降低发动机相位识别及喷油时刻的准确性.提出了针对发动机曲轴信号的双层改进无迹卡尔曼滤波DLIUKF(Double Layer Improve Unscented Kalman Filter)修正算法,低层利用采样策略逼近非线性分布的方法对曲轴转角和曲轴齿下降沿脉宽进行预测,后通过高层无迹卡尔曼滤波算法对曲轴平均转速进行最优化估计,该方法用于对发动机曲轴原始信号的干扰信号去除及提高曲轴齿计数值的准确性.结果表明,在仿真实验中,双层改进无迹卡尔曼滤波(DLIUKF)修正算法相较原始信号故障率下降17.8％,抗干扰信号能力较强,与EKF(Extended Kalman Filtering)拓展卡尔曼滤波相比逻辑判断时间下降了1.31 s.通过台架实验证明双层改进无迹卡尔曼滤波(DLIUKF)修正算法能有效消除发动机曲轴干扰信号,其优越的抗干扰能力,提高了发动机运行稳定性.     

基于尺度优化IUKF滤波的室内定位估计方法

为了改善以往室内接收信号强度指示定位方法精度不高的问题,提出了一种运用单形采样和协方差修正策略的尺度优化迭代无迹卡尔曼滤波器(SIUKF),对节点坐标和信道衰减参数进行联合估计解算,从而实现对目标位置获取的改进定位方法.该方法针对室内环境复杂、干扰因素较多、接收RSSI信号存在较大的噪声的情况,使用kernel平滑法对原始数据进行预处理校正,并将定位问题转换为非线性状态最优化估计问题.实验和仿真结果表明,与扩展卡尔曼滤波(EKF)和标准无迹卡尔曼滤波法(UKF)相比,采用具有更高非线性近似精度的SIUKF解决接收信号强度指示室内定位估计问题,可以较好地提高目标位置估计精度,且计算复杂度适中,稳定性更好,平均定位精度可达0.65 m,能满足室内定位的需求.     

几种面向弹道目标跟踪算法的性能评估

提出一种非线性滤波器性能的评估方法.在导弹系数未知的情况下,研究二维弹道目标动力学模型,推导相应的Cramer-Rao下界.分析扩展卡尔曼滤波器、无迹卡尔曼滤波器、积分卡尔曼滤波器和容积卡尔曼滤波器,基于推导出的Cramer-Rao下界,通过仿真实验比较这4种非线性滤波的性能.理论与实验结果表明,扩展卡尔曼滤波的实时性能最好,但跟踪精度较差;容积卡尔曼滤波器在跟踪的速度和精度方面都有较好的表现.     

基于无迹卡尔曼滤波的永磁同步电机无传感器直接转矩控制

文章研究了一种永磁同步电机直接转矩控制定子磁链观测器及无传感器控制实现方案.利用永磁同步电机dq坐标系下的非线性模型和无迹卡尔曼滤波技术建立了无迹卡尔曼滤波磁链观测器以估计定子磁链,同时可以实时估计转子位置和转速.在时变、动态、非线性控制系统中,该观测器针对带有噪声的输入量进行实时递归优化估计状态,对参数变化、模型不精确、过程噪声和测量噪声具有较强的鲁棒性.为了提高系统性能,采用了空间矢量调制以保持逆变器开关频率恒定.仿真研究验证了所提出控制策略的有效性,系统对定予磁链初始误差和转子初始位置误差具有较快的收敛特性,并具有较好的速度响应和转矩响应特性.     

基于单极点反馈积累理论的KF算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波（KF）性能.为减小滤波误差,提高卡尔曼滤波精度,基于单极点反馈积累理论,提出了一种改进的卡尔曼滤波算法.该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻信息实现对估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计来提高其估计精度.理论分析和仿真结果表明：该算法与KF算法相比,对跟踪效果有一定改善,使位置、速度跟踪误差有效降低并保持其误差曲线平滑,提高了滤波/跟踪精度.     

双基地前向散射栅栏雷达的目标运动参数估计

针对双基地前向散射栅栏雷达运动参数估计精度低、易发散的问题,在扩展卡尔曼滤波和不敏卡尔曼滤波基础上,提出了一种新的滤波跟踪算法U EKF.该算法利用不敏卡尔曼滤波对初始误差不敏感的特点实现目标初始捕捉,克服了扩展卡尔曼滤波由于初始估计误差较大而引起的发散问题;然后采用扩展卡尔曼滤波进行目标跟踪保持,克服了目标穿越雷达基线时不敏卡尔曼滤波由于对系统模型的误差敏感而引起估计精度低的问题.     

自适应平方根Unscented粒子滤波算法研究

针对粒子滤波存在的重要性密度函数难以选取和可能出现粒子退化的问题,在吸收平方根滤波、自适应滤波和粒子滤波优点的基础上,提出了一种新的UPF算法。该算法由UKF算法得到重要性密度函数,通过自适应因子实时控制动力学模型误差,采用平方根分解法抑制系统状态协方差矩阵的负定性。仿真结果证明,文中所提出的自适应平方根UPF算法,不但适用于非线性、非高斯动态系统的滤波计算,而且能有效地改善滤波性能,提高SINS/SAR组合导航系统的定位精度。     

基于MDS-MAP和非线性滤波的WSN定位算法

为提高传感器网络节点的定位精度,对MDS-MAP结合非线性滤波方法的多种传感器网络定位算法进行研究.根据传感器节点间距离与节点定位坐标之间存在的非线性关系,在MDS-MAP定位算法的基础上,引入扩展卡尔曼滤波（EKF）求精算法和不敏卡尔曼滤波（UKF）求精算法,对MDS-MAP求得的节点坐标进行求精.对MDS-MAP定位算法、MDS-MAP和EKF相结合的定位算法（MDS-EKF）、MDS-MAP和UKF相结合的定位算法（MDS-UKF）的定位精度进行比较.实验结果表明：EKF和UKF等非线性滤波方法的应用可以提高定位精度,在相同条件下MDS-UKF定位算法的定位精度更高并且其生成的网络拓扑图最接近于实际网络拓扑图.     

一种新的高动态全球定位系统频率估计算法

针对常用高动态全球定位系统频率估计算法扩展卡尔曼滤波(EKF)由于对模型进行简单线性化而造成的估计精度低与失锁门限高等缺陷,引入了一种新的线性滤波算法unscented卡尔曼滤波(UKF)进行频率估计．该算法不需要对非线性模型进行线性化,而是利用一系列Sigma采样点,通过unscented变换(UT)来进行状态与协方差阵的递推与更新．仿真实验结果表明新算法的估计精度远高于EKF,失锁门限也比EKF低约1dB,估计性能得到了改善．     

Tracking with nonlinear measurement model by coordinate rotation transformation

A new filtering method is proposed to accurately estimate target state via decreasing the nonlinearity between radar polar measurements(or spherical measurements in three-dimensional(3D) radar) and target position in Cartesian coordinate. The degree of linearity is quantified here by utilizing correlation coefficient and Taylor series expansion. With the proposed method, the original measurements are converted from polar or spherical coordinate to a carefully chosen Cartesian coordinate system that is obtained by coordinate rotation transformation to maximize the linearity degree of the conversion function from polar/spherical to Cartesian coordinate. Then the target state is filtered along each axis of the chosen Cartesian coordinate. This method is compared with extended Kalman filter(EKF), Converted Measurement Kalman filter(CMKF), unscented Kalman filter(UKF) as well as Decoupled Converted Measurement Kalman filter(DECMKF). This new method provides highly accurate position and velocity with consistent estimation.     

管道地理坐标测量中低精度IMU初始对准技术

针对管道地理坐标测量系统低精度惯性测量单元（inertial measurment unit,IMU）初始对准问题,提出一种管道定位的初始对准方法.针对大角度情况进行粗对准,然后在小角度范围内再进行精对准.在精对准过程中,对测量信号采用一阶马尔科夫模型,提取出符合kalman滤波模型的白噪声分量,随后建立13维状态量的kalman状态方程以及观测方程.对于较大方位误差角引起的非线性,采用Cubature Kalman滤波（Cubature Kalman filtering,CKF）算法对非线性模型进行状态估计,解决了滤波模型的非线性问题并进行了静态对准实验.实验结果表明,设计的算法在计算时间上优于Unscented粒子滤波（Unsented particle filtering,UPF）算法,适于作为管道地理坐标测量的初始对准算法.     

两飞行体相对定位技术及其滤波算法研究

为了解决两飞行体相互之间的定位问题,在二维平面运动模型的基础上提出了相位差变化率定位方法,进行了可观测分析,给出了可观测分析结果。同时简单介绍了几种典型非线性滤波算法,并将EKF（ExtendedKalman Filter）、UKF（Unscented Kalman Filter）、PF（Particle Filter）等非线性滤波方法应用到定位模型中。仿真结果表明,UKF方法用时最短,PF滤波方法精度最高。     

Adaptive Extended Kalman Filtering for Bearings-Only Targets Tracking Problem

0INTRODUCTIONfileproblemofestimatingthestatesofatalgetfrompassivemeasurementshasgeneratedalotofinterestduetoitsapplicationsinship-trackingandhondng-missilegUidance.AdifficultyinobtaininggabestimatesforthetargetmotionanalysisarisesfromhavingtouseonlyangUlarobservations(inthecaseofpassivemeasurements)toextractinformationaboutfoepositions,velocitiesandthetargetaccelerations.Mathematically,thisI,rohlemcanbedescribedinaninertialrectangularcoordinateframebyalineardynamicalmodelandanonlinearobse…     

一种高斯型非线性迭代更新滤波器

针对高斯型非线性滤波器在大初始偏差条件下性能下降、甚至发散的问题,提出了一种新的非线性滤波算法,即迭代更新扩展卡尔曼滤波器（iterated update extended Kalman filter,IU-EKF）。首先,该算法在EKF框架下,将传统的一步量测更新在伪时间上分为多步进行,采用部分增益将当前量测信息逐步地引入量测更新过程实现对状态的后验估计;其次,由于多步量测更新过程引入了每一步的过程噪声,因此将量测噪声与每一步更新后的状态估计误差之间的互协方差代入误差协方差矩阵,再利用此误差协方差矩阵的迹对标准卡尔曼增益矩阵求导并令结果为零,以导出噪声相关条件下的最优卡尔曼增益矩阵表达式;最后,根据后验量测残差自适应地调整迭代更新次数,在保证一定滤波精度的前提下,降低了算法的计算量。以2维目标跟踪问题为例,在大初始偏差条件下,通过仿真实验将本文算法分别与EKF、IEKF、UKF、CKF算法进行对比,并针对不同迭代次数对滤波精度的影响进行对比分析。仿真结果表明：本文算法较EKF大幅提高了滤波估计精度,且在大初始偏差条件下,本文算法性能优于现有经典高斯假设滤波器。同时,当迭代次数按1、2、5、10、20递增时,本文算法的滤波精度也随之提升,但提升幅度逐渐减缓。