自适应抗野值Kalman滤波

针对Kalman滤波中存在量测野值的特点,依据滤波基本理论,提出了残差变化率概念.将残差变化率引入到野值判定标准中,根据量测值变化率的大小自动调整判断阀值,给出了判别野值的检验方法.由于采用了测量与估计的动态信息,使得野值的判定更为准确,并采用替代的方法对单个或连续野值加以修正,保证了Kalman滤波精确度与数据的连续性.仿真结果表明,当量测值出现较大变化时,这种方法能有效提高系统对野值的检测准确度和滤波精确度.     

自适应Kalman滤波在电力工程形变监测中的应用

Kalman滤波常用于变形监测数据处理中,当观测环境不佳时Kalman滤波难以有效建立观测模型和函数模型。本文结合电厂边坡变形监测数据,首先利用小波去噪方法消除观测方程中的系统误差,然后采用单因子自适应Kalman滤波进行数据处理。结果表明,该方法可以削弱观测噪声影响,提高滤波响应速度,适用于电力工程形变分析。     

基于新息加权自适应UPF算法的智能变电站PTP主时钟源校准新方法

为解决传统秒脉冲（pulse per second,PPS）钟差信号的处理未考虑GPS秒脉冲跳变野值及主时钟源晶振温度变化、晶体老化造成的非线性误差影响等问题,首先对智能变电站精确时间协议（precise time protocol,PTP）主时钟与GPS输出的PPS钟差信号进行了数学建模,然后基于新息加权自适应无迹粒子滤波算法对PPS钟差信号进行滤波处理,最后将处理后的钟差信号送入PID控制器,生成晶振频率调整信号,实现PTP主时钟源的校准。无迹粒子滤波（unscented Kalman particle filter,UPF）算法可对主时钟源因老化而产生的频率非线性漂移进行校正,引入新息序列加权技术可对GPS秒脉冲信号中跳变野值进行处理,自适应滤波技术则可减少系统噪声对于滤波结果的影响,增强时钟源校准系统的鲁棒性,从而提高校频精度。经仿真验证表明,与传统钟差信号处理算法相比,所提方法将钟差信号的处理误差减小了55.96%,且在跳变野值处的钟差处理误差减小了76%以上,从而将PTP主时钟源校准系统中频偏量测误差由3.635×10^–10 Hz降低至9.59×10<...     

基于 Zernike 多项式的自适应包裹卡尔曼相位解缠

为了在噪声干扰下准确提取干涉图中的相位信息，提出了一种基于Zernike多项式拟合的自适应包裹卡尔曼滤波相位解缠算法。该方法将相位图建模为Zernike多项式的线性拟合，采用相位图二次差分加权策略的包裹卡尔曼滤波器准确计算拟合系数，利用预测值和量测值的新息自适应地调整量测噪声协方差矩阵且无需根据干涉图设置不同的观测噪声。实验仿真和实测结果表明，所提方法能够有效地处理干涉条纹中的噪声，并能准确地恢复出相位信息,对于受噪声干扰的干涉图的相位解缠性能优于最小二乘算法和Kalman 算法，具有鲁棒性好、无需预滤波和人工干预的优点。     

分数阶Kalman滤波算法回溯长度选择方法研究

提出了一种分数阶Kalman滤波算法的回溯长度选择方法。与整数阶Kalman滤波算法相比,分数阶Kalman滤波算法的精度较高,但算法的实时性较差。研究发现,在分数阶Kalman滤波算法中,影响其精度和实时性的一个重要因素是算法的回溯长度。针对这一问题,基于分数阶Kalman滤波的基本原理,研究了回溯长度对算法的估计精度及算法实时性的影响,提出了可变回溯长度的分数阶Kalman滤波算法,在保证较高精度的前提下,有效地提高了算法的实时性。仿真实验结果证明,当精度要求较高时,在相同估计精度的情况下,采用可变的回溯长度能显著提高算法的实时性。     

全数字逆变电源信号Kalman预测处理

逆变焊机工作在大电流、强干扰的恶劣环境中,要实现它的全数字化,必须对反馈信号进行滤波,本文提出一种基于卡尔曼(Kalman)预测的信号去噪方法。详细分析了现场获取的电流反馈信号的特征,针对噪声信号的特点,构建了Kalman最小方差估计等式组,通过测量值和预测值的残差来确定脉冲干扰发生的时刻和幅值大小。设定残差阈值作为信号处理的临界点,从观测信号中提取有用的信息,为电流型脉冲宽度调制控制器及时提供准确的反馈信号。试验结果表明,相比移动中值平均滤波和巴特沃思滤波器,本方法动态响应快,滤波输出无相移,能够有效地降低过程噪声和测量噪声的影响,保证逆变焊机精确、可靠地工作。     

基于鲁棒容积卡尔曼滤波器的发电机动态状态估计

同步相量测量单元(PMU)能够对电力系统动态过程中发电机功角进行直接量测。然而,坏数据有可能导致状态估计准确度下降甚至失效。提出了一种基于鲁棒性容积卡尔曼滤波(CKF)的机电暂态过程发电机动态状态估计方法。在CKF中构造时变多维观测噪声尺度因子,根据量测新息对PMU量测误差进行调整,使得量测量能够对状态量预报值进行准确修正。给出了时变多维观测噪声尺度因子的具体构造方法。针对滤波增益求逆发生奇异的问题,提出解决方案,对鲁棒CKF动态状态估计过程进行说明。仿真结果表明该方法能够有效抑制量测坏数据对动态状态估计的影响。     

基于电流模型的Kalman滤波转子磁链观测器

为了研究异步电机矢量控制系统,本文提出了应用电流模型设计Kalman滤波转子磁链观测器的新思路。为一台模型样机设计了基于电流模型的Kalman滤波转子磁链观测器,并设计了基于异步电机全阶模型的Kalman滤波转子磁链观测器,还迚行了对比研究,结果表明,两者的估计精度相当。可见,本文所提的基于电流模型的Kalman滤波转子磁链观测器是有效的、可行的。由于其状态方程的维数降低,它比基于全阶方程的Kalman滤波转子磁链观测器更适宜于在线观测。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

基于观测相似性粒子滤波的纯角度目标跟踪

单站被动纯角度目标跟踪问题在理论和实际应用中一直都是被广泛研究的一个重要而困难的课题。本文提出一种重采样基于观测路径相似性的粒子滤波算法,该算法利用粒子观测路径和系统状态观测路径的相似性来修正粒子权值并使用修正后的权值进行重采样。实验结果表明当观测噪声方差小于系统噪声方差时,该算法在单站被动纯角度目标跟踪的误差均方根值和误差方差上均优于SIR粒子滤波、辅助粒子滤波和高斯粒子滤波。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

Distributed Student's t filtering algorithm for heavy‐tailed noises

In this paper, a distributed Student's t filtering algorithm to deal with heavy‐tailed noises is developed. In the traditional Kalman filter, the distribution of the signal is assumed. However, in reality, outliers in the signal are often encountered for which the assumption of Gaussian distribution is no longer valid. The Student's t distribution can describe noises in the presence of outliers. As a result, the weight on each data point within the filter adapts to the data quality so that the filter becomes insensitive to the outliers. We first derive the distributed filtering algorithm from the centralized Student's t filter, which is able to handle heavy‐tailed noises such as outliers and then analyze properties of the proposed method. It is shown that the proposed algorithm provides the same accuracy as the centralized Student's t filtering with no performance loss. Furthermore, the distributed Student's t filtering with feedback is developed, which is in accordance with centralized filtering, and the local error covariance is reduced as expected. Two numerical examples support the theoretical results and illustrate the validity of the proposed method.     

公路视觉导航中基于卡尔曼滤波器的3D运动参数估计

本文通过对室外行驶车辆上的CCD摄像机所采集的长序列立体图像的处理与分析 ,研究基于卡尔曼滤波器的三维 (3D)运动参数估计方法 ,以实现公路视觉导航中车道线的自动检测与跟踪。本文还阐述了一种扩展的卡尔曼滤波算法     

Fast bias‐constrained optimal FIR filtering for time‐invariant state space models

This paper combines the finite impulse response filtering with the Kalman structure (predictor/corrector) and proposes a fast iterative bias‐constrained optimal finite impulse response filtering algorithm for linear discrete time‐invariant models. In order to provide filtering without any requirement of the initial state, the property of unbiasedness is employed. We first derive the optimal finite impulse response filter constrained by unbiasedness in the batch form and then find its fast iterative form for finite‐horizon and full‐horizon computations. The corresponding mean square error is also given in the batch and iterative forms. Extensive simulations are provided to investigate the trade‐off with the Kalman filter. We show that the proposed algorithm has much higher immunity against errors in the noise covariances and better robustness against temporary model uncertainties. The full‐horizon filter operates almost as fast as the Kalman filter, and its estimate converges with time to the Kalman estimate. Copyright © 2016 John Wiley & Sons, Ltd.     

基于卡尔曼滤波的电能质量分析方法综述

首先对电能质量问题及其分析检测方法进行简单介绍;然后主要综述了常规卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波这3种卡尔曼滤波的基本原理,并对其在电能质量分析中的应用进行了系统的总结,对比分析了各种方法的利弊;最后对卡尔曼滤波方法现存的问题及今后的发展趋势进行了展望。     

基于Sage-Husa卡尔曼滤波的三相电压暂降检测

针对三相三线制系统,提出一种检测三相电压暂降的新方法。通过瞬时对称分量法在αβ静止坐标系下建立离散检测模型,引入90°超前移相算子,解耦了暂降电压正序、负序分量的检测;采用Sage-Husa卡尔曼滤波算法实现移相算子,产生正交分量,同时表现出算法自身的滤波功能;引入欧氏空间距离定位故障发生及恢复时刻,并重置卡尔曼滤波器参数,加快检测响应速度。仿真结果表明,所述方法在响应速度和稳态精度方面具有优越性,证明了该方法的可行性和有效性。     

基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型

针对波动大且具有非平稳性的负荷序列预测问题,建立了基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型(R.E Kalman-G(1,1)-PSO-BP)。利用了卡尔曼滤波算法能够剔除非平稳序列中的随机误差,以获得逼近真实情况的有效信息的特点,对负荷测量序列进行滤波处理,根据GM(1,1)模型算法对滤波后的量测序列进行拟合预测。利用基于粒子群优化算法的BP神经网络算法对残差进行修正,得到了新的预测值。实践表明新预测值的整体精确度远高于GM(1,1)模型及Kalman-G(1,1)模型的预测精度。因此,所建模型具有较高的使用价值。     

基于改进的 AEKF 铅酸电池 SOC 在线估计

为了提高铅酸电池在随机工况下荷电状态(SOC)估计精度,减小误差变化对估计精度的影响。针对自适应扩展卡尔曼滤波中误差新息序列长度固定选取的局限性,本文提出一种改进的自适应扩展卡尔曼滤波算法估计SOC。通过似然估计来监测协方差匹配算法中的误差新息序列分布变化时刻,根据误差新息的分布变化来自适应调整新息序列长度,进而降低估计SOC时的误差。首先通过带遗忘因子的递推最小二乘法(FFRLS)辨识获得等效模型参数,其模型平均误差电压为13.63 mV,然后在随机工况实验下发现,改进后的算法在估计SOC时的RMSE和MAE性能上精度分别提高了14.44%和17.26%,结果表明改进后的算法拥有更好的稳定性和精度。     

多尺度相关分析在管道泄漏检测中的应用

传统相关检漏法是在固定尺度上对信号进行处理,如果滤波参数选择不当将产生较大的计算偏差.本文提出将小波变换的多尺度分析方法与动态系统模型相结合,实现压力信号的多尺度相关分析,获得了比单一尺度上更好的处理效果.实验数据也证明了该方法的有效性.