Kalman滤波的抗野值修正

分析了动态测量系统中异常数据对Ｋａｌｍ ａｎ 滤波的不利影响．提出了一组具有良好容错能力的修正型滤波算法．该滤波算法既可以充分利用正常新息确保滤波的精度,又可以有效拟制异常新息的不利影响提高滤波估计可靠性,达到对故障数据的容错能力．最后,通过仿真计算验证了该算法的有效性．     

Kalman滤波的抗野值修正

分析了动态测量系统中异常数据对Kalman滤波的不利影响.提出了一组具有良好容错能力的修正型滤波算法.该滤波算法既可以充分利用正常新息确保滤波的精度,又可以有效拟制异常新息的不利影响提高滤波估计可靠性,达到对故障数据的容错能力.最后,通过仿真计算验证了该算法的有效性.     

Kalman滤波抗野值方法研究

在Kalman滤波应用过程中 ,观测值中的野值是影响滤波效果的重要因素。当观测中含有野值时 ,破坏了Kalman滤波新息的原有特性 ,从而造成估计不准 ,滤波精度下降。本文提出了修正Kalman滤波新息的方法 ,使修正后的Kalman滤波新息能够保持修正前的新息特性。仿真结果表明 ,本文提出的方法可有效地抑制观测中的野值对系统滤波的不利影响     

新型抗野值的Kalman滤波器研究

在Kalman滤波的量测值中,经常出现连续、成片的野值,不仅严重地影响了其稳定性,而且造成滤波精度下降。针对这一问题,提出一种基于可调因子的新型抗野值Kalman滤波器方法。该方法以野值新息均值和均方差为输入变量,利用模糊控制器改变可调因子的大小,从而实现新息的自动调整,即当新息较小时,对野值进行修正,而当新息较大时,剔除野值。仿真结果显示,该方法抗野值效果良好,提高了滤波精度。     

抗野值强跟踪Kalman滤波在风场估计中的应用

由于受周围环境干扰和传感器短暂性失效等因素的影响,无人机风场测量数据中包含较大野值或成片野值,影响测量数据的准确性.根据无人机测风的特点,结合Kalman滤波算法、强跟踪滤波算法和抗野值修正算法的优点,通过对滤波发散趋势的分析,提出上述滤波算法的使用条件,构造了一种抗野值抑制发散滤波算法,并进行了实验论证.实验结果表明:该算法能有效克服野值对滤波造成的不良影响,具有良好的抗野值能力、跟踪能力,保证了滤波精度,可适用于无人机风场测量.     

基于扩展Kalman滤波的小型飞行器航迹仿真分析

本文针对飞行器在飞行时的扰动或飞行角度变化过程中信号采集可能存在的偏差问题,采用卡尔曼滤波算法和扩展的卡尔曼滤波算法对信号进行滤波处理.仿真结果表明,卡尔曼滤波算法和扩展的卡尔曼滤波算法对航迹均有滤波效果,但是扩展的卡尔曼滤波算法对航迹滤波效果更好.     

Kalman滤波抗野值方法研究

在Kalman滤波应用过程中,观测值的野值是影响滤波效果的重要因素。当观测中含有野值时,破坏了Kalman滤波新息的原有特性,从而造成估计不准,滤波精度下降。本文提出了修正Kalman滤波新息的方法,使修正后Kalman滤波新息能够保持修正前的新息特性。仿真结果表明,本文提出的方法可有效地抑制观测中的野值对系统滤波的不利影响。     

基于自适应Kalman滤波的ADS-B数据抗野值方法

在对ADS-B数据的实际滤波过程中,观测值中的野值是影响滤波效果的重要因素。分析野值对滤波以及数据处理精度的影响,以"新息"为基础,将基于"当前"统计模型的卡尔曼滤波算法用于数据处理,通过对自适应Kalman滤波方法中增益矩阵的改进,提出野值辨识和剔除方法。仿真计算表明,该方法性能可靠,简单易行,可以有效地消除野值对滤波的不良影响,提高滤波的精度。     

一种鲁棒的Kalman滤波方法

在目标跟踪测量中,由于各种噪声的影响,Kalman滤波算法对野值数据的估计经常出现较大误差,直接影响了定位结果.修正增益的滤波方法在野值相对较小的情况下误差不能有效的识别.为此,提出残差权重自适应抗野值的Kalman滤波方法,该方法能明显的降低野值对定位结果的影响,对实测数据的仿真结果表明了该方法的有效性,满足试验要求.     

抗野值鲁棒滤波在微惯性组合导航中的应用

在鲁棒H∞滤波应用过程中,如果量测序列含有野值,将会严重影响滤波精度。针对这一问题提出一种新的剔除野植的方法;从新息入手,首先利用小波变换系数特性,通过最细尺度上的小波系数来检测野值点,然后基于信息扩散原理,采用替代方法,对含有单个或连续野值的新息加以修正,从而达到检测和剔除野值的目的。通过对基于MEMS的车载微惯性SINS/GPS组合导航的仿真表明,新算法能够有效的检测出野值,并在野值单个或成片出现的情况下都能保证滤波精度。     

基于卡尔曼滤波器的数据融合方法在高温炉检测系统中的应用

将数据融合方法引入高温炉窑温度检测系统 ,充分利用现有检测系统的能力 ,在不增加任何设备的情况下提高检测精度 ,并且证明该方法具有理论简单、易于实现、精度高 ,适用于各种高温炉窑温度检测系统。     

施工隧道数据处理中的可靠卡尔曼滤波

针对隧道结构安全监测数据存在野值,噪声等严重影响后续分析的问题,提出了一种自适应跟踪系统噪声的可靠卡尔曼滤波算法进行数据去噪.首先结合滑动窗口使用最小二乘法对野值进行补偿;其次继承卡尔曼的“一步一推导”思想,动态估计噪声值,有效解决了传统卡尔曼滤波器在面对野值及非线性系统时存在的无法准确建模的问题;最后使用北京某施工地铁数据进行数值验证,结果表明,与经典算法相比,该算法在精度方面有极大的提升.     

基于Kalman滤波的数据融合研究

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行了比较.选用凸组合融合算法作为声纳探测的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

Cubature卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1％;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22％,有效地提高了实时性.     

基于PI自适应卡尔曼滤波的无人机姿态解算算法

针对无人机姿态解算过程中,机载加速度计噪声时变,导致姿态估计值出现较大误差的问题,提出了一种基于PI自适应卡尔曼滤波的姿态解算算法,通过监视残差方差的理论值与实际值的差值,利用PI控制算法对观测噪声协方差矩阵进行在线修正,来解决由于噪声估计不准而导致滤波发散的问题。实验结果表明,即使是在无人机的姿态发生剧烈变化时,该算法依然具有良好的精度,鲁棒性较好。     

基于扩展卡尔曼滤波的船舶横向运动扰动估计

建立了船舶横向运动状态方程和测量方程,利用扩展卡尔曼滤波方法对海浪扰动下的船舶横向运动的扰动力和力矩作出估计。仿真结果表明,扩展卡尔曼滤波法比有色卡尔曼滤波法估计效果更优。     

UKF与EKF在卫星姿态估计应用中的比较

针对卫星的姿态和角速度估计问题,分别给出基于Unscented卡尔曼滤波(UKF)与推广卡尔曼滤波(EKF)的估计算法,并做了相应比较.为了避免欧拉角带来的奇异问题,UKF选用Rodrigues参数而EKF选用四元数参数法来描述姿态误差.考虑卫星的非线性模型,UKF采用Unscented变换而EKF采用线性化方法对姿态误差进行估计.利用陀螺和磁强计的测量信息,KF和EKF都可得到三轴稳定卫星的姿态估计值,但UKF的收敛速度高于EKF.数值仿真结果表明,当初始姿态存在大偏差时,所给出的UKF的滤波算法性能明显优于EKF.     

迭代平方根UKF

针对无迹卡尔曼滤波器（UKF）测量更新方法的不足,提出了一种对UKF 进行迭代测量更新的 方法,用于提高非线性系统状态估计的近似精度．利用平方根UKF 算法确保了迭代UKF 的数值稳定性．理论 分析与实验结果表明,迭代平方根UKF 算法不仅具有无需计算雅可比矩阵的优点,而且具有较高的非线性近 似精度、较强的数值稳定性和较高的运算效率;在相同数量级运算时间的条件下,其估计性能明显优于扩展 卡尔曼滤波器（extended Kalman filter,EKF）、UKF 和迭代UKF 等非线性滤波器．