Collaborative target tracking in WSNs using the combination of maximum likelihood estimation and Kalman filtering

Target tracking using wireless sensor networks requires efficient collaboration among sensors to tradeoff between energy consumption and tracking accuracy. This paper presents a collaborative target tracking approach in wireless sensor networks using the combination of maximum likelihood estimation and the Kalman filter. The cluster leader converts the received nonlinear distance measurements into linear observation model and approximates the covariance of the converted measurement noise using maximum likelihood estimation, then applies Kalman filter to recursively update the target state estimate using the converted measurements. Finally, a measure based on the Fisher information matrix of maximum likelihood estimation is used by the leader to select the most informative sensors as a new tracking cluster for further tracking. The advantages of the proposed collaborative tracking approach are demonstrated via simulation results.     

自适应Kalman滤波修复六维力传感器下E膜模型误差

为减小动载环境下,噪声信号对六维力传感器测量精度的影响,同时解决因传感器的简化模型误差较大,导致标准Kalman滤波无法获取最优估计的问题,提出一种双因子自适应Kalman滤波算法。算法根据正弦激励力响应和应变之间的关系,建立了下E型膜有色噪声增广状态模型。在标准Kalman滤波的基础上,分析了两种模型误差对滤波效果的影响,采用实时调整状态预测在滤波估计中权重的策略,给出了自适应Kalman滤波准则及递推公式。基于正交性原理和最小二乘法准则,利用三段函数模型构造了双重自适应因子。仿真实例表明,与标准Kalman滤波与强跟踪滤波相比,所提算法具有更好的估计精度和稳定性,能够有效地控制模型误差的影响,从而提高六维力传感器的测量精度。     

具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波

研究了具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波问题, 其中时延存在于系统状态和观测值中. 模型的不确定性通过在系统矩阵中引入随机参数扰动来表示, 测量数据丢失现象则通过一个满足Bernoulli分布且统计特性已知的随机变量来描述. 基于最小方差估计准则, 利用射影性质和递归射影公式得到一个新的滤波器设计方法, 并且保证了滤波器的维数与原系统相等. 与传统的状态增广方法相比, 当时延比较大时, 该方法可以有效降低计算量. 最后, 给出一个仿真例子说明所提方法的有效性.     

基于视觉/惯导的无人机组合导航算法研究

目前视觉惯性组合导航系统多采用优化紧/松耦合以及滤波紧/松耦合算法,应用误差状态卡尔曼滤波能够将较低频率的视觉位姿信息提升到与惯性信息同步的频率;提出一种基于自适应卡尔曼滤波的视觉惯导组合导航算法,首先考虑到系统建模与传感器测量误差,采用自适应渐消卡尔曼滤波进行导航解算,通过实时计算遗忘因子,以调节历史数据的权重,可抑制建模误差,提高组合导航系统性能,然后针对视觉SLAM解算过程造成的视觉位姿信息滞后于惯导信息的问题,提出一种延时补偿方法;仿真实验表明,采用延时补偿的自适应渐消卡尔曼滤波算法能够有效抑制建模误差,并降低视觉位姿信息滞后带来的影响,提高无人机组合导航的解算精度,姿态、速度、位置解算精度分别达到5°、0.5m/s、0.4m以内。     

有色量测噪声下的改进求容积卡尔曼滤波器

为解决标准求容积卡尔曼滤波器在有色量测噪声条件下滤波精度退化的问题,提出改进求容积卡尔曼滤波器及其平方根形式.首先利用一阶马尔科夫模型白化非线性离散随机系统中有色量测噪声,将有色量测噪声下非线性离散随机系统转化为白噪声下非线性时滞系统.然后根据所得非线性时滞系统推导其高斯域的贝叶斯滤波框架,最后基于3度Spherical-Radial规则将该滤波框架近似为改进的求容积卡尔曼滤波器和其平方根形式.机动目标跟踪仿真试验结果表明两种改进求容积卡尔曼滤波算法在标准白噪声条件下与标准求容积卡尔曼滤波算法的估计精度相同,而在有色量测噪声背景下滤波精度和鲁棒性更优.     

通用航空集成航电系统GPS延迟时间的分析

针对GPS信号定位延迟的问题,提出一种估算延迟时间的方法.在对延迟时间粗略估计的基础上,将延迟时间分成可测量和不可测量两部分.根据GPS接收时间周期和航电系统服务周期,确定最佳时间延迟计算公式,基于卡尔曼滤波原理估算不可测量时间,对GPS信号延迟进行精确估算.进行仿真实验,验证了该方法计算GPS信号延迟时间的精确性.     

一种考虑非高斯L´evy 量测噪声下的改进分数阶卡尔曼滤波

针对量测噪声模型为非高斯L´evy 噪声, 研究离散线性随机分数阶系统的卡尔曼滤波设计问题. 通过剔除极大值的方法得到近似高斯白噪声的L´evy 噪声, 基于最小二乘原理, 提出一种考虑非高斯L´evy 量测噪声下的改进分数阶卡尔曼滤波算法. 与传统的分数阶卡尔曼滤波相比, 改进的分数阶卡尔曼滤波对非高斯L´evy 噪声具有更好的滤波效果. 最后, 通过模拟仿真验证了所提出算法的正确性和有效性.

     

随机鼠疫病模型的核范数子空间辨识

基于连续鼠疫病模型,通过零阶保持器得到相应的离散模型.由于随机扰动的存在,提出相应的随机鼠疫病模型.设计卡尔曼滤波器,估计随机模型的状态变量以及降低噪声影响.采用核范数最小化方法代替奇异值分解,得到输入输出投影矩阵的低秩矩阵逼近.通过交替方向乘子法求解此优化问题,得到输出变量的最优解.根据世界卫生组织的非洲人类鼠疫病数据,利用本文提出的方法得到随机鼠疫病模型.仿真研究表明提出方法的有效性和精确性.     

一种时频结合的中导码信道估计算法

为解决高速移动环境下时变信道的估计问题, 基于改进的COST207 RA信道模型, 提出了一种适用于高铁列车的时频结合的中导码信道估计算法。该算法将中导码和导频在Kalman滤波器中进行有机结合, 充分利用两者在时间和频率上进行信道估计的优势而进行联合估计, 最后得到信道的整合估计值。同时, 由于中导码的插入, 还解决了Kalman滤波信道估计中误差扩散问题。仿真结果表明, 基于中导码的信道估计算法在终端移动速度较高时能显著改善估计性能、提高信道估计的准确度。     

基于容积粒子滤波的时延差定位估计算法

在基于粒子滤波的时延差定位估计方法中, 重要密度函数的选取将直接影响估计的性能, 为此, 提出了基 于容积粒子滤波的时延差估计(BCPF-TDE) 算法. 该算法利用最新的数据检测信息, 通过容积卡尔曼滤波(CKF) 获 取粒子滤波的重要性密度函数. 仿真实验表明, 在粒子数目相同的情况下, 基于容积粒子滤波的时延差估计(BCPF- TDE) 方法与基于扩展粒子滤波的时延差估计(BEPF-TDE) 方法相比, 定位估计误差只有后者的50% 左右, 而运行时 间相当.

     

基于间歇测量的状态估计稳定性和精度研究*

针对分布式控制系统状态估计过程出现的测量值丢失问题,本文量化分析测量值丢失对估计稳定性和精度的影响。首先,根据随机测量模型重新推导带测量值丢失的卡尔曼滤波器,得到估计误差协方差迭代式。然后,将随机误差协方差迭代式建模为修正的黎卡提微分方程,提出了估计稳定性和精度分析方法。最后,列举不同的系统实例,证明临界包到达率的存在性,当测量值到达率大于临界值时,平均误差协方差从发散过渡到有界,进而得到估计精度与包达率之间的函数关系。     

Least squares estimation of nonstationary covariance parameters in linear systems

Least squares estimation techniques are employed to overcome previous difficulties encountered in accurately estimating the state and measurement noise covariance parameters in linear stochastic systems. In the past accurate and rapidly converging covariance parameter estimates have been achieved with complex estimation algorithms only after specifying the statistical nature of the noise in the system and constraining the time variation of the covariance parameters. Weighted least squares estimation allows these restrictions to be removed while achieving near optimal accuracy using a filter on the same order of complexity as a Kalman filter. Allowing the covariance parameters to vary in as general a manner in time as the state in a linear discrete time stochastic system, and assuming that a Kalman filter is applied to this system using incorrect knowledge of the a priori statistics, it is shown how a covariance system is developed similar to the original system. Unbiased least squares estimates of the covariance parameters and of the original state are obtained without the necessity of specifying the distribution on the noise in either system. The accuracy of these estimates approaches optimal accuracy with increasing measurements when adaptive Kalman filters are applied to each system.     

用于胎压监测系统的一种改进贝叶斯估计数据融合算法的研究

针对小型汽车胎压监测系统(TPMS)利用单一传感器测量数据不确定性的问题,提出一种将贝叶斯估计和卡尔曼滤波相结合的多传感器数据融合的方法.设计满足系统功能要求的方案,运用贝叶斯估计对SP370轮胎模块中传感器采集的数据进行融合,排除失效的数据以及故障的传感器,提高系统的精度.结合卡尔曼滤波器优化融合的结果,消除噪声信号.研究结果表明,采用上述的数据融合方法能够有效的解决单一传感器测量数据的局限性,抑制传感器引入的噪声,并通过仿真验证了本系统的可行性、可靠性.     

考虑星间测量的航天器自主导航并行滤波器

针对基于星间测量的航天器自主导航问题,本文考虑测量中存在野值的情况,提出了一种轨道根数辅助估计的并行无迹卡尔曼滤波算法.系统由两个并行滤波器组成,通过副滤波器的状态估计识别观测野值,进而在主滤波器中修正导航定位结果.文章选择了星间相对观测两卫星编队的基本构型,研究了算法的阈值参数选择,对不同参数条件下的滤波结果进行了对比.数值仿真说明了该算法在观测量变化率较大时能够有效降低连续野值对自主导航系统的影响,和传统算法相比具有更高的滤波精度和收敛速度.     

基于极大后验估计的自适应容积卡尔曼滤波器

针对标准的容积卡尔曼滤波器(CKF) 设计需要精确已知噪声先验统计知识的问题, 提出一种自适应CKF 算法. 该算法在滤波过程中, 利用Sage-Husa 极大后验估值器对噪声的统计特性进行在线估计和修正, 有效地提高了CKF 的估计精度和数值稳定性. 在某些情况下, 噪声协方差估计会出现异常现象使得滤波发散, 进而提出了相应的改进方法. 仿真结果表明了自适应CKF 算法的可行性和有效性, 且明显改善了标准CKF 算法的滤波效果.     

Fractional Modeling and SOC Estimation of Lithium-ion Battery

This paper proposes a state of charge (SOC) estimator of Lithium-ion battery based on a fractional order impedance spectra model. Firstly, a battery fractional order impedance model is derived on the grounds of the characteristics of Warburg element and constant phase element (CPE) over a wide range of frequency domain. Secondly, a frequency fitting method and parameter identification algorithm based on output error are presented to identify parameters of the fractional order model of Lithium-ion battery. Finally, the fractional order Kalman filter approach is introduced to estimate the SOC of the lithium-ion battery based on the fractional order model. The simulation results show that the fractional-order model can ensure an acceptable accuracy of the SOC estimation, and the error of estimation reaches maximally up to 0.5% SOC.      

信标模式机动目标跟踪数据实时处理

信标模式下的机动目标测速数据存在较大时变系统误差, 导致目标飞行弹道解算精度降低. 针对此问题, 本文通过增加表征系统误差的分量项, 对机动目标运动模型的状态向量扩维, 并将系统误差引入到测量方程中, 提出一种弹道估计新算法. 利用无迹卡尔曼滤波计算跟踪目标的轨迹, 同时估计系统误差. 仿真试验表明, 该方法无论在应答或信标模式下都可以解算出满足精度要求的弹道.     

Unscented Kalman filter for continuous‐time nonlinear fractional‐order systems with process and measurement noises

This study proposes the design of unscented Kalman filter for a continuous‐time nonlinear fractional‐order system involving the process noise and the measurement noise. The nonlinear fractional‐order system is discretized to get the difference equation. According to the unscented transformation, the design method of unscented Kalman filter for a continuous‐time nonlinear fractional‐order system is provided. Compared with the extended Kalman filter, the proposed method can obtain a more accurate estimation effect. For fractional‐order systems containing non‐differentiable nonlinear functions, the method proposed in this paper is still effective. The unknown parameters are also discussed by the augmented vector method to achieve the state estimation and parameter identification. Finally, two examples are offered to verify the effectiveness of the proposed unscented Kalman filter for nonlinear fractional‐order systems.     

基于时延估计的扰动卡尔曼滤波器外力估计

针对机械臂末端力估计存在模型误差及系统扰动等问题,提出了一种基于时延估计的扰动卡尔曼滤波器外力估计法。在不使用额外力传感器的情况下,通过电机驱动电流的测量,采用时间延时估计法设计出不需要精确动力学模型的估计器。将外力作为状态变量,对系统的不确定性和扰动进行观测,考虑机械臂动力学和扰动动力学,设计出扰动卡尔曼滤波器来估计末端所受外力。使用Matlab仿真软件验证了该方法的有效性,结果表明所提估计方法对具有测量噪声、模型误差及不确定性扰动的系统具有很好的鲁棒性。     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.