基于小波去噪与变换域的信道估计方法

针对长期演进(LTE)下行正交频分复用(OFDM)系统的最小二乘(LS)信道估计算法对噪声比较敏感的问题,提出了一种基于小波变换去噪与变换域插值相结合的信道估计方法.该方法通过在最小二乘(LS)估计之后加入小波阈值去噪过程,再通过变换域低通滤波插值估计进行双重去噪处理.计算机仿真结果表明,该估计方法能够有效地去除加性高斯白噪声,比一般的LS估计算法性能要好,在一定程度上弥补了LS估计算法对噪声敏感的缺陷.     

基于高斯－牛顿四元数描述符滤波器的姿态估计算法

姿态解算是进行导航解算的基础。姿态的估计精度会直接影响最终的导航精度,在惯性行人导航中,足部的运动加速度变化剧烈,导致常见的姿态估计算法精度下降。针对这一问题,本文提出了一种改进型四元数描述符滤波器。算法采用高斯－牛顿迭代法对姿态四元数和载体运动加速度进行估计,取代了原四元数描述符滤波器中的加权最小二乘法,避免了计算加权矩阵及其求逆运算。该算法通过简化量测方程,减小状态量和状态转移矩阵的维数,使结构更加简单,运算量更小,经过实验验证,算法在计算机上运行的时间开销减小31.3％.由于该算法保留了非线性项,避免了运动加速度噪声干扰,使得姿态解算精度提高了12％,在行人导航系统中对该算法的有效性进行了实验验证。     

基于AKF和RLS的车辆簧载质量辨识研究

实际应用中,车辆负载会随着乘客和货物的变化而发生显著改变.提出结合自适应卡尔曼滤波器(AKF)与递推最小二乘算法(RLS)进行车辆簧载质量的在线辨识.首先,采集四分之一车辆悬架的簧载振动加速度、动行程及车轮垂向加速度信号,对车辆悬架系统中的簧载质量和车轮的绝对速度进行估计,进而由遗忘因子递推最小二乘算法辨识车辆簧载质量.分析了在不同路面等级下,卡尔曼滤波器的过程噪声协方差和测量噪声协方差对悬架状态估计精度的影响.仿真结果显示,在选取与车辆行驶路面等级匹配的过程噪声协方差和测量噪声协方差时,车辆悬架状态参数的估计精度较高,并能够在线准确地辨识得到车辆的簧载质量值.     

广义系统信息融合稳态与自校正满阶Kalman滤波器

基于线性最小方差标量加权融合算法和射影理论,对带多个传感器和带相关噪声的广义系统,提出了分布式标量加权融合稳态满阶Kalman滤波器.推得了任两个传感器子系统之间的稳态满阶滤波误差互协方差阵,其解可任选初值离线迭代计算.所提出的稳态融合滤波器避免了每时刻计算协方差阵和融合权重,减小了在线计算负担.当系统含有未知模型参数时,基于递推增广最小二乘算法和标量加权融合算法,提出了一种两段融合自校正状态滤波器.其中第1段融合获得未知参数的融合估计;第2段融合获得分布式自校正融合状态滤波器.与局部估计和加权平均融合估计相比,所提出的标量加权融合参数估计和自校正状态估计都具有更高的精度.仿真研究验证了其有效性.     

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法.首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效.然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的.     

基于抗差估计的快速动态寻北算法

陀螺寻北仪是一种精确、快速测定真北方位的仪器.主要特点是:定向精度高、测量时间短、在任何时间和地点(高纬度地区除外)都可以自主定向.然而,陀螺寻北仪易受异常因素影响,而使定向观测值产生异常.采用旋转调制方法,研究了以动调陀螺为角速率传感器的全姿态寻北仪.为了削弱动调陀螺的噪声对寻北精度的影响,基于抗差估计原理构造了高崩溃污染率的初值辅以IGGⅢ方案迭代解算的混合算法.计算结果表明:基于可靠初值和稳定均方差因子估值的抗差估计可以有效削弱异常干扰的影响.测试结果显示,在4 min之内系统的寻北精度优于1.5 ',远高于最小二乘估计得到的精度.     

带噪声抑制的GPS姿态测量算法

利用GPS载波相位测量载体的姿态时,各种误差源对定姿精度有很大影响。基于载波相位双差观测模型,分析了载波相位误差和接收机到卫星的可视矢量（LOS）误差以及这些误差在姿态测量中的影响权重。针对传统最小二乘方法中仅考虑观测矢量噪声的局限性,在基线解算过程中采用同时考虑LOS组成的设计矩阵和观测矢量噪声的总体最小二乘（Total Least Squares,TLS）方法,并从理论和实验两个方面证明该方法能有效抑制噪声影响,提高姿态解算的精度。     

蛇形机器人互补滤波和四元数的姿态解算

针对蛇形机器人姿态解算问题,陀螺存在漂移特性,加速度计的测量值包含重力加速度和运动加速度,磁强计易受周围环境地磁干扰,并且蛇形机器人采用嵌入式微处理器,需要减少计算量.设计了用互补滤波器来实现惯性传感器的数据融合,用四元数进行姿态解算的方法.经过实验验证表明：采用互补滤波和四元数进行姿态解算能有效融合各个惯性传感器的数据,计算量小,能够满足蛇形机器人对精度和实时性的要求.     

低成本无人机姿态解算研究

针对小型四旋翼无人机姿态解算数据精度低、缺少余度控制、易发散等问题,提出一种基于GPS、三轴陀螺仪加速度计、三轴磁力计的随机加权自适应滤波算法估计无人机姿态;建立四旋翼无人机姿态旋转矩阵,搭建加速度计和磁力计获取无人机姿态信息的模型,以及采用四元数解算法的陀螺仪定姿解算模型;采用随机加权自适应估计法,依据多元函数求极值定理,在保证总体均方差最小的情况下导出最优随机加权因子,进而解算出姿态角信息,提高四旋翼无人机姿态解算滤波精度与稳定性;仿真与试验结果表明:随机加权自适应滤波与平均值滤波算法相比解算精度更高,输出结果更平稳,且无人机各项预期功能均能正常实现,能够满足四旋翼无人机自主飞行的需要。     

基于时间序列模型的激光陀螺随机漂移数据处理

采用时间序列分析方法建立激光陀螺随机误差模型,应用递推最小二乘(RLS)法估计模型的参数,在此基础上对激光陀螺的漂移数据进行了卡尔曼滤波,结果表明:该方法能有效地抑制激光陀螺的随机误差,提高了激光陀螺的精度。     

Recursive least squares parameter identification algorithms for systems with colored noise using the filtering technique and the auxilary model

This paper focuses on the parameter estimation problems of output error autoregressive systems and output error autoregressive moving average systems (i.e., the Box–Jenkins systems). Two recursive least squares parameter estimation algorithms are proposed by using the data filtering technique and the auxiliary model identification idea. The key is to use a linear filter to filter the input–output data. The proposed algorithms can identify the parameters of the system models and the noise models interactively and can generate more accurate parameter estimates than the auxiliary model based recursive least squares algorithms. Two examples are given to test the proposed algorithms.     

Input–output data filtering based recursive least squares identification for CARARMA systems

This paper uses an estimated noise transfer function to filter the input–output data and presents filtering based recursive least squares algorithms (F-RLS) for controlled autoregressive autoregressive moving average (CARARMA) systems. Through the data filtering, we obtain two identification models, one including the parameters of the system model, and the other including the parameters of the noise model. Thus, the recursive least squares method can be used to estimate the parameters of these two identification models, respectively, by replacing the unmeasurable variables in the information vectors with their estimates. The proposed F-RLS algorithm has a high computational efficiency because the dimensions of its covariance matrices become small and can generate more accurate parameter estimation compared with other existing algorithms.     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

面向皮纳卫星姿态确定的MEMS陀螺磁强计组合滤波系统

针对难以配置高精度部件的皮纳卫星姿态测量系统,当卫星处于阴影区或任何太阳敏感器不可用的状态下,MEMS陀螺与磁强计的组合便成为卫星在轨姿态测量精度的重要保障.本文基于MEMS陀螺与磁强计的低功耗、全轨、全天时、最小姿态敏感组合,提出一种适用于皮纳卫星在轨运行的滤波系统方案.该方案通过滑窗ARMA建模降低陀螺随机噪声的影响,并由姿态滤波器估计所得的零偏在线去除陀螺常值分量,以保证其建模的长期有效性.本文以浙江大学皮星二号卫星搭载的敏感部件以及姿态测量算法为研究基础,结合在轨实测数据,仿真对比表明,该系统方案有效降低了陀螺随机噪声,抑制比达50％以上;陀螺零偏估计精度提高310％,可达到0.001°/s;姿态确定精度提升190％,可达1.2127°.该系统方案是对皮纳卫星姿态确定最小系统精度提升及实用方案设计的有益探索.     

有色噪声下的平方根UKF在天文自主导航中的应用

针对由星敏感器和光学导航相机组成的卫星天文自主导航系统, 传统的平方根UKF不能很好地解决测量噪声为有色噪声情况下的非线性滤波问题, 导致导航系统的精度下降. 为此, 提出了一种有色噪声情况下的平方根UKF方法. 同时, 为了避免在数值计算的过程中, 由于舍入误差而破坏误差协方差矩阵的正定性和对称性, 在整个递推计算过程中, 借鉴平方根Kalman滤波理论, 采用协方差矩阵平方根进行递推计算, 改善滤波算法的稳定性, 协方差矩阵的平方根更新用cholesky分解和qr分解来计算. 将该方法应用于卫星天文自主导航系统中, 实验仿真结果表明, 相对于传统的平方根UKF算法, 所设计的平方根UKF算法能够很好地解决测量噪声为有色噪声情况下估计精度低问题.     

基于动态遗忘因子最小二乘与EKF的电池SOC估计

电池荷电状态SOC（State Of Charge）作为电池管理系统中尤为重要的一部分,其准确估计成为锂离子电池研究的重点。为了提高动态工况下的SOC估计精度,对锂离子电池等效模型进行分析,基于AIC（赤池信息）准则确定二阶RC电路为等效电路模型,使用递推最小二乘算法对模型参数进行在线辨识,为提高辨识精度,提出了改进带动态遗忘因子递推最小二乘算法,对算法加入遗忘因子,通过电压结果误差实时动态调整算法遗忘因子取值。将递推最小二乘算法和含动态遗忘因子最小二乘算法分别与扩展卡尔曼滤波（EKF）算法进行SOC联合估计,并对比其预测效果,结果表明含有动态遗忘因子最小二乘与EKF联合估计模型具有更高的精度和鲁棒性。     

一种基于小波去噪的DFT信道估计改进算法

针对小波去噪与DFT插值相结合的信道估计算法没有对循环前缀内的噪声进行去噪的缺点,提出了一种基于小波去噪与改进的DFT插值相结合的信道估计新算法。该算法首先利用离散小波变换对最小二乘(LS)法估计出的结果进行阈值去噪处理,并根据循环前缀内、外噪声方差的均值在DFT插值的过程中设置相应门限,然后对循环前缀内的噪声再次处理,以进一步减小噪声的影响。仿真实验结果表明,在复杂度基本不变的前提下,该算法能够较好地减小加性高斯白噪声的影响,并有效提升信道估计的准确度,其总体性能较小波去噪与DFT插值相结合的信道估计算法更优。     

一种Sage-Husa和可观测度的滤波算法研究

针对目标跟踪中过程噪声统计特性未知和状态分量可观测度差而导致滤波精度不高甚至滤波发散的问题,提出了一种复合自适应滤波算法。我该算法在滤波过程中,利用Sage-Husa噪声估计器在线估计过程噪声,用可观测度分析方法抑制状态分量可观测度差对滤波器的不良影响。在滤波过程中实时估计和修正过程噪声的统计特性,同时对观测度差的分量通道进行滤波增益衰减,以减小状态估计误差,提高滤波算法的估计精度。解决了一类过程噪声统计特性未知且系统状态分量可观测度差的状态估计问题。仿真结果显示,提出的复合自适应滤波算法对比传统Sage-Husa滤波和可观测度分析方法能够抑制过程噪声时变和状态分量可观测度差对滤波器的不良影响,具有更高的估计精度。     

Adaptive parameter estimation for a general dynamical system with unknown states

This paper is concerned with the design of a state filter for a time‐delay state‐space system with unknown parameters from noisy observation information. The key is to investigate new identification algorithms for interactive state and parameter estimation of the considered system. Firstly, an observability canonical state‐space model is derived from the original model by linear transformation for the purpose of simplifying the model structure. Secondly, a direct state filter is formulated by minimizing the state estimation error covariance matrix on the basis of the Kalman filtering principle. Thirdly, once the unknown states are estimated, a state filter–based recursive least squares algorithm is proposed for parameter estimation using the least squares principle. Then, a state filter–based hierarchical least squares algorithm is derived by decomposing the original system into several subsystems for improving the computational efficiency. Finally, the numerical examples illustrate the effectiveness and robustness of the proposed algorithms.     

基于最小二乘支持向量机的声波测距系统消噪处理

针对声波测距系统噪声复杂,淹没在噪声中的回波难以检测的问题,以机器统计学习理论为基础,采用最小二乘支持向量机(LS-SVM)建立系统模型,实现了声波测距系统异常值的预测和噪声的消除,并与传统的时间序列分析方法建立的自回归滑动平均求和模型(ARIMA)的消噪效果进行了仿真对比。仿真结果表明,利用最小二乘支持向量机建立的模型预测精度高,能有效地抑制声波测距系统中的噪声。