小波变换在水声定位数据后置处理中的应用

水声定位系统在工作过程中由于受到环境噪声和多途信号的干扰会导致定位结果出现异常跳变点即野值。提出一种水声定位数据后置处理方法,该方法首先对目标原始定位轨迹进行预处理,然后利用小波变换的方法对预处理后的轨迹进行野值剔除和滤波平滑,得到新的目标轨迹。利用该方法对某长基线水声定位系统海上试验数据进行轨迹平滑,并与卡尔曼滤波轨迹平滑结果对比,对比结果证明了该方法的有效性。     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响，致使滤波协方差阵不对称或负定，从而导致滤波器发散，影响法波算法的收敛速度和稳定性。该研究在机动加速度“当前”统计自适应卡尔曼滤波算法的基础上，引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法。仿真结果表明，该算法可以较好地跟踪机动目标，具有精度高、稳定好、收敛快等特点。     

一种长基线中野值点判定、剔除及修正方法

为准确获取水下目标的位置和速度信息,需要对长基线定位中的野值点进行剔除和修正。提出了改进残差检测法用于对野值点的剔除和修正,以卡尔曼滤波的残差绝对值作为判别标准,对野值点进行判别和剔除,以调整后的卡尔曼滤波估计值作为野值点的修正值,针对滤波模型与实际运动不匹配导致滤波前后数据偏差较大的问题,选择对正常点的数据不做处理。湖上实验结果表明,对存在野值点的定位轨迹,未剔除野值点的定位均方根误差为55.68 m,使用残差检测法处理后的定位均方根误差为8.11 m,使用改进残差检测法处理后的定位均方根误差为2.04 m。改进残差检测法可以对长基线定位轨迹中的野值点进行判定、剔除和修正,减小定位误差,提升长基线系统定位精度。     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

基于高斯粒子滤波的当前统计模型跟踪算法

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

一种稳健的被动目标跟踪方法

针对海洋环境中估计目标方位的误差而导致多传感器被动目标跟踪算法效果不佳、稳定性差的问题,提出一种稳健的多传感器被动目标跟踪方法。该方法首先将各个传感器的观测信息从角度转化为位置,从而有效地线性化了系统模型,然后运用卡尔曼滤波,在滤波过程中根据滤波预测值剔除通信过程中因误码率产生的失真角度测量值,并用预测值代替,从而有效地保证了目标跟踪方法的稳健性。最后进行了数值仿真,结果表明该方法在信息误差较大时也可以提供较为稳健的跟踪性能。     

基于模型预测控制的水下机器人动态目标跟踪控制

针对水下动态目标跟踪问题,研究了基于模型预测控制(MPC)的水下机器人跟踪控制方法。首先,对于多波束前视声纳图像所采集的图像,通过滤波去噪、阈值分割及特征提取处理,得到动态跟踪目标的位置信息;然后构建无迹卡尔曼滤波器预测动态目标的轨迹信息,通过与卡尔曼滤波器对比,体现了无迹卡尔曼滤波对动态目标预测结果的准确性;最后,应用模型预测控制器实现对动态目标的水下跟踪,解决了反步控制算法中速度超限的问题,使跟踪结果更加稳定可靠。实验与仿真表明所提动态目标跟踪控制方法有效可行。     

一种单站纯方位目标跟踪中的线性近似化滤波算法

针对EKF算法中存在初始化困难的缺陷，利用近似线性化的方法，构建基于修正极坐标系下的近似线性最小二乘滤波算法ALF；以ALF作为EKF滤波器的初始化算法，实现联合ALF和EKF的两阶段滤波算法，并将它应用在水下单站纯方位目标跟踪中。仿真结果表明，由ALF和EKF组成的两阶段滤波算法具有很好的稳定性，算法精度较高，是一种有效的算法，对潜艇实施隐蔽探测与跟踪具有重要意义．     

Sage_Husa自适应滤波算法在捷联组合导航系统中的应用

以组合导航系统为应用背景,在现有方法的基础上,提出Sage_ Husa自适应滤波算法的应用.采用常规卡尔曼滤波时,需要知道系统的数学模型和噪声统计的先验知识,但是在实际系统中,系统的数学模型和噪声统计是未知的、近似的或部分已知的.用不准确的模型或噪声统计设计出的卡尔曼滤波器将导致状态估值误差增大,甚至使滤波发散.Sag...     

基于卡尔曼滤波的时变水声信道估计

为了能同时利用时变水声信道的簇状稀疏特性和时间相关性,构造了一种时变水声信道模型,并基于该模型对传统的卡尔曼滤波压缩感知算法进行改进。该方法主要利用前一时刻估计的信道状态响应来确定当前时刻信道的候选支撑集,并以此构造时变水声信道的状态转移方程。通过卡尔曼滤波迭代的方法计算候选支撑集上的系数,最后通过阈值法滤除误差原子。仿真结果表明：该方法能有效地利用水声信道间的时间相关性来提高信道估计的性能,同时由于水声信道存在簇状稀疏特性,因此经该方法也具有一定的鲁棒性。     

基于RFF及GWO-PF的锂电池SOC估计

为了提高锂电池剩余电量估计的准确性,提出一种在线参数辨识与改进粒子滤波算法相结合的锂电池SOC估计方法。针对粒子滤波中的粒子退化问题,引入灰狼算法,利用灰狼算法较强的全局寻优能力优化粒子分布,保证粒子多样性,有效抑制粒子退化现象,提高滤波精度。采用带遗忘因子的递推最小二乘法实时更新模型参数,并与改进粒子滤波算法交替运行,进一步提高SOC的估计精度。实验结果表明,改进算法的平均估计误差始终保持在±0.15%以内,相比扩展卡尔曼滤波与无迹卡尔曼滤波算法,在电池SOC估计上有更高的估计精度与稳定性。     

A Motion-Tracking Ultrasonic Sensor Array for Behavioral Monitoring

The application of Kalman filtering to track subjects' movements during a behavioral experiment is discussed. Specifically, an overhead array of wireless, ultrasound sensors automatically tracks the position of a parent, child, and stranger over a 4.45 m × 4.23 m observation area. This WiPsy (Wireless sensors for Psychology research) system provides accurate, real-time quantitative metrics for psychological evaluation in lieu of traditional qualitative manual coding. Moreover, tracking subjects using ultrasound sensors is less error-prone than existing methods that track based on human coding of video. In particular, the Kalman filter, which forms the core of this tracking system, can locate targets with a mean square error of about 1.3 m(2). Overall, WiPsy strives to streamline data acquisition, processing, and analysis by providing previously unavailable assessment parameters.     

小波变换与卡尔曼滤波结合的RLG降噪方法

针对激光陀螺随机游走噪声其非平稳和非正态分布的特性,提出了基于小波变换的卡尔曼滤波的RLG降噪方法,该方法既具有小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,实现了激光陀螺随机游走噪声的实时多尺度分解和最优估计。实测激光陀螺零偏信号去噪的结果表明,基于小波变换的卡尔曼滤波器使随机游走噪声的标准差降低了10.3%,降噪效果优于传统的卡尔曼滤波器。     

包装过程称量信号处理方法研究

目的 为提高包装过程定量称量精度,结合卡尔曼滤波算法和模糊控制原理设计一种称量信号处理方法。方法 定量称量控制系统一般由触摸屏、控制器、称量传感器、变频器等电气设备组成。以传感器信号处理为主要研究对象,提出一种改进卡尔曼滤波算法。采用卡尔曼滤波器实现称量信号中随机噪声的处理。利用模糊控制器来实时监测卡尔曼滤波每次更新后实际方差和理论方差的差值。最后,进行实验研究。结果 实验结果表明,改进卡尔曼滤波的实际性能比较理想,滤波处理前,称量误差最大可以达到2.5%;经滤波处理后,最大称量误差只有0.26%。结论 所述信号处理方法可以有效地降低称量信号噪声,提高称量精度。     

阵列测量中的卡尔曼滤波器算法

针对经典波束形成算法不具备实时性、占用存储空间大、计算速度慢等缺点,提出了基于卡尔曼滤波器的算法。这种算法将信号处理领域中现有的卡尔曼滤波器理论与阵列信号处理过程相结合,在频域内对声学阵列所采集到的数据进行迭代处理,不仅能够及时发现风洞测量中存在的各种问题,而且可以实时消除由测量环境所引起的各种误差。仿真结果表明,这种算法比经典波束形成算法收敛速度更快,不仅成像效果很好,而且能够对低速运动声源进行定位。此算法具备实时性,为风洞声源的实时定位提供了重要的算法选择。     

一种用于电视跟踪系统中的多模式数据融合方法

基于单传感器多模式数据融合的思想,设计了一种联合卡尔曼滤波器。通过卡尔曼滤波分 散处理多个模式跟踪结果数据,再将处理结果进行全局融合得出跟踪最终结果。仿真和室内实验都表明,这种方法用于实时电视跟踪系统中可有效提高跟踪精度,融合后的均方误差是融合前的0.05倍,具有一定的容错能力,运算量小,且易于实时实现。     

一种水下GPS系统及其在蛙人定位导航中的应用

研究了一种适用于蛙人导航的水下GPS系统。针对蛙人执行水下任务所需的高精度导航,提出了一种由主动声纳浮标作为定位基站的GPS定位系统,介绍了该系统基于延时测量的定位原理和求解方法,给出了Kalman滤波器和扩展Kalman滤波器的设计,并通过数值仿真进行了验证,结果表明：为提高定位精度,在定位解算的基础上进行滤波平滑是必要的。