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。     

基于硬件Kalman滤波器的航拍云台姿态获取

航拍云台姿态获取是航空摄影中相机姿态校正的基本依据,介绍了一种基于硬件Kalman滤波器的航拍云台姿态获取的实现方法。设计中采用MPU6050作为系统的姿态传感器,它提供三轴角速度和三轴加速度数据。根据系统特征建立Kalman滤波方程对这些数据进行数据融合处理,Kalman滤波过程中的加减乘除浮点数运算由FPGA实现,外部数据的采集和时序的控制也由FPGA完成。经过对实际数据的处理实验,得出该硬件模块可以获得较为准确的航拍云台姿态,输出结果误差在-1.5°~1.5°范围内。     

一种高阶无迹卡尔曼滤波方法

现有的研究中,高阶无迹变换（Unscented transform,UT）还不存在具体的解析解,因此,无法利用高阶无迹变换获得具备更高精度的高阶无迹卡尔曼滤波器（Unscented Kalman filter,UKF）.为了解决这一问题,本文在五阶容积变换（Cubature transform,CT）的基础上,通过引入一个自由参数κ,得到高阶无迹变换的解析解,从而获得了高阶无迹卡尔曼滤波器（Unscented Kalman filter,UKF）.同时验证了现有的五阶容积变换和五阶无迹变换分别是本文所提出的高阶无迹变换在κ=2和κ=6-n时的两个特例.进而分析和讨论了高阶无迹卡尔曼滤波器在系统不同维数条件下κ值的最优选取,并讨论了其稳定性.纯方位跟踪模型和弹道目标再入模型仿真验证了本文方法的正确性,且与现有方法相比具有更高的精度.     

基于M估计的非线性鲁棒检测卡尔曼滤波算法

针对传统鲁棒非线性滤波在观测噪声为非高斯强干扰噪声情况下,滤波性能下降的问题,提出一种利用卡方检测法预判断的非线性鲁棒检测滤波算法。该算法通过卡方检测设置门限,剔除突变野值,利用M估计修正量测更新。仿真实验对比了几种典型非线性滤波方法在不同观测噪声环境下的性能。所提算法在非高斯强干扰噪声情况下,比传统鲁棒滤波算法估计精度平均提高了25.5%;估计方差平均减少了18.3%。实验结果表明:所提算法可以抑制观测量非高斯强干扰噪声的影响,提高滤波精度及稳定性。     

WSN中一种基于扩展卡尔曼滤波器的虚假数据注入检测算法

为了有效地检测传感器网络中被注入的虚假数据,提出一种基于扩展卡尔曼滤波器（EKF）的虚假数据注入检测算法。首先通过监控邻近节点行为,使用EKF预测邻近节点未来状态;然后给出了使用不同的融合函数（平均、求和、最大、最小）时理论阈值的确定方法;最后为了克服本地检测机制的缺陷,将本地检测方法与系统监控模块有效配合,从而准确地区分出恶性事件和紧急事件。仿真实验结果表明,无论是在合成数据还是实时数据下进行测试,该算法都能为无线传感器网络进行安全的数据融合提供有效的入侵检测功能。     

基于SR-UKF的OFDM频偏迭代估计算法研究

对高速运动环境下多普勒效应引起的大载波频偏引起的载波间干扰进行数学分析,建立带频偏的非时变和时变频偏OFDM动态状态空间模型,提出了基于平方根无迹卡尔曼滤波（square-root unscented Kalman filter , SR-UKF）的频偏估计算法。将非线性状态估计思想引入OFDM频偏估计中,实现了对频偏的有效跟踪和估计。仿真结果表明,在大频偏、高阶调制下,SR-UKF频偏估计算法较自消除算法、最大似然估计算法具有更好的误码率性能;在收敛精度、稳定度和对信噪比敏感度方面,性能较扩展卡尔曼滤波算法均有所提升。     

基于Kalman滤波的谐波电流实时检测仿真分析

谐波电流的实时检测是有源电力滤波器实现的关键,数字化的实现引入了一定的时间延迟,影响了其滤波效果。将三相谐波电流进行Clark坐标变换到两相正交坐标系中,利用Kalman算法对系统进行建模,检测出各次谐波电流的幅值和相角。通过选取合理的Kalman状态变量,运用简单的代数运算向模型中增加了一个相位补偿角,来消除延时的影响。最后,利用Matlab进行仿真实验,验证了该方法的有效性和正确性。     

多传感器集中式增量卡尔曼滤波融合算法

在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。     

基于光学测角和无线数据传输技术的传递对准

为了解决动基座传递对准中航向角估计困难的问题,提出了基于光学测角和无线数据传输技术的传递对准技术方案。通过对航母舰体挠曲变形模型的建立和对光学测角原理的分析,构建了相应的卡尔曼滤波器。仿真结果表明,利用卡尔曼滤波能够估计出姿态误差角和光学测量装置自身的等效零偏。当对光学测量装置的等效零偏补偿之后,航母在匀速航行条件下,姿态误差和速度误差都可以得到快速的收敛,其中航向角误差可以在4 s内收敛到0.7'以内,明显提高了子惯导航向角的对准速度。     

一种改进的TLD算法

针对跟踪算法目标遮挡后易出现跟踪漂移的问题,提出了一种跟踪学习检测（TLD）算法与Kalman滤波相结合的手势跟踪方法.在跟踪器跟踪成功后,加入识别窗的方法进行遮挡判定.产生遮挡后目标模型不再更新,学习器不再更新集合分类器.若是部分遮挡,则由TLD学习器处理;若是严重遮挡,则改由Kalman滤波算法预测目标的运动轨迹.该方法在保留TLD算法长期稳定跟踪、适应摄像机快速运动与复杂背景等优点的基础上,改善了目标遮挡后易出现跟踪漂移的问题.实验表明：提出的改进TLD算法比其他常见跟踪方法具有更加优异的性能.