分类信息辅助的神经网络联合数据关联算法

为解决多目标跟踪中数据关联问题引入神经网络UKF算法和分类信息辅助方法.通过计算分类混淆矩阵确定分类信息似然函数,再用该函数调整只利用运动信息的似然函数,使分类信息有效辅助神经网络联合概率数据关联.在杂波环境中对多个近邻且不同种类目标跟踪,针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路得到神经网络联合概率数据关联(NJPDA)方法.基于以上关联方法得到的关联概率,仿真表明该算法提高了数据关联的有效性和快速性.     

基于UKF的雷达和机载ESM扩维跟踪

为有效提高异类传感器融合跟踪的效果,提出了一种基于UKF的雷达和机载ESM扩维跟踪算法.首先将目标和机载ESM的状态信息组合起来,形成一个高维的状态向量,从而有效抑制滤波中GPS定位误差所带来的影响;接着在此基础上采用UKF来实现目标的定位跟踪,以求进一步减小扩维后线性化误差加大等问题的影响.仿真结果表明,该算法可更好...     

移动卫星通信自适应UKF组合导航姿态估计算法

为解决组合导航姿态估计航向角可观性弱,姿态估计精度低、易发散的问题,提出了一种单基线GPS辅助观测的组合导航姿态估计算法,通过四元数与修正的Rodrigues参数相互切换避免了四元数加权均值计算和协方差奇异问题,确保了四元数的规范化;通过有效利用单基线GPS航向角辅助观测,改善航向角的可观性,提高了三维姿态角的估计性能;通过使用开关自适应UKF算法,提高了算法的适用性和姿态估计的精度。实验结果证明,UKF姿态估计的精度优于EKF,最终三维姿态角的最小均方误差均在0.36°以内,估计误差均在0.5°以内,满足了宽带移动卫星通信的波束指向要求。     

Extended state space recursive least squares

A new extended state space recursive least squares (ESSRLS) algorithm is proposed for state estimation of nonlinear systems. It is based on state space recursive least squares (SSRLS) approach and uses first order linearization of the system. It inherits the capability of obtaining state estimate without knowledge of process and measurement noise covariance matrices (Q and R respectively). The proposed approach is considered to provide new design option for scenarios where noise statistics and system dynamics vary. ESSRLS is initialized using delayed recursion method and a forgetting factor λ is employed to optimize the performance. The selection of λ can be problem specific as shown through experimental validations. However a value closer to and less than unity is generally recommended. Theoretical bases are validated by applying this algorithm to problems of tracking a non-conservative oscillator, a damped system with amplitude death and a signal modeled by mixture of Gaussian kernels. Simulation results show an MSE performance gain of 20 dB and 23 dB over extended Kalman filter (EKF) and unscented Kalman filter (UKF) while tracking van der Pol oscillator without knowledge about noise variances. The computational complexity of ESSRLS falls within that of EKF and UKF.     

基于IMM-UKF的主/被动雷达融合算法

在主/被动雷达双传感器目标跟踪背景下,提出一种基于IMM-UKF滤波的加权数据融合算法。该算法采用UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点。与单一传感器进行仿真比较,结果表明该算法可以比任一单传感器滤波精度高,稳定性更好。     

基于UKF多步和BP修正的船舶升沉运动测量方法

为提高海上风机安装时的稳定性和精准性,需要对浮式起重船进行升沉运动补偿。但由于惯性系统测量的船舶升沉运动信息存在随机漂移和相位超前问题,严重影响升沉补偿系统的实时性和精确性,故本文提出基于UKF多步和BP修正的船舶升沉运动测量方法。基于Stewart波浪运动实验平台模拟船舶升沉运动,采用加速度惯性测量系统采集升沉位移和加速度信息,建立运动的状态空间模型;由此模型建立UKF观测器,并用状态转移矩阵根据动态检测的升沉运动超前相位进行多步观测,消除升沉运动的随机漂移和相位超前;进而结合UKF多步观测值和观测残差训练BP预测模型,通过预测的残差来实时修正多步观测器的观测值,提高测量精度。Stewart平台试验表明,本文测量方法解决了实时检测中船舶升沉运动的漂移和相位超前问题,测量精度可达90%。     

基于EMMAP的MEMS陀螺噪声估计与滤波方法研究

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum,EM)和极大后验估计(Maximum a posterion,MAP)的无迹卡尔曼滤波(Unscented Kalman filter,UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

基于空频域信息的改进UKF算法研究

固定单站无源定位系统面临着可观测性弱、初始误差大的问题,为了实现稳定高精度定位,在定位模型中引入角度变化率和多普勒频率变化率信息,并在此基础上提出了一种基于空频域信息的改进不敏卡尔曼滤波(UKF)算法.该算法利用两次观测时刻之间的间隔,根据当前时刻定位结果,通过后向平滑算法平滑估计前一时刻状态向量和协方差矩阵的估计值,...     

基于单极点反馈积累的三种目标跟踪算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波(KF)体系的滤波性能。为减小滤波误差,提高滤波精度,基于单极点反馈积累理论,提出了改进的三种滤波算法。该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻的信息来实现对待估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计,来提高它们的估计精度,从而达到提高卡尔曼滤波总体性能的目的。理论分析和仿真结果验证了该算法的有效性。     

IMM-UKF在光电经纬仪实时数据处理中的应用

飞行试验中,异常值是影响光电经纬仪激光测距精度的主要问题。能否准确地剔除异常值,成为试验结论是否正确的首要条件。通过分析无迹卡尔曼滤波UKF和交互多模型IMM的原理及数学模型,提出了可应用于光电经纬仪实时数据处理的改进算法———交互多模型的无迹卡尔曼滤波算法(IMM-UKF),在此基础上给出了算法数学模型,最后通过飞行试验验证了该算法的工程实用性。试验结果表明,该算法有效去除了激光距离中的异常值,提高了估计精度及算法稳定度。