交互式多模型的锂电池荷电状态估计

针对锂电池工作在温度不恒定的环境中时单个模型无法捕捉电池参数动态变化,导致电池模型误差增大,荷电状态估计精度下降的问题,提出使用交互式多模型平方根无迹卡尔曼滤波算法来估计电池荷电状态.以戴维宁电池模型为基础建立了一组电池温度子模型,并实现参数辨识;在平方根无迹卡尔曼滤波的基础上,利用交互式多模型方法估计电池荷电状态,通过实时调整模型概率来实现各个模型间的软切换.实验结果表明,交互式多模型方法融合了不同温度下的电池信息,增强了荷电状态估计的精度和鲁棒性.     

CO-OFDM系统中基于卡尔曼滤波对相位噪声补偿算法的研究

基于卡尔曼滤波提出了两种相干光正交频分复用(CO-OFDM)系统的相位噪声补偿算法,这两种算法在发射端的时域均插入导频,并在接收端对导频进行卡尔曼滤波,最后利用插值算法补全全部子载波的相位噪声.仿真结果表明,基于最小均方误差(MMSE)准则的判决反馈算法在相位噪声比率为10-1时,系统误码率约为10-4,并且出现了错误平层,而基于卡尔曼滤波所提出的两种相位噪声算法在大相位噪声的情况下仍然具有较好性能且能有效地降低错误平层,因而所提出的相位噪声补偿算法能改善CO-OFDM系统的性能.     

基于UKF的星载GPS自适应定轨方法

将UKF(Unscented Kalman Filter)方法应用于空间目标的星载GPS自主定轨中。着重介绍基于UT变换的UKF算法,针对系统噪声方差阵未知或动力学模型不精准的情况,提出在进行状态滤波的同时,利用观测数据信息,在线估计未知噪声的统计特性,构成状态噪声统计估计的自适应UKF滤波算法。结合实测CHAMP星载GPS数据进行仿真实验,对比发现滤波精度、稳定性均有所提高,证明该算法在星载GPS低轨卫星定轨中的有效性。     

自适应渐消UKF算法及其在仅测角被动定位中的应用

针对仅测角被动定位受多径、镜像和干扰源影响,噪声无法准确建模,传统EKF及其改进滤波算法容易发散的问题,将自适应渐消因子引入UKF算法中,调整滤波增益以及状态误差协方差矩阵,提出一种自适应渐消UKF算法,给出了具体的计算流程。仿真了不同雷达诱饵布置干扰下滤波算法的稳定性。仿真结果表明,与传统的EKF以及自适应渐消EKF算法相比,该算法收敛速度更快,稳定性更好。     

UKF强跟踪滤波在组合导航故障诊断中的应用

针对组合导航系统故障诊断,在强跟踪滤波理论的基础上,对无迹卡尔曼(UKF)强跟踪滤波法进行了研究.UKF强跟踪滤波法兼具UKF和强跟踪滤波器的优点:较强的处理非线性问题的能力和强跟踪能力.最后,将该方法应用于组合导航系统故障诊断,设置不同的故障模式,与强跟踪滤波法进行了对比仿真研究.从仿真结果可看出,两种方法对硬故障的灵敏度接近,UKF强跟踪滤波法对软故障的灵敏度明显高于强跟踪滤波方法.由此证明UKF强跟踪滤波器对于突变状态具有强跟踪能力,对于缓变故障具有优于其他方法(强跟踪滤波)的敏感能力,提高了组合导航系统的精度、可靠性和安全性,可应用于工程实际.     

QR_RLS算法的浮点脉动阵结构研究与FPGA实现

随着雷达信号处理技术的不断发展,对实时并行性和处理精度都提出了更高的要求,脉动阵结构是雷达信号处理中一种关键并行处理结构.文中介绍了一种基于QR_RLS算法的浮点脉动阵结构.为了提高运算速度,充分利用资源,引入了自定义浮点格式及该格式下的浮点运算单元的设计,并改进了平方根算法,提高了运算精度.在FPGA上实现了这种脉动阵结构,结果表明这种自定义浮点格式的脉动阵结构在提高了运算精度的同时,降低了相应的资源占用率,对实时信号处理的工程设计具有较高的参考价值.     

磁导引与UKF滤波定位的轮式AGV路径跟踪研究

为实现农用机器人自主导航行走系统在满足较高环境适应性和运动灵活性条件下,能够平稳导航自动路径跟踪.根据农业机器人采摘作业环境要求,构建四轮转向AGV位姿估计的运动学模型,开展了基于模糊控制器的磁导航路径跟踪控制和多传感器信息融合的AGV位姿定位方法研究.试验结果表明:采用模糊控制器能够即时调整AGV车体速度与导向角,UKF滤波器进行数据信息融合的方法能够有效提高AGV位姿定位精度,实现48mm以内的位姿误差和小于4°的航向误差,可为农用轮式AGV应用提供参考.     

无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

高动态下紧耦合组合导航改进UKF滤波器设计

由于紧耦合导航系统模型为非线性模型,采用线性化滤波方法,线性化误差将影响组合导航的精度,高动态下影响更为明显.UKF(平淡卡尔曼滤波器)避免了非线性系统模型的线性化过程,具有较好的精度.但在高动态条件下,随着滤波迭代计算的进行,舍入误差的积累会引起均方误差矩阵失去非负定性甚至对称性,使滤波增益矩阵失去合适的加权作用从而...     

不完全信息下导弹参数与状态的联合估计

基于UKF推导了非线性系统参数的递推最大似然估计算法, 并结合UKF实现了对不完全信息下导弹的参数与状态的实时联合估计。首先通过引入导弹的导引律, 建立导弹的状态滤波模型, 进而给出参数辨识的一般递推似然法, 并在UKF状态滤波算法的基础上推导出非线性递推最大似然参数估计方法, 实现了参数估计与状态滤波的并行计算。仿真结果表明, 该方法收敛速度快, 具有很好的实时性和较高的估计精度。