基于联邦粒子滤波器的多传感器信息融合算法

提出了一种新的SINS/CNS/GPS组合导航观测方程,并给SINS/CNS/GPS组合导航系统设计了一种新的联邦式数据融合结构。使用粒子滤波器对联邦滤波子系统的多源数据进行融合处理,从而摆脱了经典卡尔曼滤波器的限制。仿真结果表明所提算法在SINS/CNS/GPS组合导航系统的信息融合中是有效性的。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

平方根容积卡尔曼滤波器

针对容积卡尔曼滤波器在递推过程中,计算量大、数值不稳定等问题,提出了平方根容积卡尔曼滤波器。该滤波器不仅增强了数值鲁棒性,确保了状态协方差矩阵的正定性,且在一定程度上提高了滤波精度。仿真结果表明,该滤波器的滤波精度与容积卡尔曼滤波相比提高了约10%,且均高于扩展卡尔曼滤波;随着状态维数的增加,该滤波器的估计性能越加优于扩展卡尔曼滤波器。因此对系统维数较高的场合,该滤波器是一种非常有效的非线性滤波算法。     

无重置联邦滤波及在组合导航中的应用

对联邦滤波器的结构及联邦滤波器的无重置融合算法进行讨论,并建立了组合导航系统联邦滤波模型.以SINS/GPS/TAN组合导航系统为例进行了仿真研究.结果表明,文中给出的无重置联邦滤波器与集中卡尔曼滤波器的精度相差无几,解算速度更快,容错性更好,可应用于对实时要求较高的组合导航系统中.     

基于联邦SR-UKF算法的GPS/INS导航数据融合算法

为提高导航系统数据融合的稳定性和容错性,将一种基于方根分解形式的Unscented卡尔曼滤波(SR-UKF)算法和分散式滤波技术相结合,建立了新的联邦滤波器SR-UKF算法并应用于GPS/INS组合导航系统中.数值仿真实验表明, 联邦SR-UKF 比联邦UKF 有更好的滤波精度、更高的稳定性和容错性, 是一种理想的非线性GPS/INS组合导航滤波方法.     

强跟踪联邦的卡尔曼滤波器设计

将强跟踪滤波方法应用到联邦滤波器中,形成无反馈模式的联邦滤波器的强跟踪联邦滤波算法.该强跟踪联邦滤波器由2个子滤波器和1个主滤波器组成,主滤波器到子滤波器的信息反馈.子滤波器独立地进行时间更新和测量更新.主滤波器对时间进行更新,并将2个子滤波器的结果进行信息融合,得到全局最优估计.     

基于平方根无迹滤波的滚转弹姿态估计

给出一种基于平方根无迹卡尔曼滤波器(SR-UKF)的滚转弹飞行姿态获取方法.使用一个双轴角速率陀螺构成滚转弹飞行姿态遥测系统,利用SR-UKF对遥测数据进行处理,以重构弹体飞行姿态.针对低速滚转弹姿态运动模型的强非线性,运用SR-UKF算法进行姿态运动估计,避免了扩展卡尔曼滤波(EKF)产生的线性化误差.运用低速滚转弹姿态运动模型,导出了一组基于SR-UKF的迭代滤波方程.将基于SR-UKF算法与EKF及UKF的估计结果进行了对比,仿真结果验证了算法的有效性.     

基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法.采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法.联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强.主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性.数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法.     

基于粒子滤波的巡航导弹中制导地形匹配算法和仿真

在分析地形匹配以及粒子滤波算法原理的基础上,针对地形匹配辅助导航的非线性、噪声的非高斯性,研究了粒子滤波结合Kalman滤波的算法.仿真结果表明,粒子滤波对处理非线性系统、非高斯噪声有较强的处理能力,可以提高地形匹配的精度.     

非高斯环境下基于GPF算法的目标跟踪

介绍了高斯粒子滤波器(GPF)的基本思想和具体算法的实现步骤,并讨论了此算法在机动目标转弯模型跟踪中的应用,在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器(PF)和扩展卡尔曼滤波器(EKF)的跟踪性能差异。仿真结果表明,GPF有效地改善了目标跟踪的效果,相比PF在精度和计算复杂度方面均有了明显改善。     

基于粒子滤波的捷联成像导引头视线角速率估计

提出了一种基于粒子滤波的捷联成像导引头视线角速率的估计方法。由于捷联成像导引头状态方程和观测方程的强非线性特点以及观测量中较强的非高斯测量噪声,扩展卡尔曼滤波（EKF）方法不能完全满足滤波精度要求。与扩展卡尔曼滤波相比,粒子滤波（PF）是一种在非线性和非高斯情形下进行状态估计的强有力方法。采用粒子滤波对捷联成像导引头的视线角速率进行估计．仿真结果表明。粒子滤波方法可以有效地提高视线角速率的估计精度。     

几种非线性滤波只测角跟踪性能评估

为综合分析非线性滤波在只测角跟踪应用中的性能,文中给出了二维空间动态系统估计的克拉美罗界递推形式,对扩展Kalman滤波(EKF)、转换瑞利滤波(SRF)、无迹Kalman滤波(UKF)、容积Kalman滤波(CKF)和粒子滤波(PF)进行了实验仿真研究。结果表明CKF和PF可以获得高于其他滤波的精度,CKF的运算量又远低于PF,CKF可以获得精度和时效性的有效折衷。     

统计特性突变下的机器人同步定位与地图构建

针对未知环境中,机器人同步定位与地图构建( SLAM)时,系统的统计特性发生突变问题,提出了一种基于非线性交互式多模型(IMM)的SLAM算法。该算法的主要思想是：用多个非线性高斯模型近似非线性非高斯模型;每个模型都采用扩展卡尔曼滤波(EKF)对非线性系统线性化;在每一步采用IMM方法获得融合估计值;从而演化机器人的SLAM. Monte Carlo仿真结果表明,在过程噪声均方根误差、量测噪声均方根误差和两者噪声均方根误差都发生变化的情况下,与EKF-SLAM算法和快速SLAM算法相比,该算法具有更好的估计精度。     

无线传感器网络中基于贝叶斯技术的气体源定位研究

将无线传感器网络(WSN)引入气体源预估定位。基于贝叶斯原理,提出一种适用于WSN的气体污染源定位算法——改进粒子滤波(IPF)算法。该算法采用权重质心法确定预估定位初始点、退避定时排序法确定参与定位节点信息发送顺序及采用残差重抽样算法减少抽样方差以提高滤波性能。对比研究了改进粒子滤波( IPF)、扩展卡尔曼滤波(EKF)及改进的非线性最小二乘(I-NLS)算法定位性能,仿真表明构建的WSN对气体源定位有效,应用IPF算法定位性能优于EKF及I-NLS算法。     

基于无迹卡尔曼滤波的火箭弹姿态估计

针对某尾翼稳定火箭弹姿态估计的问题,以姿态角、位置、速度参数作为状态变量,建立了火箭弹运动参数的捷联惯性解算模型,将GPS的位置和速度测量值作为输出变量,构成组合滤波模型,并分别采用扩展卡尔曼滤波和无迹卡尔曼滤波方法进行滤波处理。仿真结果表明,扩展卡尔曼滤波在滚转速率变化较快、模型非线性较强的情况下不能达到预期的滤波效果,而基于无迹卡尔曼滤波的组合滤波方法更为有效,相比扩展卡尔曼滤波,其俯仰、偏航角估计误差均方根降低了一半,滚转角估计误差均方根降低了三分之二,满足姿态估计的需求。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.