自适应Kalman滤波算法在加速度计自标定中的应用

针对自标定加速度计组合动基座试验数据中存在的数据异常问题,推导并运用自适应Kalman滤波算法剔除异常数据,通过对不同Kalman滤波算法自标定精度解算结果的均值和标准差进行比较,表明自适应Kalman滤波算法更加有效。     

基于数据融合估计理论的Kalman滤波

本文在经典Kalman滤波算法的基础上针对多传感器数据处理的特点,根据不同的数据融合结构方案给出了多传感器数据融合系统的Kalman滤波算法。根据多传感器数据融合估计知识,建立了基于Kalman滤波的数据融合模型;给出了融合结构的数据融合滤波算法：集中式Kalman滤波算法;进行了算法仿真演示实验。实验结果表明,通过多传感器融合能够提高系统的估计精度。     

机载有源无源传感器稳健融合方法

在机载有源无源情报融合处理中,很多条件很难满足中心式滤波的要求,比如一般情况下过程噪声是不正确的,或者不知道的.给出了几种稳健的Kalman滤波,这些方法主要针对运动方程或者观测方程中噪声信息未知或者噪声信息不准确的情况下,对数据进行融合.如果只是过程的信息未知,提出的自适应滤波,即是用观测信息对运动方程的噪声进行实时估计;如果运动方程和观测方程的噪声不准确,则可以采用H∞滤波进行噪声误差方差估计.     

单传感器多尺度状态融合估计算法

该文在离散小波变换理论和动态多尺度系统理论的基础上,建立了一种基于单传感器的多尺度状态融合估计新算法。该方法利用离散小波变换,对Kalman滤波模型的状态方程和观测方程分别进行多尺度处理,构建多尺度Kalman滤波模型,充分利用状态估计和观测数据在不同尺度上的特征进行融合估计,获得了优于单尺度Kalman滤波及已有多尺度状态融合估计方法的处理效果。并利用Monte Carlo仿真验证该算法的有效性。      

基于气压表/GPS的数据融合算法研究

为确保飞机精确飞越预定点上空并具备精密进场着陆引导能力,引入了一种提高垂直方向定位精度的气压表/GPS数据融合算法.该算法利用Kalman滤波实现了气压高度表/GPS的数据融合.借助于飞机的运动矢量模型、GPS定位误差模型建立了气压表/GPS组合导航系统自适应联合Kalman滤波的数学模型,给出了该数据融合算法的详细推导过程.仿真结果表明,所设计的算法在改善垂直方向上的定位精度以及在实时性、适应性等方面都有很好的效果,提高了飞机在进近飞行阶段的安全性和可靠性,能满足民用航空的进场着陆引导要求.     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。     

自适应容积卡尔曼滤波激光视觉融合定位研究

针对激光雷达在长直环境下鲁棒性低以及视觉相机受光照条件影响大的问题,提出一种利用容积卡尔曼滤波将两种传感器采集到的信息进行融合的定位方法,同时为算法添加自适应成分,以提高移动机器人在未知环境下的定位精度。首先通过激光与视觉在同一位置同时对周围物体进行观测,利用图优化算法与PnP算法获得当前机器人位姿信息,再以激光和视觉采集的数据分别作为状态值和量测值不断更新,得到滤波融合后的定位结果。通过Sage-Husa自适应滤波理论增加自适应修正项,解决了长距离观测后的数据发散问题。仿真实验结果表明,以自适应容积卡尔曼滤波的形式进行优化,融合定位误差相较于激光与视觉降低超过25%,有效提升了移动机器人长距离行驶过程中的定位精度。     

最高可用频率自适应预报算法研究

基于实际观测数据的最高可用频率短期预报对于短波通信网络选择工作频率具有重要的意义,利用Kalman滤波技术设计了最高可用频率自适应预报算法,并用实际观测数据对其进行检验,结果表明:该算法能够自动跟踪实际测量数据的变化,较准确地预报未来时刻的最高可用频率。     

一类多速率动态系统的异步数据融合算法

针对不同传感器以不同采样率、异步对同一目标进行观测的一类线性时不变动态系统,给出了一种有效的状态融合估计方法.利用该方法进行状态估计,首先根据多尺度系统理论,针对每一个传感器分别建立起相应的系统模型;然后利用Kalman滤波和有反馈分布式融合结构进行数据融合并给出状态估计.该方法避免了插值以及状态和观测的扩维,具有较好的实时性.理论分析和仿真结果均表明,融合估计结果在估计误差方差最小意义下,优于最高采样率的传感器Kalman滤波的结果,融合算法是有效的.     

机载航电系统中多源信息模糊自适应融合技术

为了保障导航的精度与可靠性,目前常采用多源信息融合导航。针对ADS/IRS/GPS组合导航系统,采用基于自适应信息分配的联邦滤波结构处理信息融合问题,并把模糊推理技术融入到ADS/IRS卡尔曼滤波器中,对IRS/GPS子滤波器采用紧组合模式,上述结构算法能对多源导航信息进行最优融合与处理。建立了ADS/IRS模糊自适应卡尔曼滤波模型以及IRS/GPS紧组合滤波模型,设计了自适应信息分配的联邦滤波算法,并进行了仿真,仿真结果验证了设计算法的有效性。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

GPS动态定位中自适应卡尔曼滤波研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

Blind adaptive multiuser detection based on Kalman filtering

Although several Kalman filtering algorithms have been presented for adaptive multiuser detection, none is "blind" due to requiring training data sequences and/or more knowledge than the spreading waveform and delay of the desired user. This paper proposes a novel blind adaptive multiuser detector based on Kalman filtering and compares it with previously published LMS and RLS algorithms for blind adaptive multiuser detection. It is shown that the steady-state excess output energy of the Kalman filtering algorithm is identically zero for a stationary environment. Simulation results show the effectiveness of the new Kalman filtering algorithm     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

基于FPGA实现的自适应卡尔曼滤波器的设计

在视频图像获取过程中,由于噪声对图像序列的降质,需要设计实时噪声滤波器。讨论了视频图像的卡尔曼滤波问题及自适应卡尔曼滤波算法,并讨论了自适应卡尔曼滤波算法的简化,以利于硬件实现自适应卡尔曼滤波器,并进行了简化算法仿真,完成基于FPGA实现的实时自适应卡尔曼滤波器的设计。     

非线性滤波算法分析及其性能比较

针对目标跟踪实际应用中量测方程非线性对滤波精度和稳定性的影响,重点分析了模型线性化的滤波算法、无迹卡尔曼滤波（UKF）和粒子滤波算法（PF）的基本原理和特点以及适应的条件。仿真试验比较了扩展卡尔曼、无迹卡尔曼和粒子滤波的跟踪效果,结果表明非线性条件下粒子滤波算法优于其它两种滤波算法。