一种组合式的Kalman滤波算法

针对Kalman滤波算法在估计过程中存在噪声影响和过程信号无法直接观测等问题,提出一种组合式的Kalman滤波算法.首先对观测的数据进行自适应加权融合,然后将融合的结果作为第二级Kalman滤波的先验估计值,进行Kalman滤波.通过自适应算法与Kalman算法的组合算法进行数据融合,可以提高融合的准确度和精度.最后通过仿真证实算法的有效性.     

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因.在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较结果.     

最小二乘滤波及其在INS/双星系统中的应用

为了克服传统Kalman滤波在实际应用中存在的局限性,研究了基于状态估计的最小二乘滤波。该方法将传统的最小二乘估计与状态估计问题有机结合,对系统噪声和量测噪声的统计特性不敏感。利用实测的激光捷联惯导系统/双星(LSINS/DS)组合数据对最小二乘滤波和传统Kalman滤波进行仿真比较,结果表明,在噪声统计特性未知的情况下,最小二乘滤波的精度更高、收敛速度更快、鲁棒性更强。     

基于小波-边缘保持Kalman滤波抑制散斑噪声算法

提出了一种新的用于噪声抑制的基于边缘保持Kalman滤波和小波变换相结合的算法。此算法对原始图像进行小波变换,然后在各个尺度上将与边缘大小和位置有关的信息从噪声图像中提取出来并将这些信息作为Kalman滤波器的控制输入。仿真结果表明:该算法能够有效的去除噪声,又保留有用信号及边缘信息。通过比较证明其优于小波阈值算法和自适应Kalman滤波算法。     

基于最大似然估计的16APSK载波捕获算法研究

针对在低信噪比情况下16APSK信号频偏捕获困难的问题,讨论了一种结合Kalman滤波和最大似然估计的非数据辅助频偏估计算法。该算法对包含载波频偏信息的相位序列进行最大似然频偏估计,通过Kalman滤波,降低了噪声对估计精度的影响。对结合Kalman滤波和最大似然估计的16APSK频偏估计算法进行了仿真。仿真结果表明,在低信噪比条件下,结合Kalman滤波的最大似然频偏估计算法可获得良好的性能。     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。     

基于最优导频的自适应Kalman滤波信道估计方法

针对时变信道中的子载波间干扰(ICI)和噪声的统计模型不准确引起的滤波发散问题,介绍了一种基于最优导频预滤波的自适应Kalman联合算法。该算法通过使用最优导频滤除ICI,获得理想信道初始状态,然后将其作为Kalman滤波初始信息在时域上进行自适应Kalman信道估计。最后仿真实验表明,和传统的基于导频的Kalman滤波(KF)算法相比,该方法能有效抑制KF发散和改善信道估计精度。     

道路约束在Kalman滤波中的应用

研究把道路约束引入Kalman滤波的新方法,分析了道路对过程噪声和目标速度的约束,给出了道路约束条件下目标的运动方程以及过程噪声方差调整的方法;将道路对目标速度的约束以伪测量的形式引入测量方程并给出了对应的滤波方程。两个不同场景的蒙特卡罗仿真结果验证了上述新算法带来的性能改善。     

基于扩展Kalman滤波的单领航者自主水下航行器协同导航判别式训练方法研究

单领航者自主水下航行器(AUV)协同导航算法中,系统模型是非线性的,扩展Kalman滤波(EKF)是针对非线性系统的很有影响力的滤波算法,但是,EKF算法的性能严格依赖于一系列模型参数,而这些参数往往需要花费很大的代价来捕获,并且常需要人工调整。该文应用一种能自动学习Kalman滤波噪声协方差参数的方法,通过仿真分析,证明了该学习算法可以完全自主并且高效、准确地输出Kalman滤波噪声参数,进一步提高了单领航者AUV协同导航系统的导航精度。     

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.     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

雷达数据处理中新息序列的统计特性分析

在雷达数据处理中,卡尔曼滤波下新息的白噪声特性具有十分重要的作用,常用于野值剔除和机动检测。以往对新息序列的白噪声特性缺乏直观的理论证明方法,并且没有从实际滤波角度来检验白噪声特性。首先结合卡尔曼滤波,给出了一种新息序列白噪声特性更为直观的理论证明方法,并在误差模型假设统计为有色噪声的情况下,对新息序列如何白化进行了分析,然后采用一个常用的运动模型,利用仿真实验从数值计算角度验证了理论的正确性。     

AKF与EFRLS在动态目标跟踪性能上的比较

卡尔曼滤波是具有递推估计形式的最优滤波,但最优性的获得是在过程噪声和观测噪声统计特性已知的前提下得到的。然而,在大量的动态目标跟踪实际问题中噪声具有不确定性,因而有必要研究在噪声不确定下动态目标的跟踪算法以满足实际问题的需要。文中介绍自适应Kalman滤波对过程噪声方差的估计以及推广的遗忘因子最小二乘法对状态估计的递推公式,并且在平均误差最小准则下通过计算机仿真比较两种方法对动态目标的跟踪性能.仿真结果表明,在不确定噪声下自适应Kalman滤波能够取得比推广的遗忘因子递推最小二乘法更好的跟踪性能。     

A full-plane block Kalman filter for image restoration

A two-dimensional method which uses a full-plane image model to generate a more accurate filtered estimate of an image that has been corrupted by additive noise and full-plane blur is presented. Causality is maintained within the filtering process by using multiple concurrent block estimators. In addition, true state dynamics are preserved, resulting in an accurate Kalman gain matrix. Simulation results on a test image corrupted by additive white Gaussian noise are presented for various image models and compared to those of the previous block Kalman filtering methods.     

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。     

健康管理对老年冠心病危险因素治疗及控制率影响

捷联惯导系统(SINS)静基座初始对准中,过高的陀螺噪声不但导致系统状态方程非线性,也会使对失准角的估计不能收敛到真值.因此,提出了一种磁强计辅助对准方法,对系统观测方程的分析证明了该方法不仅可提高滤波精度,同时还可对磁场强度和磁倾角进行估计.非线性滤波采用平方根无迹卡尔曼滤波(SRUKF),SRUKF与无迹卡尔曼滤波(UKF)滤波精度相当,优于扩展卡尔曼滤波(EKF).相比UKF,SRUKF具有更高的计算效率和稳定性.仿真结果表明,该算法在陀螺噪声较高的情况下仍能满足SINS初始对准要求.     

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。     

对航姿参考系统的滤波方法研究

状态估计理论一直是信号处理研究的一个重点方向.为了减小航姿参考系统由噪声引起的数据偏差,利用卡尔曼滤波的方法通过对航姿参考系统数据去噪处理来进行校正,进而得到理想的数据,实验证明了卡尔曼滤波在应用中的有效性.     

Two-dimensional adaptive block Kalman filtering of SAR imagery

A method for removing speckle from synthetic aperture radar (SAR) imagery by using 2-D adaptive block Kalman filtering is introduced. The image process is represented by an autoregressive model with a nonsymmetric half-plane (NSHP) region of support. New 2-D Kalman filtering equations are derived which taken into account not only the effect of speckles as multiplicative noise but also the effects of the additive receiver thermal noise and the blur. This method assumes local stationarity within a processing window, whereas the image can be assumed to be globally nonstationary. A recursive identification process using the stochastic Newton approach is also proposed which can be used on-line to estimate the filter parameters based upon the information within each new block of the image. Simulation results on several images are provided to indicate the effectiveness of the proposed method when used to remove the effects of speckle noise as well as those of the additive noise     

Detection and extraction of periodic noises in audio and biomedical signals using Kalman filter

This paper studies the subject of adaptive noise cancelation using the Kalman filtering technique to achieve high precision and fast convergence. It is shown that the Kalman filter can successfully be designed to detect and extract periodic noises which may be constituted of different sinusoidal components with possibly unknown and/or time-varying frequencies. This highlights the feature of Kalman filter in synthesizing periodic noises in the time-domain which is not possible using Fourier-based methods such as DFT. Usefulness of the method is discussed in the context of two examples: active cancelation of periodic noises from audio waveforms and filtering of electrocardiogram measurements.