误差空间估计的卫星跟踪位置预测

为了提高光电跟踪设备进行卫星观测跟踪时的精度与平稳性,提出一种在跟踪过程中预测卫星位置的误差空间估计方法.该方法根据当前不完全有效与准确的实测数据,用动力学模型方法离线预测数据与离线预测误差表示卫星位置,在预测误差构成的误差空间中对其进行滤波与预测,再与离线预测数据合成以得到精度更高的卫星位置预测数据.实验结果表明,文中方法对卫星位置的预测数据精度比采用运动学模型的Kalman滤波方法高,在精度要求为1'的情况下,其能预测的时间范围比后者多25s以上,且误差随预测步长的增加,增长较缓慢.     

机器人视觉Kalman和FIR滤波稳像算法设计与比较

稳像是提高基于视觉的移动机器人作业精度的关键。论文建立了完整的稳像算法流程,包含图像运动学模型、KLT特征提取、SAD特征匹配和滤波算法;设计了运动参数的Kalman和FIR滤波算法;并利用MATLAB实现了运动参数的Kalman和FIR滤波器;仿真验证和对比分析了Kalman和FIR滤波器对运动参数的去抖效果。结果表明,机器人视觉稳像中,Kalman滤波效果优于FIR滤波。用VC++和OpenCV编程实现了基于Kalman滤波的机器人视觉稳像软件,在双机器人移动平台上开展了实验,稳像计算时间小于视频采样时间,系统满足机器人对接作业实时性和精度要求。     

基于卡尔曼滤波的天文定位算法

针对如何提高舰船的导航精度的问题,提出了一种Kalman滤波天文定位算法。该算法根据天文三角形理论,在确定的时间内,利用恒星的赤经、赤纬以及利用光电经纬仪(或其他测量设备)输出的高度角、方位角等信息实现天文定位,并建立了舰船动力学模型。采用稳健估计对Kalman滤波模型进行处理,解决了滤波模型中非零均值系统白噪声的处理问题。采用该Kalman滤波对恒星的高度角数据进行滤波,实验结果表明,噪声为1′时定位误差由0.041253°降低为0.010394°,该算法提高了测量精度,抑制了测量噪声,有效增强了天文定位的可信度。     

基于粒子滤波算法的锂离子电池剩余寿命预测方法研究

运用粒子滤波算法,进行了锂离子电池剩余寿命(RUL)的预测,提出了一种基于模型法和数据驱动法相融合的简单有效的RUL预测方法。该方法通过模型法和数据驱动法的融合,将双指数经验退化模型进行变形,以减少模型参数,降低参数训练难度,利用粒子滤波算法跟踪电池容量衰退的过程;为提高预测精确度,引入自回归(AR)时间序列模型修正状态空间方程的观测值。实验证实,该方法可以有效地预估出锂电池的剩余寿命。     

一种新的基于区域的高速公路多车辆跟踪方案

提出一种新的基于区域的高速公路多车辆跟踪方案,包括背景建模、目标识别、目标跟踪等过程。针对高速公路监控图像质量差和干扰信号强的特点,在常规的颜色混合高斯背景模型的基础上,提出一种新的基于扰动区域的高斯背景模型来消除强噪声和背景小幅度运动的影响,并在时间序列上通过Kalman滤波迭代加权算法实现背景模型的自适应性更新。该背景模型明显提高了背景分割的准确性和自适应性。提出了一种改进的非递归区域生长算法用以有效地实现多目标的识别,算法复杂度仅为O(n)。采用目标特征匹配和区域运动预测规则对多车辆进行实时跟踪和识别。实现了一个高速公路实时监控原型系统,运行结果表明,该跟踪方法不仅能准确跟踪和识别多目标,而且对道路环境和车辆运动方向具有很好的适应性和鲁棒性。     

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。     

EKF和PF算法及其在目标跟踪中的应用

基于贝叶斯滤波的目标跟踪原理,介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)和粒子滤波(ParticleFilter,PF)的基本思想和算法实现步骤。在非线性环境下对比分析了EKF算法和PF算法的估计精度,并给出两种方法的适用条件。EKF算法采用Taylor展开的线性变换来近似非线性模型,而PF算法采用一些带有权值的随机样本来表示所需要的后验概率密度。仿真结果表明,在强非线性非高斯环境下,PF算法的跟踪性能远优于EKF算法,当系统非线性强度不大时,EKF算法和PF算法的估计精度相差不大,但PF算法计算复杂,跟踪时间长,实时性差。     

基于空气阻力因子估计的乒乓机器人精确轨迹跟踪

乒乓机器人轨迹跟踪中,由于摄像机成像畸变、目标高速运动造成的成像模糊和空气阻力等不确定因素会导致跟踪误差.针对这些问题,本文提出一种基于空气"阻力因子"估计的轨迹跟踪算法.该方法结合了Kalman滤波器快速高效的跟踪优点,先从空气动力学模型推导出"阻力因子"项,并将其引入状态向量,重新对增广的状态向量进行非线性特征建模,再采用针对非线性估计的扩展Kalman滤波算法进行状态估计.实验结果表明,该算法跟踪精度优于传统轨迹跟踪算法(速度误差由±0.5m/s减少为±0.2m/s),并具有数值计算的实时性和高效性.     

基于改进扩展卡尔曼滤波算法的静电目标跟踪

针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和 ExtendedKalman Filter(EKF)在处理强非线性的测量方程时会出现滤波发散的现象.为了提高滤波精度和减少计算复杂度,采用中心差分的方法计算EKF中的非线性函数的一阶导数,并结合球形静电探测器实际探测的特点形成一种新的改进的EKF算法.将改进后的EKF应用于静电目标的跟踪,建立目标跟踪滤波器.理论分析和仿真表明,采用改进后的EKF与EKF和Unscented Kalman Filter(UKF)相比较,虽然计算时间比EKF稍有增加,但比UKF的计算时间少;而计算精度比EKF有显著提高,与UKF的计算精度相当.     

基于多尺度Kalman数据融合滤波

本文通过分析基于小波变换的动态系统模型,提出一种基于小波多尺度的Kalman数据滤波方法,本文利用小波的多尺度特点,把初始估计序列多尺度分解,并在不同尺度层上进行Kalman滤波估计,再利用小波重构来融合各层的估计信息,把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新,改进为基于小波变换的尺度轴和时间轴上的双向数据更新,该算法将小波多尺度分解去噪和Kalman滤波相结合,对实际中含较强噪声的动态系统的状态估计效果较好.算法也可用于多分辨率多传感器数据融合.     

直角坐标系下的水下被动目标跟踪自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散，导致滤波精度很差的情况，文章中提出了一种直角坐标系下自适应卡尔曼滤波算法，对虚拟噪声进行了估计，动态补偿观测模型的线性化误差，削减系统的观测误差，并对其滤波理论及其算法进行了研究和仿真，结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法。     

方位角准确预测法在光电跟踪中的应用研究

本文通过基于卡尔曼滤波和一步预测理论建立适当的数学模型,提出了一种应用于舰载光电跟踪设备的拟线性目标方位预测算法,并对不同的运动目标的进行了仿真计算。结果表明该方法有较高的精度,能预测出光电跟踪设备在丢失目标情况下的目标航迹,可满足其在炮振丢失目标情况下的预测要求。     

卡尔曼滤波器在光电经纬仪中的应用

为了解决光电经纬仪电视跟踪系统脱靶量滞后对控制系统跟踪精度及稳定性的影响，将预测滤波技术应用到光电跟踪系统中，提出了极坐标下卡尔曼滤波算法，目标模型采用等速运动并附有时间相关的随机加速度，增加了延时补偿。仿真结果表明，跟踪误差减小，当跟踪目标从视场消失时，控制系统按照预测的目标信息跟踪。     

基于二阶转换测量Kalman滤波的目标跟踪算法

为了减小传统跟踪滤波算法线性化误差,提高光电跟踪系统的跟踪速度和跟踪精度,本文在三维空间中,提出了二阶去偏转换测量卡尔曼滤波算法.该算法利用二阶泰勒展开的方法,推导出了光电跟踪系统观测方程的转换测量值误差的均值和协方差矩阵表达式,并对测量误差进行去偏差补偿处理,再经过转换测量卡尔曼滤波,可显著减小传统滤波算法的线性化误差.仿真结果表明,二阶去偏转换测量卡尔曼滤波(SCMKF)算法的跟踪精度优于非去偏转换测量卡尔曼滤波(CMKF)和扩展卡尔曼滤波(EKF),以及unscented卡尔曼滤波(UKF)算法,并且具 有更快的收敛速度,和采用统计方法的去偏转换测量卡尔曼滤波(DCMKF)的跟踪精度相当,但计算简单,提高了跟踪速度.     

Error-space estimation method and simplified algorithm for space target tracking

To improve space target tracking precision and the stability of mobile optoelectronic tracking equipment, an error-space estimation method based on the Kalman filter is discussed, and a simplified algorithm is presented to reduce calculation cost. Based on an available measurement of a space target without sufficient validity and accuracy, the actual position related to the tracking equipment is decomposed to an earlier offline prediction of the kinetic model method and prediction errors. By regarding prediction errors as the motion of a weak maneuver target, the errors can be estimated more accurately in error space. By synthesizing estimation of the errors and offline prediction, the space target position is obtained with higher accuracy to improve tracking performance.     

过程噪声方差实时补偿的非定轨目标跟踪

针对非定轨目标跟踪问题中过程噪声统计特性未知的特点,提出了一种实用的对过程噪声方差进行实时补偿的目标跟踪算法。该算法根据强跟踪滤波器的思想,通过实时检测新息序列来修正卡尔曼滤波算法中的状态预测误差协方差矩阵,进而对未知的过程噪声方差矩阵进行实时地补偿。由于存在新息检测机制,该算法能够有效地规避表征建模不确定性的过程噪声统计特性未知的问题,对于建模不确定性具有一定的适应能力。通过对一旋转靶标跟踪问题的仿真试验,证明了该方法的有效性。     

卷积伏安法实验数据的自适应卡尔曼滤波 Ⅰ.数据的平滑

本文研究了自适应卡尔曼滤波技术在新极谱法中的应用。通过极谱法拟合数据试验结果表明,1∶N自适应卡尔曼滤波器用于消除新极谱法实验数据中噪声的干扰,效果极好,其滤波结果具有良好的线性关系。应用于Cd(Ⅱ)的半微分电分析实测数据的处理,取得令人满意的结果。     

地磁旋转弹滚转角及角速率的估计方法

针对高转速的旋转弹等制导弹药滚转角及滚转角速率实时获取的问题,提出一种基于地磁信息的滚转角及滚转角速率的实时快速估计方法.首先根据旋转弹的轴向滚转运动特性,利用卡尔曼滤波算法实时估计弹丸在轴向高速旋转的状态下的滚转角以及角速率,考虑弹载实时应用需求,在卡尔曼滤波的基础上进一步采用α-β-γ滤波来提高估计算法的实时性.通...     

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

基于超宽带(ultra-wideband, UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters, KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。