抗差自适应Kalman滤波及其在GNSS导航中的应用

针对Kalman滤波易受粗差影响而导致结果失真的问题,提出一种抗差自适应Kalman滤波方法,该方法结合自适应滤波与抗差Kalman滤波的优点,同时设计自适应因子和抗差因子,采用改进的两段Huber函数与2~3倍的观测噪声中误差来充当抗差因子与粗差判别标准。并对Kalman滤波和抗差自适应滤波(Adaptive Robust Kalman Filtering,ARKF)结果进行比较。车载实验结果表明,ARKF可以有效抵制观测异常对状态估值的影响,同时在系统先验信息不能精确给出的情况下,显著改善了滤波估值的稳定性和可用性。     

基于核函数正则粒子滤波的SLAM算法在无人机导航定位中的应用研究

传统EKF、UKF、粒子滤波算法在解决航空无人机导航定位非线性问题时存在误差大、定位估计精度低等问题,提出了一种核函数正则粒子滤波算法,选取近地面航行,观测x,y方向的位置,并对SLAM非线性模型进行估计.实验数据表明,采用核函数正则粒子滤波算法由于保持了采样粒子的多样性与代表性,保证了在给定模型参数初值下,模型对载体速度和位置信息的跟踪估计能力,其精度比扩展卡尔曼算法的滤波精度高很多;另外,新算法对姿态角估计误差均收敛于0°～1°范围,之后趋近于0°.对于传统滤波算法对载体的航向角误差估计,在整个仿真时间内,其误差值均大于核函数正则算法的误差估计.新算法较传统粒子滤波算法,其滤波精度较高,且算法稳定性与收敛性更强.     

一种快变信道下OFDM系统的Kalman信道估计算法

针对频率选择性快速时变信道的多径干扰和较大的多普勒频谱扩展,提出了一种改进的Kalman滤波算法。用于正交频分复用（OFDM）系统信道估计．该算法采用复杂度大大降低的低维Kalman滤波来跟踪快速时变信道,迭代联合信道估计与检测算法来获得测量矩阵,并对滤波结果利用一种新的简单的最小均方误差（MMSE）估计器进行优化。有效地降低了传统基于Kalman滤波算法的复杂度．仿真结果表明,该方法能够跟踪信道的快速变化,具有良好的估计性能．     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

基于离差差分滤波算法的再入目标状态估计

再入弹道目标的状态估计是个复杂的非线性滤波问题,使用扩展卡尔曼滤波算法（Extended Kalman Filter,EKF）,会引入较大的误差,甚至发散．为了提高估计精度,提出使用离差差分滤波算法（Divided Difference Filter,DDF）对再入弹道目标的状态进行估计．DDF算法使用二阶多维Stirling内插多项式近似非线性状态和测量方程获得状态和方差的估计．该算法只需要计算函数值,避免了求导运算,降低了计算复杂度．Monte Carlo数值仿真表明,离差差分滤波方法降低了再入目标的状态估计误差,提高了估计精度,且运行速度比无迹卡尔曼滤波方法（Unscendted Kalman Filter,UKF）要快的多．     

一种鲁棒的电子稳像系统

基于特征点跟踪的全局运动估计和利用Kalman滤波的运动补偿,提出一种鲁棒的电子稳像系统．首先,提取特征点的局部信息以估计全局运动,其中各特征点的跟踪是通过特征窗匹配来完成的,同时根据特征点集间具有稳定相对位置的结构特征,提出距离准则,对特征匹配进行验证,来去除前景运动点或误匹配点(即局部特征点)．然后,将所有验证后的匹配点对(全局特征点)带入运动模型,并利用Levenberg-Marquardt进行最优化迭代,求出全局运动矢量． 最后,对原始运动矢量序列进行Kalman滤波,提取抖动参数以补偿图像．实验结果表明,该系统可以处理图像序列的平移、旋转和缩放等抖动,并且对于场景中的局部运动有良好的鲁棒性．     

基于信道模糊关联识别的NLOS测距误差补偿算法

针对NLOS测距存在误差的问题,提出一种基于信道模糊关联识别的NLOS测距误差补偿算法.根据先验信道特征参数分布信息构造信道特征参数模糊隶属矩阵,并利用灰色关联分析方法计算归一化权值矩阵,进而获得模糊综合评价矩阵来对信道环境进行识别.在此基础上,根据信道识别结果构建Huber代价函数,通过Huber线性回归方法对原始测距结果进行迭代重构,将重构结果作为Kalman滤波的测量值进行滤波.仿真结果表明,所提算法可以有效提高NLOS环境下的测距精度,在信噪比大于-2 dB时可以达到厘米级测距精度.     

一种测量自适应Huber滤波在电路系统中的应用

针对测量噪声未知条件下电路系统状态估计非最优问题,基于Huber自适应滤波思想,提出将滤波量测更新步骤转化为线性回归问题,采用测量残差迭代求解方法得到电路系统状态最优估计。仿真结果验证了本文提出的Huber自适应滤波改进算法相比传统滤波算法估计精度更高。     

绳系卫星系绳参数的实时估计方法

研究了绳系卫星在轨运动中系绳参数的实时估计方法.分析了现有的估计方法所存在的问题,引入三轴张力计的测量信息和扩展Kalman滤波方法,提出了系绳摆角在大角度变化时系绳参数的实时估计方法,并进行了详细的推导与论证.最后,通过仿真验证了上述估计方案和算法的有效性,且获得了较好的估计精度.     

动力学模型系统误差的随机加权估计

提出用新兴的随机加权估计算法对动力学模型系统误差进行估计,以控制动态模型噪声异常对状态参数估值的影响.该算法根据实际需要对动力学模型误差和状态预报值向量的协方差阵进行随机加权,以控制残差向量协方差阵和新息向量协方差阵的大小,削弱模型误差对状态参数向量的影响,提高动态导航解算的滤波精度.仿真结果表明,提出的随机加权估计算法的估计精度,明显优于经典Kalman滤波和抗差自适应Kalman滤波,能提高飞行器动态导航定位的精度.     

Jamming and spoofing interferences suppression technique for satellite navigation receiver

A satellite navigation receiver that can suppress jamming interference and spoofing interference simultaneously is designed in this paper.An anti-jamming improved constrained spacial adaptive processing algorithm in signal processing and an anti-spoofing M-estimator based extended Kalman filter algorithm in information processing are proposed respectively.Simulations of the integral designed anti-interferences satellite navigation receiver demonstrate that the designed anti-interferences receiver can suppress jamming signals efficiently (above 40 dB) and ensure the normal reception of satellite signals while satellite signals and jamming signals have the similar direction of arrival (almost 10°).The designed anti-interference receiver can effectively eliminate the influence of spoofing signals on the navigation solution accuracy and maintain high accuracy of position and velocity estimation,which improves the anti-jamming and anti-spoofing capability of the satellite navigation receiver.     

似然迭代平方根容积卡尔曼滤波算法的克拉美罗下界分析

本文介绍了平方根容积卡尔曼滤波算法和似然迭代平方根容积卡尔曼滤波算法,推出了后验克拉美罗下限.将两种算法应用到弹道再入段的状态估计中,分析和比较了两种算法的标准差与后验克罗美罗下限的关系.仿真实验结果表明,相比于平方根容积卡尔曼滤波算法,似然迭代平方根容积卡尔曼滤波算法的位置、速度和弹道系数的标准差与后验克拉美罗下限很接近,算法的滤波性能明显优于平方根容积卡尔曼滤波算法,是一个有效的状态估计算法.     

基于ROEWA和Gabor滤波的SAR图像边缘提取

针对合成孔径雷达(SAR)图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标边缘的问题,提出了在指数加权均值比(ROEWA)算子基础上寻找自适应的最佳局域Gabor滤波器进行目标边缘提取的方法。利用Gabor滤波器具有的多方向特性确定边缘方向,然后用最大似然估计纠正错误边缘方向,重新结合视觉细胞倍频程计算出Gabor函数的最佳局域滤波参数,提取出SAR图像的正确边缘。实验表明,该方法取得很好边缘提取效果,并且后期分割出的目标更符合实际目标形态,具有较强的通用性。 更多还原     

基于自适应卡尔曼滤波加速度与位移融合的结构位移实时估计

实时高精度位移测量在工程结构的安全和寿命评估方面有着重要作用。为提高基于全球导航卫星系统技术的位移测量的精度及稳定性,本文提出了一种融合加速度和位移数据的自适应多速率卡尔曼滤波方法,来实时获取精度提升的位移信息。由于不合理的噪声参数设置会使位移估计的精度严重下降,本文利用加速度和位移数据测量噪声各自的特点,以分开估计相应噪声方差的思路来实现自适应估计。考虑传感器噪声的性质,自适应滤波中对噪声参数的估计可简化为仅对位移噪声方差进行估计。利用Sage-Husa估计器实现位移噪声方差的自适应估计,使滤波能在噪声参数未准确获知的情况下进行稳定的位移实时估计。首先,讨论了自适应滤波中初始噪声参数的影响,确定了初始系统噪声参数的选取原则。然后,分别在时不变与时变位移噪声环境下,观察该滤波应用于不同频率的谐波位移信息下的估计性能。最后,以某1.5MW风电塔在风-地震耦合作用下塔顶结构响应的数值模拟,来说明本文的自适应滤波在一般工程结构应用中的有效性。结果表明,即使初始噪声参数设置有误或位移噪声具有时变性,本文方法依然具有较好的估计效果及鲁棒性。上述研究成果可为结构实时高精度位移监测提供一定理论支撑与参考。     

基于MME准则估计卫星姿态的非线性滤波算法

结合矢量观测的特点，基于最小模型误差准则给出了一种确定卫星姿态的实时估计算法，称为预测滤波算法。该算法利用矢量观测信息，对动力学方程中的力矩模型误差进行预测，并利用预测值修正动力学模型，从而准确地估计卫星的三轴运动姿态，同时能获得角速度估计值。通过误差观测矢量的建立，进一步提出了能够简化准则函数的修正预测滤波算法。仿真结果证明，预测滤波算法及其修正算法克服了扩展卡尔曼滤波器的不足，能够有效地解决存在显著模型误差情况下的非线性估计问题。     

考虑不确定测量的惯性平台剩余寿命自适应预测

针对现有剩余寿命预测方法未考虑测量误差引起的不确定性,且存在预测不确定性大的问题,提出了一种基于Wiener过程的退化过程建模方法,并将测量的不确定性考虑到剩余寿命预测中,推导出了剩余寿命的概率分布。为了实时更新模型参数,利用Kalman滤波算法实时估计Wiener过程中的漂移系数,并利用期望最大化算法实时估计其它相关参数。以某型号惯性平台的退化测量数据为例,进行了实验验证,结果表明,相比其它算法,文中算法能够降低剩余寿命预测的不确定性,提高预测精度。     

在混合坐标系下的机动目标跟踪滤波器

本文介绍了在球面－直角坐标系下跟踪机动目标的卡尔曼滤波算法．为克服观测噪声非白，本文引入了扩充向量，并应用旋转增益算法，对卡尔曼滤波的协方差阵及增益阵实现了解耦．通过仿真计算，对本文提出的算法与国外两种类似的算法在相同的机动和量测噪声特性情况下进行了比较，其结果显示了本算法的优越性．     

缺失数据下局部M-估计

在缺失响应变量的不完全数据下,对非参数回归模型进行研究.利用稳健的局部线性回归的方法,给出了回归函数m（x）的3个局部线性M-估计：完整数据M-估计,加权M-估计和估计的加权M-估计,证明了3个M-估计有相同的相合性和渐近正态性.模拟研究表明估计的加权M-估计优越于一般的加权估计.     

船舶运动纵向受扰力和受扰力矩估计方法研究

研究船舶纵向运动受扰力和力矩的估计对于船舶纵向减摇控制是非常必要的.针对典型船舶,建立了船舶纵向运动模型,论述了3种受扰估计方法,中心差分法、有色Kalman滤波方法及扩展Kalman滤波方法.仿真结果表明,以上3种估计方法均可行.若选取相同精度的测量仪表,扩展Kalman滤波估计效果最好,其估计方差相对值在10%以内,有色Kalman滤波估计次之,中心差分法估计最差,但中心差分法计算简便,而扩展Kalman滤波估计方法较繁,且需知干扰力和干扰力矩能量Rw的先验知识.若提高测量仪表精度,则中心差分法估计方差相对值明显改善,可提高到10%以内.     

Lag compensation errors in active power filters based on DSP controllers

The growing problems of harmonic pollution on coal mine power lines caused by high-power DC drive systems has increased the use of active power filters. We analyzed compensation errors caused by the time lag in the detecting circuits of an active power filter based on DSP control. We derived a mathematical model for the compensation error starting from the error estimation when a single distortion frequency is present. This model was then extended to the case where multiple frequencies are present in the distortion. A formula for a general theory of compensation error with fixed load and fixed lag time is presented. The theoretical analysis and experimental results show that the delay time of an active power filter mainly arises from the sampling time. Lower sampling frequencies introduce larger compensation errors in the active power filter reference current.