基于粒子滤波和UKF联合滤波的卫星姿态估计

针对矢量观测的三轴稳定卫星的姿态估计问题,提出了基于粒子滤波(PF)和Unscented卡尔曼滤波(UKF)的一种联合滤波方法.为了避免粒子滤波的状态高维数引起的计算量过大、难收敛等问题,采用UKF滤波来估计陀螺的漂移,从而使粒子的数量大大减少,以较少的运算量获得较好的滤波效果.另外,通过定义增量误差四元数和采用无冗余的广义罗德里格参数(Generalized Rodrigues Param eters)(三参数)描述卫星姿态,使四元数的归一化处理是隐含的,从而解决了四元数的归一化所造成的协方差阵奇异问题.将该方法应用于某型号卫星的姿态估计,并与UKF相比,即使在较大初始姿态误差情况下,算法也能很快地收敛,验证了所设计的姿态估计算法是可行有效的.     

采用改进粒子滤波的雷达扩展目标检测前跟踪

在雷达回波的距离——多普勒数据上,建立了粒子滤波所需的系统动态模型和观测模型,将传统的点目标模型改进为更接近于实际的线形扩展目标模型,并推导出了新模型的似然比函数.同时,为了减少粒子数,对传统的粒子滤波(PF)算法进行了改进.由于模型的匹配和检测前跟踪(TBD)算法在时间上的积累功能,所提算法提高了雷达对低信噪比目标的检测概率.仿真结果表明,该算法能稳定地检测到信噪比为1 dB的目标.     

万有引力优化的粒子滤波算法

针对经典粒子滤波中存在的粒子易退化、易丧失多样性以及滤波精度严重依赖于粒子数量的问题,提出一种万有引力优化的粒子滤波算法．通过万有引力算法优化粒子滤波中的粒子集来提高滤波精度．首先将每个粒子看做质量大小正比于粒子权值的点,粒子间的引力吸引着粒子向高似然区域移动,从而优化粒子集．然后利用精英粒子策略加快万有引力优化算法中粒子收敛速度,并避免粒子陷入局部最优; 引入感知模型防止过度收敛导致的粒子拥挤或重叠．仿真实验表明,该算法在粒子数较少的情况下与经典粒子滤波算法和粒子群优化粒子滤波算法相比,保持了更好的粒子滤波精度和速度．     

天波超视距雷达抑制非瞬态流星余迹干扰研究

工作在高频波段的超视距雷达会受到流星余迹的干扰,这种干扰严重影响了超视距雷达接收机的正常工作.对于欠密类流星余迹形成的瞬态干扰,已经有了有效的抑制方法.但对于过密类余迹或多个欠密类余迹混合而形成的长持续时间的干扰,目前尚未提出有效的抑制方法.针对流星余迹干扰的特点,利用特征子空间理论,提出了有效消除非瞬态流星余迹干扰MTI滤波的方法.实测数据的仿真结果表明了这种算法的有效性和实用性.     

天波超视距雷达瞬态干扰抑制方法

瞬态干扰是影响天波超视距雷达检测性能的主要因素之一,因此必须对瞬态干扰进行抑制.提出了一种改进复经验模式分解方法以抑制天波超视距雷达中的瞬态干扰.该方法利用小波包分解将回波信号先分解成一系列窄带信号,再对每一个窄带信号进行复经验模式分解,然后对各个固有模态函数进行归一化相关性筛选处理,最后对剩余信号进行瞬态干扰检测和剔除.该方法的主要优点是无须杂波抑制和数据预测重构.实测数据处理结果表明该方法能有效地检测和抑制瞬态干扰.     

入侵式野草优化粒子滤波方法

针对粒子滤波存在的样本集贫化现象,将入侵式野草优化思想融入粒子滤波的采样阶段,提出了一种入侵式野草优化粒子滤波方法。该方法通过优化采样过程并融合最新观测值,使粒子以自身权值在附近搜索空间动态繁衍,优胜劣汰出具有最优权值的粒子集,以指导粒子向后验概率的局部高似然域运动,增加了样本多样性而缓解样本集贫化现象。试验结果表明,该方法具有较高估计精度与运行效率。     

岸-舰多基地地波超视距雷达的发射波形及其解调

根据岸-舰多基地地波超视距雷达的发射站采用多个发射天线,同时辐射不同载频信号,并实现“广播”发射的要求,提出了该雷达工作波形参数的设计原则,研究了调频中断连续波(FMICW)在该雷达中的应用,定量分析了有关参数的选取与距离分辨率、最大不模糊距离、跨多普勒单元等之间的关系．由于接收站安装在舰船上,不能直接得到发射样本,故不能采用传统模拟混频的方法进行解调,研究了在接收站对发射波形的全数字化的解调方法,计算机模拟结果表明所设计的工作波形的可行性和有效性．     

基于栅格粒子滤波的人体头肩三维姿态估计

为了实现单目视频中人体头部和肩部位置的自动跟踪,并估算出人体头肩部的三维姿态.提出了一种新的基于头-肩三维模型的栅格粒子滤波方法,使用Chamfer距离进行边缘相似性度量.算法使用一个预先生成的离散化的栅格状态空间,在每一个时间步将该状态空间的一个较小的子空间作为粒子的搜索空间,有效地限制了所用粒子数量,提高了粒子滤波过程的执行效率.由于三维信息的缺失,单目视频中人体三维姿态估计一直是一个难点问题.而实验结果表明,本方法能够有效并准确地估计出人体头肩部的三维姿态,为人体姿态分析和行为理解的研究提供了一个新的基础.     

基于支持向量机粒子滤波的目标跟踪算法

针对传统粒子滤波目标跟踪算法存在的粒子退化问题,提出了一种新的基于支持向量机的粒子滤波目标跟踪算法。该算法利用滤波过程中的预测粒子集及其权值,使用支持向量机估计出系统状态的后验概率密度,再根据该概率密度重采样更新粒子集,以提高粒子的多样性,从而克服粒子的退化现象。仿真结果表明,该算法能显著增加有效粒子的数量,其目标跟踪精度优于马尔可夫链蒙特卡罗移动方法以及正则粒子滤波算法。     

基于TAM的卫星角速度粒子滤波估计算法

针对带有三轴磁强计(TAM)的低轨对地卫星非线性模型的角速度估计问题,提出一种新的基于粒子滤波(PF)的卫星角速度估计算法.该算法不需要地磁场模型矢量和卫星姿态信息,只依靠TAM测量输出和PF滤波方法来解决角速度估计问题,取得了较高的估计精度.同时,为解决转动惯量参数可能存在未建模特性的问题,采取了双PF滤波器既估计角速度又估计转动惯量参数,从而避免由于状态高维数而引起的PF算法的计算量过大问题.考虑到采用粒子滤波估计转动惯量参数的特殊性,引入参数估计的核光滑(Kernel smoothing)方法,进而提高了转动惯量参数估计的精度,减少了转动惯量的不确定性对角速度估计精度的影响.最后,在不同参数的情况下,与EKF角速度估计方法进行比较,结果体现所提算法在解决角速度估计问题的优越性.     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

拟蒙特卡罗聚合重采样粒子滤波无源定位算法

提出一种基于拟蒙特卡罗聚合重采样粒子滤波的机载无源定位算法．首先利用基于离散状态空间的粒子聚合技术对空间相近粒子进行加权聚合,在保证粒子空间分布合理性的同时有效抑制了粒子的退化;然后采用拟蒙特卡罗技术将重采样后的粒子向高似然区移动,优化了粒子在状态空间中的分布特性,提高了滤波精度．仿真结果表明: 新算法对比拟蒙特卡罗高斯粒子滤波算法,在保证滤波精度的同时,提高了运行效率．     

相干雷达极化自适应匹配滤波器

提出了高斯杂波背景下相干雷达极化自适应匹配滤波器的结构．将先前的单通道和双通道自适应匹配滤波器推广至一般极化接收通道情况,利用雷达回波的极化信息来提高检测性能．推导出了虚警概率表达式．研究结果表明,多极化通道自适应匹配滤波器相对于杂波协方差矩阵有恒虚警的性质．仿真分析了不同极化状态时的检测性能．     

基于扩展Kalman滤波的汽车行驶状态估计

介绍了一种应用扩展Kalman滤波技术估计车辆行驶状态的控制算法。该算法以非线性三自由度车辆模型为基础,对汽车在行驶过程中的横摆角速度、纵向车速和质心侧偏角分别进行了估计。为验证该算法的准确度,将估计获得的状态值与实车场地实验测得的数据进行了比较。比较结果说明,应用扩展Kalman滤波算法能够较为准确地估计出车辆的横摆角速度、纵向车速和质心侧偏角。     

和声搜索粒子滤波视觉跟踪

为了降低粒子滤波精度对精确重要性采样函数的依赖性,提高粒子滤波的视觉跟踪效果,将和声搜索引入到粒子滤波框架中,提出了一种基于和声搜索的粒子滤波视觉跟踪算法.通过记忆考虑、基因变异、随机变异等和声搜索算子结合当前观测信息,改善了粒子滤波视觉跟踪算法的重要性采样函数,增强了重要性采样函数对系统状态转移模型的鲁棒性.同时,对和声搜索参数进行了优化,平衡了视觉跟踪实时性和精确性的要求,并对粒子的权重进行了补偿,使其符合粒子滤波的理论基础贝叶斯估计.实验结果表明:优化的和声搜索参数,比常见参数更适合和声搜索粒子滤波;与基于粒子滤波、和声搜索、Mean-Shift改进的粒子滤波、分布场、多示例学习等视觉跟踪算法相比,和声搜索粒子滤波视觉跟踪算法能够在光线变化、遮挡等复杂场景下获得了更精确的视觉跟踪效果.和声搜索粒子滤波算法较好地结合当前观测与历史信息,获得鲁棒的视觉跟踪性能.     

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明：在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。     

基于ispPAC10实现状态变量有源滤波器

利用在系统可编程模拟器件(ispPAC10)构成状态变量有源滤波器的方法,对ispPAC10实现的二阶低通、二阶高通、二阶带通滤波器进行性能仿真,证明该滤波器具有性能稳定,参数调整方便,灵敏度低等优点.     

基于平方根容积卡尔曼滤波的目标状态与传感器偏差扩维联合估计算法

针对传感器存在系统偏差条件下的三维目标跟踪问题,基于高斯求积规则与三阶球面-径向容积规则,设计了基于平方根容积卡尔曼滤波的目标状态与传感器系统偏差扩维联合估计算法(Augmented state squared-root cubature Kalman filter,ASSRCKF)。仿真分析表明,ASSRCKF不仅避免了扩维扩展卡尔曼滤波算法因模型线性化误差易导致滤波发散的问题,且克服了扩维不敏卡尔曼滤波算法在高维系统中数值不稳定的缺点,算法实时性好,能更加有效地解决带有系统误差的非线性状态估计问题。     

合成孔径声纳运动估计的鲁棒Kalman滤波方法

针对存在观测野值影响的合成孔径声纳运动测量难题,提出利用M-估计原理进行参数最优估计,使得估计误差在一类Huber函数下最小,而不像Kalman滤波那样,寻求估计误差在二范数下的最小,并构造了鲁棒Kalman滤波算法,用来处理合成孔径声纳姿态、运动估计问题．由于Huber函数对大的估计误差不敏感,可以有效地克服观测野值的影响,同时计算机仿真结果表明,该方法在系统存在野值的情况下,仍能对合成孔径声纳运动参数进行估计．     

汽车防撞雷达系统滤波器的设计

针对调频连续波 (FMCW)汽车防撞雷达实际信号的特点 ,设计了一种用于该汽车防撞雷达有用信号提取的系统滤波器 ,分析了其前级宽带模拟带通滤波器和后级数字信号处理器 (DSP)程控自适应滤波器的设计原理与具体实现 .试验数据表明 ,该系统滤波器可以有效的去除干扰并实现有用信号的精确提取