导航信号载波跟踪环路的研究

针对动态环境下的GPS导航信号,研究了载波跟踪环路的设计.三阶锁相环能准确无误的跟踪频率斜升激励,环路参数较多,在噪声性能优化上拥有更广的自由度,采用二阶锁频环辅助三阶锁相环的载波跟踪环路,并给出了环路参数的设计方案,分析了环路参数对环路测量误差的影响.     

基于FLL与PLL级联的高动态载波跟踪技术

高动态给载波的跟踪带来了很大的困难,本文研究采用锁频环（FLL）和锁相环（PLL）相结合的方法来实现载波跟踪。对常用的叉积自动频率跟踪环（CPAFC）提出了改进,改进后的鉴频算法具有更宽的鉴频范围和更小的估计误差。通过MATLAB对整体环路进行了仿真,结果表明该环路可实现在低信噪比、多普勒频移为±300 kHz、频率一次变化率为30 kHz/s下实现载波的跟踪。     

高阶正交调幅载波恢复算法的研究

设计了一种适合于高阶正交调幅(quadrature amplitude modulation,QAM)信号的载波恢复环路结构。此结构从减小相位抖动和增加频率捕获范围的角度出发,采用双模载波同步,且环路带宽可控制的载波恢复环路。在鉴相阶段引入带加权的判决导向(decision director,DD)算法,从而获得快速的载波恢复性能。仿真结果验证了该算法的可行性和有效性,可以在较大频率偏移条件下快速实现高阶QAM载波相位精确跟踪,频率偏移估计范围可达0.3符号率,同时证明该算法也同样适用于十字型QAM信号。     

基于改进强跟踪无迹卡尔曼滤波的电力信号同步相量跟踪算法

配电网中各类噪声对相量测量产生较大影响,研究在高噪声环境下能够可靠检测并能快速跟踪电力信号突变的同步相量测量算法,对保证电网的稳定性与可靠性具有重要意义.提出基于量测量误差协方差次优估计的自适应强跟踪无迹卡尔曼滤波(SEMEC-ASTUKF)的同步相量测量算法.首先根据递归最小二乘法提出一种自适应常值噪声统计估计器提高量测噪声协方差估计精度;然后根据电力信号突变后特征,构建突变检测算法和渐消因子次优估计算法,改善强跟踪无迹卡尔曼滤波(STUKF)算法在高噪声环境下对突变检测能力弱和跟踪突变慢的缺陷.利用实测信号对算法性能进行验证,结果表明,SEMEC-ASTUKF算法具有更高的测量精度,对突变具有更好的检测灵敏度和更高的跟踪速度.     

点目标视频跟踪中的噪声自适应卡尔曼滤波器

针对卡尔曼滤波器在实用过程中所遇到的运动模型选择以及噪声给定问题,基于视频点目标的特征,提出了一种点目标视频跟踪中的噪声自适应卡尔曼滤波算法.该算法结合双步动态模型,在滤波过程中根据速度的相关系数调整运动模型参数,使运动模型更加切合实际.此外,该算法结合运动模型以及观测数据对一段时间的过程噪声进行估计,同时基于成像特性,利用单帧图像中灰度值的分布,对单次观测的观测噪声进行实时估计,实现过程噪声和观测噪声的自适应.根据在外场进行的仿真实验和实际跟踪实验结果,文中所提出的方法能够有效地保证跟踪精度.     

高动态环境下GPS信号处理与分析

为了研究如何消除高动态环境下多普勒频移对GPS信号的影响,首先根据多普勒频移,中频信号频率,载噪比等参数建立高动态GPS中频信号数学模型,得出一个高动态中频信号.然后,根据模拟的中频信号,分析载体的高动态运动对捕获和跟踪造成的影响,结合跟踪环的工作原理和数学模型,设计一个环路噪声带宽随多普勒频移可变化的跟踪环路,得到了...     

基于自适应强跟踪滤波器的汽车行驶状态软测量

针对汽车底盘控制系统中一些关键汽车行驶状态难以准确直接测量以及测量成本较高的问题,在自适应卡尔曼滤波算法和强跟踪滤波算法的基础上,提出基于自适应强跟踪滤波器的汽车行驶状态估计方法.结合纵向、侧向和横摆3自由度非线性汽车模型,将其应用于汽车行驶状态的软测量之中,并与扩展卡尔曼滤波算法进行比较分析.通过Carsim和Matlab/SIMULINK联合仿真的双移线试验的结果表明,在非线性区域内,自适应强跟踪滤波器能快速、准确跟踪汽车状态.该算法在估计精确度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.     

基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔曼滤波(adaptive interpolation strong tracking extended Kalman filter,AISTEKF)算法,用于电力系统的动态状态估计。新算法利用自适应插值在两个连续采样点之间增加伪量测值,减小了EKF的线性化误差,有效提高了算法估计的精度;此外,该方法在EKF算法基础上引入强跟踪理论,增强了算法估计的鲁棒性。为验证所提出方法的有效性,分别运用EKF算法、自适应插值扩展卡尔曼滤波(adaptive interpolation extended Kalman filter,AIEKF)算法和AISTEKF算法对IEEE-5节点系统和IEEE-30节点系统进行动态状态估计。实验结果表明,与EKF和AIEKF算法相比,无论在高斯噪声环境下还是3种有偏噪声环境下,AISTEKF算法的电压幅值估计精度和电压相角估计精度都有显著性提高。所提出的新算法是一种鲁棒性好且估计...     

基于强跟踪容积卡尔曼滤波的永磁同步电机转子位置估计

对于电动汽车内置式永磁同步电机(IPMSM)驱动系统,转子位置的精度在高性能无传感器矢量控制中起到极其重要的作用。当电机在运行过程中受到外界干扰和系统状态突变时,传统的容积卡尔曼滤波(CKF)算法的动态响应较差,导致对转子位置的跟踪能力下降,估计精度降低,甚至引起滤波器发散。因此,本文采用强跟踪容积卡尔曼滤波(STCKF)算法,在传统的容积卡尔曼滤波的基础上引入了强跟踪滤波器(STF),进而动态改善容积卡尔曼滤波算法的估计精度和跟踪能力。在Matlab/Simulink中对改进的转子位置估计算法进行仿真分析,并且进行测功机台架实验。实验结果表明:强跟踪容积卡尔曼滤波算法响应快,跟踪能力强,估计精度相比于传统的容积卡尔曼滤波算法提高19%。     

一种自适应变分贝叶斯容积卡尔曼滤波方法

针对应用于非线性系统模型的容积卡尔曼滤波工作性能会受观测噪声参数变化的影响而降低的问题,提出一种自适应的变分贝叶斯容积卡尔曼滤波算法。在每一次更新步骤中,将系统状态与变化的观测噪声统计信息一起作为随机变量,并用变分贝叶斯方法进行估计,在迭代逼近得到噪声方差后,再利用容积卡尔曼滤波对系统状态进行更新。仿真实验证明变分贝叶斯容积卡尔曼滤波算法在非线性系统的滤波问题中能够较好跟踪变化的观测噪声方差,相比容积卡尔曼滤波拥有较好的估计性能。     

基于Sigma点卡尔曼滤波器的电力频率跟踪新算法

通过变换,首先将三相电压信号转换成一复电压信号,再利用一种复数型Sigma点卡尔曼滤波(CSPKF)算法以改进对发生谐波畸变和随机噪声干扰的电力系统电压信号的频率进行动态估计和跟踪的过程。理论证明,CSPKF算法与现有的复数型扩展卡尔曼滤波(ECKF)算法相比具有更佳的跟踪精度和稳定性。此外,CSPKF算法还成功解决了所有卡尔曼滤波算法都必须面对的当算法收敛后,系统参数发生突变的情况下需要重置误差协方差矩阵来重新跟踪这些变化的问题,进一步提高了其跟踪速度。对几种暂态电力信号模型的算法仿真表明,CSPKF算法具有优异的动态跟踪性能,迅速跟踪频率和幅值变化的同时又保持了较低的跟踪误差。     

考虑衰减直流分量的动态相量强跟踪测量算法

故障电流信号的频率变化以及包含的衰减直流分量会严重影响基于傅里叶变换的相量测量算法的精度和动态响应速度。文中提出了一种利用强跟踪滤波器滤除衰减直流分量的动态相量测量算法。首先,将衰减直流分量用其二阶泰勒展开多项式来表示,在状态变量中添加衰减直流分量及其一阶导数和二阶导数,建立含有基波角频率、幅值等参数和衰减直流分量参数的故障电流的非线性状态空间模型,减小信号估计的模型误差。其次,为了提高扩展卡尔曼滤波器在系统达到稳定时对系统参数突变的跟踪能力,利用强跟踪滤波器递推估计各状态变量。所提方法能够有效抑制衰减直流分量对相量测量精度的影响,对时变故障电流信号具有良好的动态响应能力。采用所提算法对加噪声的数值信号以及ATP-EMTP故障仿真信号进行相量测量,结果验证了算法的正确性与有效性。     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于改进的RBAUKF的电力频率跟踪新算法

将电力系统的三相电压信号构造成一复信号,然后利用改进的RBAUKF算法对发生谐波和随机噪声干扰的电力系统电压信号进行动态估计和频率跟踪。针对电力系统中充满谐波畸变和随机噪声干扰,而复数型扩展卡尔曼滤波(ECKF)只是对非线性映射本身做某种线性近似等问题,在基于无迹卡尔曼滤波(UKF)算法的基础上,提出改进的无迹卡尔曼滤波(RBAUKF)的估计算法,并与复数型扩展卡尔曼滤波做了相应比较。经过对几种暂态电力系号模型的仿真试验表明,改进的RBAUKF在计算复杂度和估计精度上都优于ECKF。     

基于LQEKF的机载光电平台的模型预测控制

为了提高机载光电平台对目标稳定跟踪控制性能，提出一种基于线性二次增强卡尔曼滤波器的机载光电平台模型预测控制算法。建立机载光电平台的动力学模型，在卡尔曼滤波状态估计的基础上，引入线性二次调节器增益减小估计状态的相位延迟，使状态估计值更为精确，利用估计的状态设计模型预测控制器，减小目标跟踪误差。跟踪目标仿真实验结果与卡尔曼滤波状态估计结果最大误差减小了58.14%，与扩展卡尔曼滤波状态估计最大误差减小了52.62%，表明本算法能够有效提高机载光电平台对目标的跟踪控制性能，实现了机载光电平台对目标的稳定跟踪控制。     

基于遗传算法优化的定子磁链扩展卡尔曼估计方法

定子磁链估计的精度直接关系到异步电机直接转矩控制(DTC)的控制效果,本文提出了一种基于扩展卡尔曼滤波器(EKF)的定子磁链观测方法,该方法选取DTC反馈通道中多个主要参数作为状态变量进行联合滤波估计,为保证EKF算法滤波参数的准确性,采用遗传算法(GA)对EKF中的系统噪声矩阵和测量噪声矩阵进行了优化处理.通过使用该方法设计的磁链观测器与DTC构成闭环系统进行仿真实验表明,滤波参数优化后的EKF算法更加有效地提高了磁链估计精度,从而提高DTC系统的低速控制性能.     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square-root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。     

基于改进鲁棒自适应UKF的配电网动态状态估计方法

配电网动态状态估计中状态方程的过程噪声统计参数是未知而且时变的,因此在状态估计过程中需要在线对过程噪声统计参数进行实时估计,而且不准确的噪声参数将会导致无迹卡尔曼滤波器的滤波性能下降甚至滤波发散。文中研究了基于改进鲁棒自适应无迹卡尔曼滤波器的配电网动态状态估计方法,其噪声参数统计估值器由一个有偏的和一个无偏的估值器组成,可以提高在状态估计过程中噪声参数估计的准确性,同时确保过程噪声方差矩阵的半正定性,从而保证算法的鲁棒性。通过对IEEE 33节点系统进行仿真验证,结果表明所提方法在系统平稳运行、负荷发生剧烈变动或者初始噪声参数值设置不当的情况下,均能保证较高的状态估计精度。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于Pn P的自适应线性卡尔曼滤波位姿估计求解方法。将Pn P位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。