平方根容积卡尔曼滤波算法及其应用

针对使用扩展卡尔曼算法（extended Kalman filter,EKF）对复杂非线性状态估计时收敛速度慢、估计精度低的问题,提出一种平方根容积滤波算法（square root cubature Kalman filter,SRCKF）。SRCKF使用基于容积原则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性。把平方根容积卡尔曼滤波算法（SRCKF）应用到未知弹道系数的再入弹道目标的状态进行估计中。Monte Carlo数值仿真表明,平方根容积滤波算法大大降低了未知弹道系数的再入弹道目标的状态估计误差,提高估计精度,且运行速度较快。     

联邦式扩展卡尔曼粒子滤波算法

为了使联邦滤波器能有效处理非高斯、非线性系统的状态估计问题,提出将扩展卡尔曼粒子滤波引入联邦滤波结构中,得到一种新的联邦式扩展卡尔曼粒子滤波算法。使用扩展卡尔曼粒子滤波对联邦滤波子系统的多源数据进行处理,从而摆脱了经典卡尔曼滤波的限制,拓宽了联邦滤波器的实际应用范围。将联邦式扩展卡尔曼粒子滤波算法应用于非线性滤波器的一个标准验证模型进行了仿真实验,结果表明该算法是有效性的。     

基于后验量测修正的卡尔曼滤波算法

针对卡尔曼滤波器鲁棒性差,对突变状态跟踪能力有限的问题,提出了基于后验量测修正的卡尔曼滤波算法(PMKF)。该算法利用改进的判决准则对滤波状态进行实时判断,状态平稳时采用卡尔曼滤波,状态突变时采用提出的后验量测卡尔曼滤波算法(PKF)进行修正。理论分析及仿真结果表明,该修正算法不但削弱了状态突变对滤波的影响,克服了模型失配导致的滤波精度下降的问题,而且通过实时修正,提高了稳态时的滤波精度,缩短了滤波收敛时间。改进的判决准则对连续突变状态也具有更强的检测能力。     

一种基于圆阵测量的扩展卡尔曼滤波算法

为提高被动声定位系统的定位精度,本文提出了一种基于圆阵测量的扩展卡尔曼滤波算法,该算法首先对时延测量值进行预处理,以预处理直接作为卡尔曼滤波器测量方程的输入量,并利用台劳级数对非线性测量方程进行线性化。数值计算和仿真结果表明,该算法是较好的滤波、跟踪效果。     

自适应滤波算法在捷联惯导初始对准中的应用研究

针对捷联惯导系统静基座自对准过程中常规卡尔曼滤波器估计精度低且易发散的问题,提出了一种复合自适应卡尔曼滤波算法．该算法采用衰减记忆法利用信息实时估计系统噪声方差阵,并基于模糊推理的自适应因子调节滤波增益阵和系统噪声阵．仿真验证了该自适应算法较常规卡尔曼滤波有更强的稳定性和更高的滤波估计精度．     

观测噪声方差变化条件下系统状态估计方法

针对观测噪声方差时变情况下,非线性系统状态估计精度不高的问题,提出了一种改进的容积卡尔曼滤波方法。该方法首先采用变分贝叶斯滤波对系统的状态和观测噪声进行在线实时估计,保证了最新观测信息对参量的修正作用;接着,将估计的结果引入到传统容积卡尔曼滤波框架内实现非线性系统状态的迭代估计。仿真结果表明,该方法较好地改善了噪声统计特性时变情况下的估计精度,有效扩展了容积卡尔曼滤波在非线性系统状态估计方法中的应用范围。     

基于5阶降维平方根-容积卡尔曼滤波的动基座对准应用研究

为提高动基座下捷联惯导系统的对准精度、数值稳定性和减小计算量,将5阶容积卡尔曼滤波(CKF)、降维算法、多次离散和平方根(SR)滤波结合起来,形成5阶降维SR-CKF非线性对准方案。为减小5阶CKF的计算量,建立非线性-线性分离的系统模型,引入降维算法;为提高1阶龙格-库塔法的逼近精度,设计多次离散和时间更新的滤波框架;为提高数值稳定性,推导了5阶降维SR-CKF;比较常规3阶SR-CKF、5阶CKF和5阶降维SR-CKF的各项特性。实车动基座对准实验结果表明:该方案对准精度高、数值稳定性强、计算量小,满足应用需要。     

基于简化CKF/降维CKF混合滤波的非线性对准技术研究?

为了降低非线性对准的计算量而不损失对准精度,针对容积卡尔曼滤波( CKF)采样点数与状态维数成正比、计算量较大的问题,提出了基于简化CKF/降维CKF混合滤波的非线性对准方法。利用大失准角模型和基于线性观测方程的简化CKF算法进行水平对准;使用大方位失准角模型和降维CKF完成精对准。仿真结果表明,该方法摆脱了CKF算法的“维数灾难”和降维CKF对准应用条件限制,能够完成任意失准角下的初始对准并获得较高对准精度,具有重要的工程应用价值。     

采用渐消卡尔曼滤波器防止捷联惯导系统滤波发散研究

为了有效防止捷联惯导系统滤波发散，从卡尔曼滤波原理出发并对滤波发散的原因进行了研究，介绍了渐消卡尔曼滤波原理、遗忘因子等内容，通过对渐消因子的推导及计算机仿真，给出了常规卡尔曼滤波器和渐消卡尔曼滤波器对系统进行滤波的结果比较．该结果表明，采用渐消卡尔曼滤波器工程实践上确实可以解决的捷联惯导系统滤波发散的问题．     

固定指数加权模糊自适应EKF研究及其应用

为了改善扩展卡尔曼滤波（EKF）算法在机动目标跟踪中的跟踪性能,文中研究了一种固定指数加权模糊自适应扩展卡尔曼滤波技术,通过监视理论残差和实际残差的协方差一致程度。应用模糊推理系统不断调整滤波协方差,对扩展卡尔曼滤波器（EKF）进行在线自适应控制．最终实现最优估计。仿真结果表明,改进的算法稳定性高,精度得到明显改善．用于弱机动目标跟踪效果较好。