平方根求积分卡尔曼滤波器

 针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种近似递归的高斯滤波器:平方根求积分卡尔曼滤波器(SRQKF).该滤波器是在求积分卡尔曼滤波器(QKF)基础上的平方根实现形式,使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数的;滤波器采用平方根的实现方法,不仅增强了数值的鲁棒性,确保了状态协方差矩阵的半正定性,而且在一定程度上提高了滤波精度.仿真实验表明,SRQKF的滤波精度比QKF提高约12%,且均高于无味滤波器(UF)和扩展卡尔曼滤波器(EKF),但这二者的计算复杂度均比UF和EKF大.对滤波精度要求比较高的非线性场合,新滤波器是一种很有效的非线性滤波算法.     

一种目标特性辅助的积分粒子滤波新方法

针对非均匀稀疏采样环境下目标跟踪中的非线性滤波问题,提出了一种基于Gauss-Hermite积分和目标特性辅助的积分粒子滤波新方法(AQPF).在该方法中,构建了基于Gauss-Hermite积分的积分点概率密度函数作为重要性密度函数,同时,在时间更新阶段引入目标观测、目标观测的有效时间间隔、目标速度等目标特性,综合改善滤波器中预测粒子和预测协方差估计的准确性和粒子的多样性,有效提高目标状态的估计性能.实验结果表明,提出方法的估计性能要明显好于无迹kalman滤波(UKF)、积分kalman滤波(QKF)、粒子滤波(PF)、辅助粒子滤波(APF)和高斯粒子滤波(GPF),能够有效对目标状态进行估计.     

自适应平方根球型无迹卡尔曼滤波算法

针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法（Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF）。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。     

基于粒子滤波器的非线性估计方法

介绍基于粒子滤波器的非线性估计方法.采用正则化粒子滤波器来缓解粒子滤波器重采样造成的问题,改进了粒子滤波器的性能.在一种典型的非静态增长模型下比较EKF,UKF,PF和RPF的滤波性能差异.仿真结果表明,PF在滤波精度方面优于EKF和UKF,而RPF在精度和计算复杂度等方面均优于PF.     

自适应SCKF在机动目标跟踪中的应用

目标跟踪系统的数学模型或统计特性的不确定性,往往会导致机动目标跟踪精度降低甚至跟踪发散。在综合平方根求容积卡尔曼滤波算法和改进的Sage-Husa估计器的基础上,提出一种自适应求容积平方根卡尔曼滤波算法。该算法通过实时估计未知系统噪声,抑制由于噪声统计特性未知时变而导致的滤波误差,从而实现机动目标的自适应跟踪。仿真结果表明,在系统噪声未知时变,且与先验系统噪声存在一定差异时,自适应平方根求容积卡尔曼滤波器能有效地改进标准平方根求容积卡尔曼滤波器的跟踪精度和跟踪稳定性。     

UKF强跟踪滤波在组合导航故障诊断中的应用

针对组合导航系统故障诊断,在强跟踪滤波理论的基础上,对无迹卡尔曼(UKF)强跟踪滤波法进行了研究.UKF强跟踪滤波法兼具UKF和强跟踪滤波器的优点:较强的处理非线性问题的能力和强跟踪能力.最后,将该方法应用于组合导航系统故障诊断,设置不同的故障模式,与强跟踪滤波法进行了对比仿真研究.从仿真结果可看出,两种方法对硬故障的灵敏度接近,UKF强跟踪滤波法对软故障的灵敏度明显高于强跟踪滤波方法.由此证明UKF强跟踪滤波器对于突变状态具有强跟踪能力,对于缓变故障具有优于其他方法(强跟踪滤波)的敏感能力,提高了组合导航系统的精度、可靠性和安全性,可应用于工程实际.     

一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

基于卡尔曼滤波和粒子滤波器级联模型的静基座惯导初始对准算法及仿真

传统静基座初始对准主要采用扩展卡尔曼滤波技术。扩展卡尔曼滤波器本质上要求系统近似线性。当近似线性要求得不到满足,会产生很大的偏差,大大降低对准精度,甚至会发散。粒子滤波是一种新出现的滤波技术,对模型不作线性限制,非常适于解决非线性问题,估计精度大大高于传统扩展卡尔曼滤波器。但是,要求维数不能太高,否则会产生计算灾难问题。惯导误差模型的维数较高,这使得粒子滤波技术无法实际应用于初始对准中。本文通过对静基座误差方程进行分析,提出了一种级联模型。将原有模型分解为级联的两个子模型,每个子模型的状态变量维数都很低,然后对两个子模型分别应用卡尔曼滤波器和粒子滤波器进行滤波处理。实验仿真结果表明,这种基于卡尔曼滤波器和粒子滤波器级联模型的算法降低了计算量,大大提高了初始对准的精度,具有重要的现实意义。     

健康管理对老年冠心病危险因素治疗及控制率影响

捷联惯导系统(SINS)静基座初始对准中,过高的陀螺噪声不但导致系统状态方程非线性,也会使对失准角的估计不能收敛到真值.因此,提出了一种磁强计辅助对准方法,对系统观测方程的分析证明了该方法不仅可提高滤波精度,同时还可对磁场强度和磁倾角进行估计.非线性滤波采用平方根无迹卡尔曼滤波(SRUKF),SRUKF与无迹卡尔曼滤波(UKF)滤波精度相当,优于扩展卡尔曼滤波(EKF).相比UKF,SRUKF具有更高的计算效率和稳定性.仿真结果表明,该算法在陀螺噪声较高的情况下仍能满足SINS初始对准要求.     

基于UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,对通常的UKF作了适当的改进。与推广卡尔曼滤波器(EKF)相比,UKF能更好解决量测模型非线性问题,滤波性能更好,而且UKF的计算量与EKF是同阶的。     

基于STF和7thCQKF的状态突变系统跟踪算法

针对传统非线性滤波算法对状态突变的鲁棒性较差,存在跟踪缓慢甚至失效的问题,提出了强跟踪七阶正交容积卡尔曼滤波(ST-7thCQKF)算法.算法将对非线性系统滤波效果良好的七阶正交容积卡尔曼滤波(7thCQKF)与强跟踪滤波(STF)融合,通过在7thCQKF的预测协方差中引入渐消因子调节增益矩阵,提高算法对状态突变系统...     

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.     

改进的交互式多模型粒子滤波跟踪算法

通常的交互多模型卡尔曼滤波(IMMKF)或交互多模型扩展卡尔曼滤波(IMMEKF)对于非高斯问题无能为力;对于非线性问题,其性能不及交互多模型粒子滤波算法(IMMPF)。粒子滤波能够处理非线性/非高斯问题,其与交互式多模型结合用来获得更好的跟踪性能。然而,粒子滤波的主要问题是巨大的计算量,由于粒子滤波通常采用大量的粒子数目,将带来很大的计算负荷。该文提出了一种改进的交互多模型粒子滤波算法,其利用多模型综合使用了卡尔曼滤波和粒子滤波,与常规交互式多模型粒子滤波(IMMPF)相比,大大改善了计算效率。对于非线性/非高斯问题,其性能与IMMPF相当;对于线性问题,其性能与IMMEKF相当,并优于IMMPF的性能。     

光电跟踪系统几种次优非线性卡尔曼滤波性能比较

为在光电目标跟踪中选择性能最优的非线性卡尔曼滤波提供参考依据,对光电跟踪系统中应用广泛的扩展卡尔曼滤波、无迹滤波和中心差分滤波3种滤波方法,分别在二阶常速、三阶常加速模型和"当前"统计模型下实现的性能进行仿真实验对比和分析。比较和分析结果显示无迹滤波的性能要明显优于另外两种方法;"当前"统计模型下的滤波精度要高于另外两种模型。     

数字正交调制器及其硬件设计

根据数字信号处理理论，讨论了数字正交调制器的原理和设计方法，以及数据内插和数字内插滤波的设计方法；并在此基础上讨论了数字正交调制器的硬件电路设计问题。在雷迭杂波信号重构方面，初步试验表明数字正交调制方法比传统的线性正交调制方法具有更高的信号重构精度。     

简化UKF在机载IRST系统被动测距中的应用

针对机载IRST系统被动测距问题,给出了一种简化的UKF(SUKF)算法。算法无需对状态变量进行扩维,对于线性状态方程使用了和卡尔曼滤波相同的时间更新方法,对于非线性测量方程保持了UKF的特征,既继承了UKF的优点又减小了算法的运算量。仿真结果表明,SUKF在测距精度和收敛速度上明显优于EKF,其性能与标准UKF相同但计算耗时少,适合于机载IRST系统被动测距的实时处理。     

加窗全相位半带滤波器在PR QMF组中的应用

研究了一种可以完全重建输入信号的滤波器,称之为正交镜像滤波器(Quadrature Mirror Filter,QMF)。这种滤波器在重建信号方面非常有效。文中设计采用一种对加窗全相位半带滤波器直接进行谱因式分解的方法来完全重建(Perfect Reconstruction,以下简称PR)输入信号的二通带QMF组。通过Matlab实例仿真,得到通带波纹小、阻带衰减大的QMF组,滤波器性能得到明显改善。     

A novel robust filtering strategy for systems with Non-Gaussian noises

For estimating the states of moving targets in the nonlinear system with non-Gaussian noise, the combination of Gaussian Sum Filter (GSF) and other nonlinear filters has been chosen as the filtering algorithm conventionally. The Smooth Variable Structure Filter (SVSF) is a new predictor-corrector method used for state and parameter estimation, which has good stability and robustness. In this paper we propose a new strategy called the modified GS-EKF-SVSF, which inherits good robustness of Gaussian Sum and Smooth Variable Structure Filter (GS-SVSF) and high accuracy of Gaussian Sum and Extended Kalman Filter (GS-EKF). A nonlinear system with non-Gaussian noise for target tracking is used to test the proposed new strategy. The simulation results demonstrate that our proposed strategy has higher accuracy and better robustness when there are modelling uncertainties existing in the system.