带有色观测噪声的多传感器协方差交叉融合Kalman滤波器及其精度分析

对于带有色观测噪声、公共干扰噪声和量测偏差的多传感器线性定常系统,应用协方差交叉融合估计算法,提出批处理协方差交叉融合(BCI)稳态Kalman滤波器和序贯协方差交叉融合(SCI)稳态Kalman滤波器,此方法可避免计算局部滤波误差互协方差,减小计算负担。特别,相比于每个局部滤波器的精度,所提出的协方差交叉融合Kalman滤波器的精度高。通过引入协方差椭圆给出了协方差交叉融合滤波器精度关系的几何解释。为了验证理论精度关系的正确性,最后给出一个跟踪系统Monte-Carlo仿真例子。     

基于CI算法的多传感器时滞航迹的分布式融合估计

网络的传感器节点向处理中心传输局部估计时,不可避免地存在随机延迟,从而导致航迹无序现象频发。在分布式框架下,研究多传感器时滞航迹的融合估计问题。采用最新可利用的局部估计原则,若未收到最新局部估计,则用之前收到的最新的估计进行预报。进而,运用避免计算互协方差阵的CI算法进行分布式融合。避免了计算互协方差阵,且能改善局部估计的精度。仿真例子说明算法的有效性。     

具有未知传输干扰和丢包的网络化多传感器系统的CI融合滤波器

研究了具有未知传输干扰和观测丢失的网络化多传感器系统的滤波器设计问题。采用一组满足伯努利分布的随机变量来描述观测丢失现象。在没有传输干扰任何信息的情形下,基于线性无偏最小方差估计准则,设计了系统状态的具有Kalman形式的递推滤波器。应用CI(Covariance Intersection)融合算法给出了分布式次优融合状态滤波器。并基于融合状态滤波器给出了未知传输干扰估计。仿真验证了该算法的有效性。     

带未知观测输入和观测丢失多传感器随机不确定系统的集中式融合滤波

对带未知观测输入和观测丢失的多传感器随机不确定系统设计了集中式融合滤波器。通过乘性噪声描述的随机不确定性存在于系统的状态和观测矩阵中。在没有观测干扰任何先验信息的情况下,应用线性无偏最小方差准则,设计了不依赖于未知观测输入的具有Kalman形式的集中式融合滤波器。仿真验证了算法的有效性。     

带有多随机观测时滞系统的最优满阶滤波器

研究了带有多随机观测时滞系统的满阶滤波器设计问题。利用一组服从Bernoulli分布的白噪声序列来描述具有时间戳的随机滞后的观测。采用射影理论,提出了线性最小方差最优满阶Kalman滤波器,与基于概率的滤波算法相比具有更高的精度。仿真实例验证了该算法的有效性。     

半参数Kalman滤波模型在GPS变形数据处理中的应用

提出半参数回归模型改进经典Kalman滤波系统误差和协方差矩阵,以消除系统误差对滤波的影响。将半参数Kalman滤波模型应用于GPS变形监测数据去噪等数据预处理中,并与自适应Kalman滤波和抗差自适应Kalman滤波进行对比,通过应用实例对比分析表明,半参数Kalman滤波模型去噪及预测精度更高,应用效果更好。     

采用ARUKF算法的电力系统动态状态估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行电力系统状态估计时容易受到系统噪声和量测粗差影响的缺点,提出了一种新的自适应抗差无迹卡尔曼滤波(adaptive robust unscented Kalman filter,ARUKF)算法来改善估计过程中系统的稳定性。通过添加Sage-Husa噪声滤波器和抗差估计器,提高了未知噪声情况下系统的适应性及量测粗差情况下系统的滤波处理性能。实验结果表明,所提出的ARUKF方法与传统的UKF方法相比,在收敛速度基本不变的情况下,解决了滤波过程中系统噪声未知导致的估计精度下降问题,在系统存在粗差时具有更好的鲁棒性。     

基于交叉熵的NC-OFDM系统最优导频序列设计算法

针对NC-OFDM(non-contiguous orthogonal frequency)系统子载波非连续且动态变化导致传统等间隔分布的导频序列设计算法计算复杂度高、频谱利用率低和处理时延大等问题,提出了基于交叉熵的最优导频序列位置优化设计算法。算法以最小化系统均方误差为准则,采用交叉熵算法在所有可用子载波中求解目标函数的最优解,有效解决了传统穷举搜索算法计算复杂度高的问题。与传统算法相比,所提算法保证了信道估计精度,降低了系统均方误差和误码率,从整体上提高了系统性能。     

高度非线性弹塑性模型的半隐式算法实现

对高度非线性弹塑性本构模型当采用全显式算法进行数值实现的过程中存在误差积累和精度较低的缺点。当采用Newton-CPPM隐式算法进行数值实现的过程中容易出现Jacobian矩阵奇异和不收敛问题。为提高精度、改善收敛性并提高计算效率,提出一种半隐式算法,并采用半隐式算法对Newton-CPPM算法的迭代初值进行改进,形成了改进的隐式算法。最后,以考虑结构性的SANICLAY模型为例,对全显式算法、半隐式算法、隐式算法和改进隐式算法在计算收敛性、计算效率和计算精度方面进行对比。结果表明,半隐式算法可以有效解决显式算法精度低和误差积累的缺点,其计算精度与改进后的隐式算法的计算精度相近。改进后的隐式算法可以有效解决Jacobian矩阵奇异和不收敛问题。     

无人机在高层建筑灭火中的视觉算法研究

在高层建筑灭火救援中,针对传统飞行控制器在GPS受高温干扰时远程目标瞄准易失效等缺点,提出Kalman滤波算法与均值漂移相结合的算法实现对火焰目标快速准确识别,利用Kalman滤波器进行辅助位置预测,可以在一定程度上解决目标尺寸变化过大或被遮挡等情况导致的目标丢失或误判问题。实验结果表明,本文算法可以一定程度上降低高层无人机灭火视觉识别失效率,其位置预测的稳定性、精度、抗干扰能力基本都满足要求,对于扑救初期火灾具有一定意义。