航天器相对视觉／IMU导航量测修正多速率滤波

针对具有单目视觉和惯导组件(IMU)的航天器相对导航问题,研究了以量测信息为修正手段的异速滤波算法.异速滤波也就是多速率卡尔曼滤波器,其中滤波过程被分解为量测更新和时间更新,根据实际情况选取滤波器周期,一般可选取频率较快的系统采样周期作为组合导航系统的滤波周期,根据是否有慢速信息决定在滤波时刻进行时间更新或者量测更新.为增强滤波器对观测信息的适应能力,设计利用量测信息对滤波量测噪声阵和状态估计误差协方差阵进行后验修正.理论分析和数学仿真均表明,基于量测修正的多速率卡尔曼算法能够提高滤波器的数据更新频率,同时改善滤波器的性能,提高导航系统的冗余度.     

基于UKF的电力系统动态状态估计

介绍一种简单而且计算量小的非线性UKF算法,并将其应用到电力系统动态状态估计中,能获得更高的精度。利用MATLAB软件编程,在9节点标准系统中进行了仿真验证。结果表明,该算法具有估计较高的估计精度和很好的鲁棒性。     

基于奇异值分解的UT变换

在基于Kalman滤波的非线性滤波方法中,近年来提出的无味滤波(Unscented Kalman Filter)以其计算简单和近似精度更高而受到青睐.这就需要利用UT变换(Unscented Transformation也称无味变换)求非奇异的协方差矩阵的平方根,而对于奇异的协方差矩阵或者在Kalman滤波更新中由于数值计算导致的误差方差阵奇异时,传统的UT变换已不实用.本文对上述问题进行了讨论,提出了基于奇异值的UT变换来处理奇异的方差阵,并用数值模拟证明了这一方法的有效性.     

不确定性量测的融合估计

为了解决多传感器环境下各传感器观测的有效性具有时变不确定性时,难以恰当地构造系统观测向量与观测矩阵的困难,提出一种不确定性观测向量的量测融合算法.该方法对现有并行滤波量测融合估计算法进行推广,为各传感器观测向量的每一维定义其有效度函数,来构造能表示量测不确定性的广义观测向量以及广义误差方差阵,获得形式上的有效量测,就可以利用现有的量测融合方法获得最优融合估计.为了便于数值计算,同时给出一种次优的融合估计算法.实验结果表明,文中方法能适应量测有效性时变情况下的多传感器量测融合估计,且计算量与现有确定性量测的融合估计方法基本相同.     

不完全量测下基于信赖域滤波的目标运动参数估计

提出了一种将信赖域滤波应用于不完全量测下的目标运动参数估计的方法,利用工程实测航路数据,与转换量测卡尔曼滤波（CMKF）和无味滤波（UKF）进行了仿真比较。结果表明：基于信赖域滤波的算法优于采用CMKF、UKF的性能,且信赖域滤波计算量小于无味滤波,具有较好的实时性。     

基于SSUKF的粒子滤波算法研究

针对粒子滤波的退化现象、样本贫化问题以及标准无迹粒子滤波(UPF)算法计算量偏大的缺陷,利用基于超球面采样变换(SSUT)的UKF算法产生重要性概率密度函数,与序贯重要性再采样(SIR)结合,并引入粒子群优化,形成一种新的粒子滤波算法.对称分布UT变换的sigma点为2n+1个,而SSUT变换为n+2个.新算法利用SSUT变换减少了采样点的个数,通过混合建议分布进一步减少了计算量,使计算效率得到了明显的改善.仿真结果表明,该算法滤波精度优于扩展卡尔曼粒子滤波,而与标准UPF相当,计算效率明显高于标准UPF算法.     

改进型UKF滤波算法的卫星姿态估计

针对矢量观测的三轴稳定卫星的姿态估计问题,提出了一种改进的UKF（unscented Kalman filter）滤波算法．它通过引入简化球形分布Sigma点UT变换（SSUT）,使得Sigma点的数量减少,从而在与UKF算法估计精度相当的情况下,计算量大大减少．同时,该算法依据姿态四元数与修正罗德里格参数之间的变换关系以及Sigma点的本质属性,保证了在姿态估计过程中四元数满足归一化约束,并且给出了过程噪声方差阵的选取方法．与扩展卡尔曼滤波（EKF）相比,无需计算Jacobian矩阵且具有更高的估计精度,并且对初始姿态误差更具有较好的鲁棒性．数值仿真表明该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。     

基于改进无迹Kalman滤波的小波网络算法及其应用

无迹Kalman滤波（UKF）是无迹变换（UT）和标准Kalman滤波的结合,对非线性系统具有出色的估计性能,使用UKF估计小波网络参数,速度快,精度高,无需求导计算Jacobian矩阵,但其计算量偏大.基于此,本文考虑引入一种改进的UKF来估计小波网络的参数,以提高训练效率.该改进UKF在Kalman滤波体系内应用了一种基于最小偏度单形Sigma点采样策略的UT,它继承了UKF的优点,并显著提升了计算效率.仿真结果表明,相对于EKF,采用改进UKF算法训练小波网络,速度更快,精度更高;计算精度与UKF相当,但计算效率较之更高.     

单传感器无序量测反馈估计算法

针对单传感器的无序量测问题,提出一种处理无序量测的反馈估计算法。该算法一旦出现延迟无序量测,融合中心将最后更新的状态估计回传至传感器进行若干采样周期的卡尔曼滤波,并将状态更新传至融合中心。该算法可保证实时性,具有良好的估计精度,仿真结果验证了算法的有效性。     

基于标点法的土体局部应变数字图像量测

提出一种基于标点法的土体局部应变数字图像量测方法来测量加载过程中土样中部区域的应变。精度分析表明,利用该方法测得轴向应变和横向应变量测精度可达±0.007%,剪切应变量测精度可达±9.0×10-5;通过刚体平移试验分析了镜头畸变引起的系统误差分布规律,在保持目标区域尽量居中的前提下,系统误差可以控制在0.02%以内。给出了一个无侧限压缩试验的应用实例,在加载的各个阶段利用数码相机拍摄照片,借助数字图像处理技术得到各阶段节点位移进而求得标记区域内4个高斯点处的应变值,并对试样中部区域和试样整体的变形过程进行对比。结果表明,该方法可以真实详细地反映土样局部区域的变形演化过程。     

一种正交向量基结构动力模型修正

针对矩阵修正方法不能保存原模型的连接信息以及计算效率低的缺点,基于多自由度振动和矩阵奇异值分解(SVD)理论,提出了一个具有SVD的模型修正方法．该方法引入矩阵重组技术以及采用SVD理论使未知参数的维数从n×2n降低到1×2n维,因而提高了矩阵修正法的计算效率．在此基础上对修正结果进行矩阵物理化处理,恢复了原模型的连接信息．最后,通过数值算例证明了该方法的有效性与可行性．     

量化量测条件下的交互多模型箱粒子滤波

在分布式多传感器网络中,为了节省通信带宽,需要将传感器得到的点量测量化成区间量测,而传统的滤波算法均不能直接处理这种量化量测．箱粒子滤波作为一种“广义粒子滤波”算法,用箱粒子和误差界限模型来取代传统的点粒子和误差统计模型,是新近出现的处理区间量测的有力工具．相比粒子滤波,箱粒子滤波还具有所需粒子数少、算法复杂度低、运行速度快等优点．因此,为了处理量化量测条件下的机动目标跟踪问题,提出了交互多模型箱粒子滤波算法．仿真对比实验表明：在量化量测条件下,交互多模型箱粒子滤波算法和交互多模型粒子滤波算法都能够准确地估计机动目标状态,但交互多模型箱粒子滤波所需粒子数更少、计算效率更高．     

一种新的量测矩阵在压缩感知复数重构中的应用

在分析常用量测矩阵优缺点的基础上,将随机符号矩阵、部分哈达玛矩阵和随机抽样矩阵相结合,构建了一个新的部分随机化哈达玛量测矩阵,克服了局部哈达玛矩阵只能用于信号维度是2的n次幂的应用缺陷,保留了局部哈达玛矩阵作为量测矩阵进行重构时需要量测个数最少、重构精度最高的优势,并将矩阵与平滑0-范数法结合应用于复数重构．仿真分析表明：部分随机化哈达玛量测矩阵具有非相关性强、重构精度高和重构所需量测个数少、噪声鲁棒性强等优点．     

基于交互多模型的改进无迹粒子滤波算法

为了提高机动目标的跟踪精度,提出了适用于非线性非高斯系统的基于预测残差的交互多模型自适应无迹粒子滤波算法.该算法将无迹粒子滤波与交互式多模型的优点相结合,通过UT变化构造粒子滤波的建议分布函数,利用预测残差在线对测量协方差和状态协方差进行自适应调节,以改进执行和计算的有效性从而降低计算误差.仿真结果表明,与交互式多模型粒子滤波、交互式式无迹粒子滤波算法相比,该算法具有更好的跟踪精度.     

不完全量测下目标跟踪系统的容许量测噪声

针对目标跟踪系统不可避免存在的量测值丢失的情况,研究了统计意义下基于不完全量测的估计误差协方差的性质,并分析了稳态滤波误差方差与量测噪声之间的关系。当传感器探测概率已知,在给定的误差方差约束下,给出了考虑不完全量测条件下滤波器的一种新算法,可使系统具有最大容许量测噪声强度,从而可降低对传感器精度的要求。数值算例和蒙特卡罗(Monto Carlo)仿真结果表明了该方法的有效性。     

基于距变率量测的改进交互式加速度补偿算法研究

目的将交互多模型方法引入到两级估计中,提高交互式加速度补偿算法对系统位置和速度的估计精度.方法以非线性量测方程为依据,完成了混合坐标系下的状态估计,提出一种在混合坐标下完成状态估计的广义交互式加速度补偿算法.结果仿真结果表明通过改变极坐标下的观测方程可以提高交互式加速度补偿算法的估计精度.结论距变率量测和两级估计的引入,显著地提高了位置和速度的估计精度,与其他多模型方法相比,计算量上具有明显优势.     

量测划分的PHD航迹关联算法

高性能空中机动目标跟踪是现代预警雷达的核心任务之一.为了提高概率假设密度(PHD)滤波器的多目标跟踪性能,提出了一种基于量测划分的PHD航迹关联算法.考虑到传统PHD滤波无法给出目标各自的航迹属性信息,而且当跟踪区域存在大量杂波时,滤波效率严重降低;同时,对于密集邻近多目标跟踪,传统方法还存在不同目标跟踪的量测不匹配问题.针对上述问题,提出了分类检索的椭球门限量测划分方法,并将其应用到改进的高斯项权值重新分配的PHD航迹关联算法中,首先对每一步得到的量测集合通过分类检索的椭球门限方法,划分为已存在目标、新生目标和杂波的量测子集,再分别对各类目标使用对应的量测子集进行跟踪滤波,这样去除了杂波对真实目标的无效更新计算,提高了航迹关联算法的计算效率;其次,通过引入一种新的权值分配规则,调整邻近目标的高斯成分的权值大小,大幅减小了邻近目标的状态提取误差,提高了相邻目标的跟踪估计精度.大量数值仿真表明,所提方法明显改进了滤波计算效率和邻近目标跟踪精度.     

不等维数观测向量的复合量测融合

为了降低观测向量维数不等时进行融合估计的计算量，分析了扩维滤波法在构造全局观测空间时导致很大计算量的缺陷，提出按照观测数据的实际物理意义来构造维数较低的全局观测空间，将维数不等的各局部观测向量扩展成全局观测空间中的等效表示形式，使其可应用复合量测滤波法进行融合的方法，以克服复合量测滤波法要求观测向量等维的局限，并降低不等维数观测向量融合时的计算量。同时，还给出相关条件下多传感器最小方差融合估计的递推计算公式。仿真实验结果表明，与扩维滤波法相比，本融合估计精度更高，且计算量更低。     

基于改进动态RSSI算法的WIFI室内定位研究

针对室内WIFI定位中RSSI信号接受过程中已有的均值滤波法、卡尔曼滤波法无法实现实时剔除和修正奇异值的缺点,提出了一种改进的动态RSSI信号处理方法.为了提高动态RSSI信号处理的精确度,该算法采用基于平均每跳距离和测量距离误差的改进最小二乘法来修正奇异值,并在不增加硬件的基础上采用加权滤波法再次处理修正后的RSSI值.仿真实验结果表明,本算法具有较高的计算精度,与均值滤波法、卡尔曼滤波法相比,本文算法在平均测距误差以及通信半径对误差的影响方面都有较大的提高.     

噪声相关下含无序量测的多传感器信息融合估计

多传感器跟踪系统中因通信延迟常会出现无序量测现象,为了提高系统估计精度,采用直接更新法对状态进行更新估计,并针对噪声相关下含无序量测的多传感器系统,提出了矩阵加权最优信息融合状态估计算法,考虑了过程噪声和量测噪声的相关性以及局部估计的误差相关性.仿真计算验证了算法的有效性.