一种改进的迭代无迹卡尔曼滤波算法

针对非线性系统目标跟踪中状态估计的线性问题,在滤波过程的不同部分,利用统计和分析原理对状态估计进行线性化,提出一种改进的迭代无迹卡尔曼滤波(Improved Iterated Unscented Kalman Filter, IIUKF)。在系统方程和测量方程都具有较严重的非线性条件下,与无迹卡尔曼滤波器(UKF)和迭代扩展卡尔曼滤波(IEKF)进行仿真验证比较。结果显示该方法的跟踪性能优于UKF和IEKF,提高了系统的跟踪效果。     

卡尔曼滤波的存在性

－－本文证明了线性信号模型的卡尔曼滤波与最优加权最小二乘估计的递推算法先进价，进行应用最优加权最小二乘估计的成批算法证明了卡尔曼滤波的存在条件是要求信号模型满足完全可控制条件和完全可观测条件。     

Cubature卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1％;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22％,有效地提高了实时性.     

基于卡尔曼滤波的双闭环直流电机系统状态观测器

在直流电机双闭环调速系统（DFDCMS）简化模型的基础上,分析了饱和非线性DFDCMS的能控性和能观性,提出了饱和非线性DFDCMS的关键状态描述．针对这些关键状态,基于饱和非线性DFDCMS的分段线性模型和卡尔曼滤波（KF）,提出并实现了DFDCMS的KF状态观测器．在仿真平台和实际系统上比较了无滤波器（NF）的状态观测器、带巴特沃斯滤波器（BF）的状态观测器、KF状态观测器在不同情况下对运动执行机构状态辨识的效果．实验表明,所提基于饱和非线性DFDCMS模型的卡尔曼滤波状态观测器能更为有效地反映测试系统的运行状态．     

基于卡尔曼滤波的超宽带定位技术应用

利用超宽带定位技术,改进了基于三边定位技术的超宽带室内定位技术应用模型.该模型基于TW-TOF(双向飞行时间法)采集定位数据,利用三边定位原理解算坐标位置,结合卡尔曼滤波算法,解决了定位模型中由于设备自身误差带来的定位误差大和定位点漂移等问题,进一步提高了定位精度.经现场实验检验,定位模型的定位坐标精度可达厘米级,误差...     

广义卡尔曼滤波的计算机实现

通过对广义卡尔曼滤波状态模型及其性质、数字特征、测量模型及其特征、滤波模型、递推公式的介绍,给出了广义卡尔曼滤波的计算机实现及仿真结果,说明广义卡尔曼滤波适于机动目标运动状态的实时估计。     

捷联惯导系统中卡尔曼滤波的应用研究

为提高捷联惯导系统初始对准精度,提出将卡尔曼滤波技术应用于系统初始精对准,用以估计系统的失准角和惯性误差。对卡尔曼滤波技术在捷联惯导系统中的应用进行分析,建立捷联惯导系统初始对准误差模型和卡尔曼滤波量测方程。分析不同条件下不同滤波方法的滤波原理和滤波精度。在此基础上,提出一种将预测扩展卡尔曼滤波应用于逆向导航技术的思路,并进行了理论分析和捷联惯导系统自对准流程设计,为后续进一步深入开展惯导系统初始对准奠定基础。     

带约束卡尔曼滤波对涡扇发动机状态估计

提出了一种加入线性不等式约束的卡尔曼滤波方法,并用于涡扇发动机的健康状况估计。涡扇发动机数字模型包含10个状态变量、12个量测量、6个控制输入量以及8个健康状况参数。不等式约束不仅保证了状态变量估计在用户自定义的范围内随时间变化平稳缓慢,而且还提高了滤波计算效率,改善了滤波估计精度。同时系统还允许滤波器沿确定的方向修正状态变量估计,以保持状态变量真值恒定。对比传统的无约束卡尔曼滤波,线性化滤波结果显示,该方法对涡扇发动机的健康状况估计尤其行之有效。     

无模型容积卡尔曼滤波及其应用

提出一种融合高斯过程回归(GPR)的无模型容积卡尔曼滤波(MF-CKF)方法.容积卡尔曼滤波(CKF)是一种新的非线性高斯滤波方法,比无迹卡尔曼滤波(UKF)更具优势.为了克服建模不准确时容积卡尔曼滤波精度下降问题,通过将高斯过程回归引入到容积卡尔曼滤波之中,对训练数据学习建立系统非线性模型,从而有效地避免模型不准确造成的滤波性能下降.仿真结果验证了无模型容积卡尔曼滤波在系统模型不准确情况下的优越性.     

卡尔曼滤波在陀螺仪随机漂移中的应用

本文针对MIMU中微机械陀螺的静态随机漂移,采用时间序列分析的方法建立了其随机漂移误差的AR模型,并在此基础上,探讨了利用Kalman滤波降低该随机噪声的具体方法.对实测数据的仿真结果表明,本文所介绍的滤波方法是正确、有效的。     

卡尔曼滤波在单片机上的实现

论述了采用高档PC机辅助计算建立随机信号模型AR(P),并且计算出卡尔曼滤波的增益系数,最后结合实例,介绍在单片机上实现卡尔曼滤波的方法.     

卡尔曼滤波技术在捷联惯性导航系统对准中的应用

本文首先阐述了卡尔曼滤波技术的简单理论,然后建立了捷联惯性导航系统初始对准的卡尔曼滤波模型,并对静基座下的卡尔曼滤波初始对准精度进行分析,最后进行了卡尔曼滤波仿真。仿真结果表明,此方法算法简单,能有效缩短初始对准时间,对准稳态精度较高,是一种可靠的初始对准方案。     

Unscented卡尔曼滤波在状态估计中的应用

针对非线形系统的滤波问题,无法使用卡尔曼滤波器（KF）,扩展卡尔曼滤波（EKF）方法虽能应用于非线形系统,但给出的是状态的有偏估计,并且对模型误差的鲁棒性较差。为了给出更好的状态估计值,该文介绍了Unscented卡尔曼滤波（UKF）的基本原理。其思想是：基于unscented变换,UKF滤波算法能够给出更精确的均值和协方差的估计,从而带来更高的精度。最后通过Mackey—Glass模型时间序列的状态估计仿真实侧说明：同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,是一种良好的非线性滤波方法。     

交互式容积卡尔曼滤波及其应用 交互式容积卡尔曼滤波及其应用

针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.

     

基于广义线性模型的变参数广义卡尔曼滤波

给出了连续系统的一种广义线性模型,不仅适用于已知系统,而且适用于未知系统,无论系统是线性还是非线性的。该模型系数服从确定的变化规律而无需在线辨识或预先计算,因而实时性好。定义了基于这种模型的变参数广义卡尔曼滤波。并给出其递推计算公式,可对未知系统实现实时滤波估计,且满足均方误差最小。该系统能方便、快捷、准确地实现未来多个时刻状态群的实时预报,以便提早掌握系统未来的运动趋势,提高系统的控制性能和对机动目标拦截的制导精度。算例仿真表明,结果是令人满意的。     

卡尔曼滤波在机器人足球比赛系统中的应用

在机器人足球比赛系统中使用了卡尔曼滤波．它可以克服视觉传感器采集回来的数据含有的大量噪声,从而准确预报后几个周期小球的速度、加速度和位置．卡尔曼滤波用于线性离散随机系统具有非常好的收敛性和滤除高频噪声的能力．实践证明,此方法对小球的预测比较准确,证明了卡尔曼滤波的可行性和优越性．     

改进的卡尔曼滤波算法系统参数辨识仿真研究

研究系统参数辨识精度提高问题。辨识是从实验数据中提取有关系统信息的过程,由于存在噪声影响辨识精度,针对传统的卡尔曼滤波算法不能很好地提高跟踪精度且算法复杂的缺陷,为了解决实际系统辨识中参数噪声方差和观测噪声方差未知的等相关问题,提出了一种改进的无味卡尔曼滤波算法系统参数辨识方法,仿真结果表明,算法具有更好的泛化能力,在复杂的系统负载等情况下,也可以对系统的参数精确有效的进行辨识,验证了该算法是一种有效适用的系统参数辨识方法。     

基于卡尔曼滤波的无人机组合导航系统设计

针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况.     

基于卡尔曼滤波的SARS疫情预测

为了能够科学、准确地预测SARS疫情,论文首先根据SARS的传播特点,建立了含有时滞项的微分方程模型,然后应用卡尔曼滤波理论于所建模型,进行疫情预测。经仿真发现,其预测结果和疫情实际数据吻合较好。该方法具有很高的预测精度,为SARS疫情预测提供了一种新的思路。     

基于卡尔曼滤波算法的电能质量检测技术实现

为提高电能质量的检测精度,提出一种基于自适应卡尔曼滤波的检测方法。首先,构建基于卡尔曼滤波的空间模型,然后引入自适应卡尔曼滤波算法对空间模型中参数Q_k进行修正;最后搭建DSP仿真平台对空间模型进行训练与测试。结果表明：相比于传统的卡尔曼滤波算法,基于自适应卡尔曼滤波算法对电能质量扰动信号的敏感性更好,响应速度更快,精准度更高。由此得出,自适应卡尔曼滤波算法在电能检测方面性能更佳。