基于IUKF的非线性状态估计

为了提高测量更新的近似精度,将迭代卡尔曼滤波(IKF)的思想引入到UKF中,得到迭代无迹卡尔曼滤波算法(IUKF).理论分析与仿真结果表明:IKF的引入在提高非线性近似精度的前提下并没有增加计算的复杂性;在相同数量级运算时间的条件下,其估计性能明显优于标准EKF和UKF滤波器.     

基于最大似然的超分辨率图像复原方法

从超分辨率图像复原的实际应用出发,提出了一种基于最大似然的序列图像复原方法.在通用线性观测成像模型下,利用改进的奇异值分解法估计成像系统点扩散函数,通过高斯金字塔结构下的光流场方法估计图像间的亚像素级平动,利用基于统计特性的方法估计图像噪声方差等.根据以上参数及部分先验知识,运用最速下降迭代算法实现基于最大似然的超分辨率复原,并对迭代结果进行维纳滤波.计算机模拟实验结果表明,该方法具有较好的复原效果,其性能优于典型的反向迭代投影法.利用实际视频图像的复原实验证明了该方法的实用性.     

基于迭代中心差分卡尔曼滤波的飞机姿态估计

在飞机姿态估计中,系统模型非线性严重、初始估计误差大和可观测性弱等固有缺陷使得对估计算法的精度要求更高。针对这一问题,给出了一种基于迭代中心差分卡尔曼滤波(ICDKF)的飞机姿态估计方法,并将其应用于由低精度高噪声传感器组成的低成本飞机姿态估计系统。首先建立基于四元数的飞机姿态数学模型,然后用ICDKF方法进行姿态估计,并通过实测数据进行验证。实验结果表明,ICDKF不仅有效地提高了飞机姿态估计的稳定性、收敛速度和滤波精度,而且无需计算雅克比矩阵,实现简单,其性能明显优于标准CDKF和EKF方法。     

基于MCMC粒子滤波的GPS接收机自主完好性监测算法研究

提出将马尔可夫蒙特卡罗方法与标准的粒子滤波算法有机结合应用于接收机自主完好性监测(RAIM)中.通过状态观测概率密度似然比方法建立一致性检验统计量进行卫星故障的检测与隔离.对算法进行了数学建模,描述了算法的流程.通过实测数据验证,结果表明,该方法在非高斯测量噪声情况下可以对状态进行精确的估计,成功检测和隔离故障卫星,克服了卡尔曼滤波的RAIM算法在处理非高斯测量噪声时性能下降的问题,从而验证了MCMC粒子滤波在接收机自主完好性监测中的有效性.     

基于STSCKF和改进型X2检验的模拟电路故障辨识

针对模拟电路中不可直接测量故障元件定位和参数估计问题,提出一种基于强跟踪平方根容积卡尔曼滤波(STSCKF)和X2验的故障辨识算法.根据强跟踪滤波理论,将X2验引入到强跟踪SCKF的残差异常检测中,解决了强跟踪SCKF缺乏故障定位能力的问题.改进传统的X2验法,增强其对缓变故障的检测灵敏性.首先利用改进型X2验法检测不同故障模型的STSCKF残差输出,确定故障元件,然后采用STSCKF对故障元件参数进行估计.有源滤波电路仿真模型和某型无人机发射机实际故障数据的实验结果表明,相比于传统的X2验法,改进型X2验能更早地定位故障参数,STSCKF估计误差分别低于强跟踪无迹卡尔曼滤波(STUKF)估计误差的90％和普通SCKF估计误差的5％.     

基于CEH~∞ F的移动机器人SLAM算法研究

针对移动机器人同时定位与地图创建(SLAM)面对噪声干扰时估计精度低、鲁棒性差的缺点,提出一种基于容积扩展H∞滤波(CEH∞F)的SLAM算法。首先,通过线性误差传播特性将容积变换嵌入到扩展H∞滤波框架中,利用得到的CEH∞F计算SLAM条件转移概率密度,避免雅克比矩阵的计算和线性化误差积累的同时增强了算法的鲁棒性;另外,在每次迭代中更新调节因子γ,将噪声干扰到估计误差最大能量增益控制在较小范围内,进一步增强算法鲁棒性。实验部分将所提算法与扩展卡尔曼滤波SLAM(EKF-SLAM)、无迹卡尔曼滤波SLAM(UKF-SLAM)、容积卡尔曼滤波SLAM(CKF-SLAM)在不同噪声环境下进行了对比。结果表明,CEH∞F-SLAM算法具有良好的稳定性与精度,是一种有效的SLAM算法。     

基于拟似然函数的集成仪器可靠性估计

由于失效分布函数的不可知或难以描述,经典统计估计在处理集成仪器的人为故障失效数据、复杂失效数据和无失效数据时,很难估计出其可靠性参数.结合测量系统的常见失效分布,研究了实验仪器的拟似然函数的引入和常见几种类型的拟似然函数应用方法;作为拟似然函数应用的基础,给出了拟似然函数的近似计算方法与证明.最后讨论了最大连续似然估计与最大分位似然估计(QMPE)的区别,及使用QMPE的方法的步骤.通过实际的测量数据和其可靠性估计,验证了拟似然估计在集成仪器可靠性分析中的可行性.     

基于高斯和与SCKF的非线性非高斯滤波算法

针对均方根容积卡尔曼滤波(SCKF)对非高斯情况滤波效果差的问题,在分析SCKF和高斯和滤波基础上,提出一种高斯和均方根容积卡尔曼滤波新算法。算法采用高斯和形式来逼近非高斯后验概率密度,将SCKF作为子滤波器,对每个高斯分量进行时间和量测更新,使其有效解决非线性非高斯滤波问题。仿真结果表明,高斯和均方根容积卡尔曼滤波估计精度高于粒子滤波和高斯和扩展卡尔曼滤波算法,与容积粒子滤波精度相当,但耗时约为容积粒子滤波的15%,是一种较好平衡跟踪精度和实时性的非线性非高斯滤波算法。     

基于FA-ASTFA和最小凸包的齿轮裂纹故障预测模型

自适应最稀疏时频分析(ASTFA)方法采用高斯牛顿迭代,自适应地实现信号的稀疏分解,但该方法必须根据经验确定一个初始相位,作为高斯牛顿迭代的初值。为了防止迭代结果发散,针对初始相位最优选择问题,提出了一种改进的ASTFA算法,即基于萤火虫算法(Firfly Algorithm)的ASTFA方法(简称FA-ASTFA),仿真与试验信号分析结果证明了改进算法的有效性。相比传统时域特征,最小凸包能提取信号的空间信息。基于此,提出了基于FA-ASTFA和最小凸包的齿轮裂纹故障预测模型,试验对比分析表明,预测模型在预测齿轮早期裂纹故障时比传统预测模型具有更大的可靠性和准确性。     

AHRS姿态估计的迭代扩展卡尔曼滤波方法

针对现有滤波方法在低成本航姿参考系统(AHRS)姿态估计应用中存在准确性不足的问题,本文提出一种非线性滤波求解的姿态估计方法.根据四元数姿态表示原理与传感器测量输出模型构建了基于AHRS系统直接形式姿态估计的非线性状态空间模型,采用迭代扩展卡尔曼滤波方法进行滤波求解,实现了对姿态四元数与传感器偏差的实时估计.通过MPU...