无人机自适应姿态角度估计仿真

针对复杂环境下传感器噪声未知且不断变化,会导致姿态融合结果不准确的问题,设计了一种基于单新息自适应算法的卡尔曼滤波器,对加速度计和陀螺仪噪声协方差进行在线估计。首先,介绍了能够结合各个传感器优势的无人机姿态融合算法。然后,设计了采用基于单新息自适应算法的卡尔曼滤波器,给出了能够在线估计加速度噪声协方差R和陀螺仪噪声协方差Q的自适应算法。MATLAB仿真表明单新息自适应卡尔曼滤波器在环境噪声变化时,能够更准确地获得无人机的姿态信息,提高了姿态融合精确度,提高了滤波器的鲁棒性。     

基于极大似然估计的新息自适应滤波算法

针对噪声统计信息未知或时变情况下常规卡尔曼滤波估计精度下降甚至发散的问题,提出了一种基于极大似然估计的新息自适应滤波算法.算法对基于极大似然估计的常规新息协方差估值器进行限定记忆指数衰减加权修正,增加滑动窗口内新近新息协方差序列的利用权重;根据新息自适应原理,利用新息协方差估计值直接计算滤波增益矩阵,加快滤波器收敛速度的同时提高了滤波算法的估计精度.算法应用于捷联惯性导航系统/全球定位系统(SINS/GPS)组合导航系统,仿真实验表明:在噪声统计信息未知或时变情况下,算法具有更强的鲁棒性以及更高的滤波精度.     

基于改进卡尔曼滤波的陀螺仪误差补偿算法

针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.     

MEMS加速度计噪声分析与降噪方法研究

针对微机电系统(MEMS)加速度计的随机噪声对输出信号干扰的情况,提出了对加速度计噪声源及噪声类型进行辨识、估计与建模,并确定误差补偿的降噪方法,以提高加速度计精度.采用Allan方差分析法对MEMS加速度计的随机噪声进行分析,得到了影响MEMS加速度计性能的几种主要随机噪声,使用自回归滑动平均模型(ARMA)对加速度计输出数据进行数学建模,以最终预测误差(FPE)准则确定使用的模型与阶次.设计了Kalman滤波算法,对加速度计进行降噪,通过Allan方差方法对Kalman算法滤波效果进行分析.实验结果表明:Kalman滤波能有效降低加速度计的随机噪声.     

基于自适应卡尔曼滤波的多传感器信号降噪

针对建筑物混凝土腐蚀检测中传感器单一且常规卡尔曼滤波算法容易出现滤波精度降低的问题,提出了一种多传感器综合检测方法.采用改进的自适应卡尔曼滤波算法,利用最大概似估计准则,将新息方差直接引入卡尔曼滤波器的增益计算,实现估计模型的动态调整,降低了系统噪声和测量噪声的干扰.最后,对自适应卡尔曼滤波和常规卡尔曼滤波算法进行了仿...     

基于支持向量机的自适应卡尔曼滤波技术研究

针对卡尔曼滤波(KF)中噪声的统计特性与实际不符时滤波精度严重降低甚至引起滤波器发散的问题,提出一种基于支持向量机的自适应卡尔曼滤波算法(SVMAKF).根据新息理论方差与实际方差的比值,应用支持向量机产生自适应因子对卡尔曼滤波器的噪声方差阵进行在线修正,使噪声方差阵能够根据实际噪声的变化得到调整.通过对雷达目标跟踪系统的仿真表明,该算法对噪声有较强的自适应性,能够提高滤波精度和滤波器的鲁棒性.     

免疫算法自适应滤波器对白噪声的抑制

实际信号经常会受到白噪声及高次谐波的影响,由于白噪声频谱分布在整个实数域,常用的滤波器很难将其滤除。讲述了自适应滤波器的原理及用免疫算法自适应滤波器,对白噪声及高次谐波进行抑制的方法。通过免疫算法对自适应滤波器的权向量进行优化,并用均值滤波的方法对自适应滤波器的滤波结果进行进一步滤波,然后用MATLAB对该算法进行仿真。将免疫算法自适应滤波器的仿真结果和LMS滤波算法的仿真结果进行比较,表明免疫算法自适应滤波器能对白噪声及高次谐波进行有效的抑制。     

基于自适应EKF的弱GNSS信号跟踪算法

弱GNSS信号跟踪技术是卫星导航接收机关键技术之一,跟踪技术的好坏将直接影响卫星导航接收机在弱信号条件下的跟踪性能;在动态环境和先验信息不充分的情况下,由于扩展卡尔曼滤波(EKF)的固定设计使其不能满足要求,针对此不足引入一种自适应扩展卡尔曼滤波(AEKF)的信号跟踪算法;该自适应滤波算法能够实时监测残差或滤波器新息的动态变化,来修正观测噪声方差和状态噪声方差,以此调整滤波器增益,观测值和控制预测值在滤波结果中的权重;理论分析和结果表明,该算法能够充分利用观测信号的统计特性,克服了传统EKF算法不足,获得更好的跟踪性能。     

基于预测滤波器的数字降噪耳机研究

通常数字降噪耳机采用的自适应滤波器,一般基于LMS、NLMS等算法,但是由于A/D转换存在一定的延迟,导致实际降噪效果降低,故降噪耳机上的主动降噪系统需要对噪声进行预测.通过线性预测算法和改进滤波器,对已经采样的噪声信号进行算法分析,预测下一时刻的噪声信号,在Matlab中实现对飞机引擎噪声进行预测,并将降噪效果与LMS自适应滤波器的降噪效果进行比较.仿真结果表明,在处理低频噪声时,预测滤波器效果要优于LMS自适应滤波器.     

自适应Kalman滤波器及其应用

对于带未知噪声统计的单输出系统,本文提出了一种新的自适应Kalman滤波器.应用现代时间序列分析方法,基于ARMA新息模型的滑动平均(MA)参数的在线辨识,提出了稳态最优Kalman滤波器增益估计的一种新算法,比Mehra的算法简单.同时还提出了辨识滑动平均(MA)模型参数的一种新的自适应Kalman滤波算法.此外,给出了在雷达跟踪系统中的应用,且仿真结果说明了本文算法的有效性.