一种基于多重次自适应因子的强跟踪UKF算法

针对强跟踪UKF算法存在自适应因子调节单一、难以准确调节多维的系统变量对不准确系统模型和噪声自适应调节能力不够的问题,提出了一种基于多重次自适应因子的强跟踪UKF (MST-UKF)算法．首先解析了强跟踪UKF的本质原理;其次提出在状态噪声协方差和观测噪声协方差前各引入多重次自适应因子对角矩阵对其进行自适应调节,并对其计算方法进行了设计;最后分别针对系统模型、噪声不准确情况下的目标进行跟踪仿真．仿真结果表明,MST-UKF算法能自适应直接调节噪声协方差,以此应对系统模型的不匹配、状态噪声的不准确性以及观测噪声的不准确性,实现了对复杂条件下目标的良好跟踪．     

组合导航系统故障检测方法研究

针对传统的多导航源组合导航系统难以有效解决系统故障检测的问题,通过对卡尔曼滤波器中的残差进行分析,提出了一种新的故障检测方案,该方案有效利用了残差x2检测优点,可实时检测出系统故障。仿真结果表明,该方案故障检测率高,计算量小,整体算法实现简便。本方案已应用于实际工程中。     

基于强跟踪H-/H∞优化的无人机系统故障检测

针对一类无人机飞行控制系统故障检测问题,提出基于强跟踪H_-/H_∞优化的故障检测方法。将无人机飞行控制系统的执行器与传感器故障描述为加性信号,在考虑风扰动的情况下,建立无人机纵向飞行控制系统的非线性故障模型。将残差产生器的设计归结为扩展H_-/H_∞最优问题。受强跟踪滤波器的快速收敛性的启发,在设计故障检测滤波器时将强跟踪滤波器与扩展H_-/H_∞最优问题相结合实现无人机飞行控制系统的快速故障检测。以无人机升降舵部分失效故障与空速管堵塞故障为例进行仿真试验。结果表明,提出的方法能够快速实现无人机飞行控制系统的故障检测。基于强跟踪H_-/H_∞优化的故障检测方法可用于无人机飞行控制系统的故障检测。     

一种改进的强跟踪UKF及其在目标跟踪中的应用

针对无迹卡尔曼滤波(UKF)算法缺乏对系统模型和噪声不准确等情况时的自适应调整能力导致滤波精度下降甚至发散的问题,提出了一种改进的强跟踪UKF滤波算法(IST-UKF)．首先,结合UKF算法以及强跟踪滤波原理,阐明了强跟踪UKF成立的充分条件．其次,在此基础上,提出在向前一步预测协方差矩阵中引入两个多重次自适应因子,并分别设计了其计算方法．最后,将该算法应用于目标跟踪中,并与强跟踪UKF算法(ST-UKF)以及UKF算法进行仿真对比．仿真结果表明,IST-UKF算法不仅具有强跟踪能力,还能对过程噪声进行自适应调整,实现了对目标的良好跟踪;并且当初始过程噪声设置较大时,更有利于IST-UKF算法的发挥．     

系统故障检测理论在容错组合导航设计中的应用

探讨了甄别故障子滤波器的两种有效方法：状态差异法和残差法,并通过计算机仿真对两种方法的检测效果作了比较。结果表示采用残差法并经适当长时间的安全期观察是隔离故障子系统的有效方法     

基于解析冗余关系的动态系统故障检测和隔离

利用解析冗余关系方法进行故障检测和隔离的关键就是系统解析冗余关系的建立.未知变量剔出法对模型复杂的非线性动态系统是非常困难的.通过在系统键合图模型中加入观测信号和虚拟传感器的方法建立系统的诊断键合图模型,根据诊断键合图模型的因果路径构建系统的解析冗余关系和系统故障特征矩阵,并利用系统实际观测特征与故障特征的比较进行系统的故障检测和隔离.将该方法应用到五箱系统的故障检测和隔离,仿真结果验证了该方法的便捷性、有效性和实用性.     

基于强跟踪-扩展卡尔曼粒子滤波的巡航段自主导航方法

通过对探测器巡航段状态方程和观测方程非线性问题的研究,提出一种强跟踪扩展卡尔曼粒子滤波(ST-EPF)算法,并将其应用于巡航段自主光学导航的方案中,由此来实时确定探测器的轨道。所提出的改进粒子滤波算法是将强跟踪扩展卡尔曼滤波引入粒子滤波来更新粒子,产生重要性密度,缓解粒子退化和样本贫化问题,以提高导航系统对状态突变的跟踪能力。通过仿真表明,改进粒子滤波算法在探测器轨道参数精度和方差预报的有效性方面有了较大地提高,能够适应快速变化的飞行环境,而且滤波精度明显的优于EPF滤波算法。     

基于强跟踪滤波的纯方位寻的导弹制导

针对扩展卡尔曼滤波(EKF)对突变状态的跟踪能力较差。周等人提出了一种强跟踪滤波器(STF)来自适应地获取渐消因子,通过强制残差序列正交来计算渐消因子的最优值,使滤波器保持对突变状态的能力。因此,强跟踪滤波提高了滤波的鲁棒性和估计精度,在各领域都得到了广泛的应用,以纯方位寻的导弹制导系统为例,经过Matlab仿真平台验证,STF比EKF对目标有更好的追踪效果。     

强噪声下的矢量跟踪信号故障检测算法

在卫星导航系统的矢量跟踪结构中,由于鉴别器的非线性,异常的电离层、对流层延迟或多路径等其他干扰造成的信号故障通过鉴别器输出会产生失真,使得在强噪声环境下较大偏差的故障难以被检出,导致矢量跟踪结构的导航定位结果不准确。针对该问题,提出了一种强噪声环境下的矢量跟踪信号故障检测算法。该算法对鉴别器输出失真的原因及影响进行了分析;为降低其影响设计了一种专用于信号故障检测的码鉴别器,它对跟踪通道中的码相位偏差具有更大的正相关响应范围,因而可以使故障检测算法对强噪声环境下的大偏差突变故障和缓变故障具有检测能力;采用三阶球面-径向容积准则对测试统计量及其方差进行估计。不同噪声环境下的突变和缓变故障检测仿真实验表明,提出的算法能保持对0.5码片以上偏差突变故障的可靠检测。同时对强噪声环境比如25～30 dBHz环境下的缓变故障也具有一定的检测能力。     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．     

基于无味粒子滤波的动态场景下高机动目标跟踪

针对传统粒子滤波的目标跟踪算法存在粒子退化问题,提出了基于无味粒子滤波(UPF)的目标跟踪算法。为了将当前观测信息融入,采用无味卡尔曼滤波(UKF)生成粒子滤波的提议分布,以改善滤波效果。针对目标在机动过程中引起的视觉形变以及背景的变化,又采用了颜色直方图作为目标的颜色分布模型,并与UPF相融合。仿真结果表明,该算法对动态场景下的高机动目标有较好的跟踪效果。     

基于Hough变换和无轨迹卡尔曼滤波的眼睛角点跟踪

提出了一种基于改进Hough变换(HT)和无轨迹卡尔曼滤波(UKF)的眼睛外角点跟踪算法。该算法在输入图像中存在虹膜时采用改进Hough变换提取眼睑轮廓并得到眼睛外角点位置,当输入图像中检测不到虹膜时,采用UKF算法对当前帧眼睛角点进行估计。实验证明,本文算法能精确地跟踪眼睛外角点。     

基于卡尔曼滤波的人脸跟踪算法

针对实时视频监控领域中传统的Camshift算法不能自动跟踪人脸和容易受到肤色相近遮挡等问题,采用Ad-aboost算法实现了人脸的自动检测,同时对于跟踪丢失等情形,通过卡尔曼预测对跟踪偏差进行实时改进。实验表明跟踪的准确性有较大提高,具有较好的实时性;在相近肤色遮挡时仍能实现正确跟踪,并对侧脸也有较好的效果;算法具有较好的鲁棒性。     

基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。     

基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。     

模糊自适应无迹卡尔曼滤波方法用于天文导航

为克服航天器自主天文导航中不确定测量噪声对导航精度的影响,提出了一种基于模糊推理的自适应无迹卡尔曼滤波(FUKF)方法.该方法根据滤波过程中实际测量残差方差与理论残差方差的比值,将系统滤波过程分为普通模式和自适应模式.分别对两种模式建立模糊隶属度函数,应用模糊推理规则,得到自适应修正因子,对系统的测量噪声方差阵进行实时修正,使其跟踪实际测量噪声的变化.当系统受到不确定环境噪声影响时,该滤波算法仍然有效收敛.将该方法应用于直接敏感地平的航天器自主天文导航中,不同测量噪声水平下的仿真结果表明,该算法对不确定的测量噪声具有较强的自适应能力,保证了导航信息的输出精度.     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

基于卡尔曼滤波的无速度传感器矢量控制系统

从卡尔曼滤波器的理论出发，结合感应电机数学模型，设计了获取模型，设计了获取异步电动机转子位置，转子速度和转子磁通的扩展卡尔曼观测器模型，仿真结果表明，该方案能使系统获得良好的动态性能，对负载扰动具有很强的抑制能力，证明了扩展卡尔曼观测器方法的合理性和优越性。     

基于新型ESF的一类非线性系统故障滤波方法

针对传统非线性系统故障诊断方法中存在的线性化误差、滤波发散等问题,对一类含有测量噪声及执行器时变故障的非线性系统研究一类新的故障诊断方法。通过将系统的非线性动态及故障扩张为一新的状态,构造一种可用于故障诊断的扩张状态滤波器,并在此基础上推证出增广系统渐进稳定的充分条件,给出具有鲁棒H_∞性能的故障诊断滤波器设计方法,同时借助于原系统中已知的非线性动态,对滤波后的新扩张状态进行故障分离,实现对故障的滤波及诊断。用该方法对具有测量噪声的典型非线性系统Van der pol振荡器,在分别发生恒值和时变故障情形下进行仿真研究。结果表明,所提方法能较好地解决含噪非线性系统的滤波及故障诊断问题。     

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明：在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。