初值偏差对线性系统状态向量Kalman滤波的影响

Kalman滤波在系统控制、信号处理和飞行器导航等领域有广泛应用.众所周知,Kalman滤波是建立在一组递推计算的滤波算法.不准确的初始值设置是否影响状态滤波结果,这是实际应用Kalman滤波时必须关注和解决的问题.本文在推导滤波初始值与系统真实初态之间偏差对滤波结果影响的基础上,建立了初始值偏差对后续滤波影响的传递关系,以及滤波结果收敛的充分条件;通过设置多组不同初始值偏差,分别对某三阶可观测系统和不可观测系统进行了仿真计算及结果分析,验证了滤波初始值偏差会导致滤波结果发生明显偏离.研究结果揭示,即使是可观测的线性系统,采用Kalman滤波时也必须尽可能选取准确的初始值.     

非线性离散系统的相关观测融合时变Kalman滤波

针对带相关观测噪声和带不同观测函数的多传感器离散非线性系统,利用推广的离散Kalman滤波方法对状态系统和观测系统进行线性化处理,提出了基于岭估计的加权最小二乘(REWLS)分布式融合Kalman滤波算法.以风险函数为评价指标,利用信息滤波器比较了各种观测融合Kalman滤波算法,其中REWLS分布式融合算法精度最高.同时,分布式融合算法减少了计算负担,便于实时应用.仿真例子表明了理论分析的正确性.     

基于自调整粒子滤波的组合导航方法研究

在非线性模型非高斯噪声条件下,标准粒子滤波在组合系统的观测精度较低时能取得较好的滤波效果,但在高观测精度情况下会导致滤波发散。该文针对这一问题,提出一种自调整粒子滤波方法,根据观测噪声的统计大小,自适应调整似然分布的形状,使之与先验分布重叠的区域更大,有效提高滤波稳定性。将自调整粒子滤波算法应用到组合导航系统中,并在非高斯噪声、观测信息由低观测精度跳变到高观测精度条件下进行了仿真研究,结果表明,该自调整粒子滤波算法在组合导航系统具有高观测精度的情况下依然保持了滤波精度和稳定性。     

多率系统Kalman滤波算法的鲁棒性分析

多率系统Kalman滤波算法是多率采样系统中对多源观测进行融合的重要手段. 基于化工过程的多率采样特点, 给出了多率Kalman滤波算法, 分析了该算法在模型失配情况下的鲁棒性. 在给定的假设条件下, 通过对滤波误差变化规律的分析, 给出了多率Kalman滤波稳定与发散的基本判定方法. 针对一类典型系统, 推导出了滤波稳定与发散判据. 通过仿真对该判据进行了验证, 仿真结果表明所提出的滤波鲁棒性分析方法可以用于算法的实际应用.     

集中式非线性抗差卡尔曼滤波算法研究*

针对实际中传感器的量测信息异常和传感器之间数据传输的错误时,融合系统中的数据会出现异常值(outlier)的情况,提出了一种集中式非线性卡尔曼滤波算法,该方法应用鲁棒统计理论,通过设计代价函数来对系统的量测噪声方差进行重新构造,并利用标准无味卡尔曼滤波(UKF)的观测更新算法对非线性观测方程进行滤波,该方法无需对观测方程进行线性近似,在保持鲁棒性的同时不损失UKF的滤波精度。通过一个简明实例说明了该方法在量测出现异常值的情况下依然能对目标进行有效的跟踪滤波,鲁棒性和滤波精度优于传统的Huber鲁棒跟踪方法。     

加权观测融合非线性无迹卡尔曼滤波算法

针对非线性系统的无迹卡尔曼滤波器(UKF),应用加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.证明了加权观测融合UKF滤波算法与集中式观测融合UKF滤波算法在数值上的完全等价性,因而具有全局最优性.一个带两传感器非线性系统的仿真例子说明了两种融合算法的有效性及等价性.     

时变参数估计的一种自适应滤波方法

对于有观测噪声的线性时变系统,本文应用多重时滞系统自适应滤波方法提出了时变参数估计的一种新的自适应滤波算法。仿真例子说明了所提出的算法的有效性。     

双基阵方位—频率匀加速运动目标跟踪算法研究

针对水中匀加速运动目标的跟踪,将两部声纳基阵量测的目标方位信息和其中一部声纳基阵量测的目标频率信息作观测融合后,根据匀加速运动状态方程,建立双基阵方位—频率匀加速运动目标跟踪系统。对于系统的非线性性,根据量测值应用非线性滤波算法对匀加速运动目标进行状态估计,从而提出了一种双基阵方位—频率匀加速运动目标跟踪算法。将系统的观测方程伪线性化,应用线性系统可观测性判定定理对系统的可观测性进行分析,得到了该系统的可观测性判定条件。仿真验证了算法的有效性与可观测性判定条件的正确性。     

一种新型的混沌通信同步方法

针对一类具有不确定参数的非线性混沌系统,在对现有一些混沌同步方法比较总结的基础上,提出了一种混沌通信同步的新方法。通过合理的假设,将该类系统转化为在可观测输出端由附加白噪声驱动的线性时变系统。然后通过最优滤波来处理同步问题,可应用Kalman滤波的方法进行估计,响应系统的状态能够渐近收敛于驱动系统,并且在输出端加入干扰噪声的情况下,仍能保持良好的跟踪轨迹。     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

捷联惯导系统静基座初始对准精度分析及仿真

在利用卡尔曼滤波器对捷联惯导系统（SINS）进行静基座初始对准中,由于系统的不完全可观测性,使得有些状态没有滤波效果,有些状态的估计精度受到限制。对SINS静基座初始对准卡尔曼滤波方程进行了可观测性分析,提出了状态降阶的处理方法,并得到了各状态估计的极限精度公式。最后进行了软件仿真,仿真结果表明：降阶滤波器和全降阶滤波器的估计精度基本相同,但足前者计算量更小,并且在滤波计算中能够消除不可观测状态的不利影响。     

基于极大后验估计和模糊控制的水下无源定位技术

针对高海况条件下因海流扰动的影响导致观测噪声方差未知时变的特点, 基于模糊控制技术提出一种基于FCMAP-UKF 滤波技术的水下无源组合导航系统状态估计方法. 该方法在滤波迭代过程中引入模糊自适应因子, 对未知观测噪声方差阵进行动态调节, 提高了系统的自适应能力和鲁棒性. 滤波结果表明, 该系统在达到传统方法精度的同时, 能够克服自主导航过程中不确定的噪声和随机干扰的影响而进行有效的定位导航.     

航海雷达测波系统中降雨观测资料的分析与处理

在利用航海雷达进行海浪观测时,降雨的出现会改变海面粗糙度,从而导致雷达所接收到的回波信号强度发生改变。通过对实际海浪观测资料的分析,提出一种对航海雷达测波系统中降雨观测资料的分析与处理方法,运用雷达回波影像的统计特性-均值和变异系数作为降雨与非降雨雷达影像的分类标准,然后利用中值滤波算法对降雨观测资料进行滤波处理,以降低降雨对回波影像的影响,同时探讨了中值滤波算法的适用性。实验结果表明本算法具有较强的鲁棒性和较高的通用性。     

基于相关滤波技术实现激光陀螺抖动信号的剥除

为了满足惯导系统对机械抖动激光陀螺快速跟踪方面的应用需求,基于相关滤波技术实现了激光陀螺抖动误差信号的剥除.首先从理论上对基于相关滤波去除抖动的思想进行了详细的分析,提出了基于相关滤波进行抖动剥除的开环模型,为了提高系统的稳定性,在开环模型的基础上提出了闭环模型.其次介绍了基于相关滤波闭环模型实现抖动剥除的软硬件设计,最后用所研制的系统对某一型号的激光陀螺进行了测试,通过对采样信号和误差信号的观测,系统工作稳定,在5 kHz的采样条件下,陀螺剥除后的剩余脉冲控制在±1内.     

导弹跟踪中的卡尔曼与不敏卡尔曼滤波

卡尔曼滤波是在线性高斯情况下利用最小均方误差准则获得目标的动态估计,但在实际系统中,许多情况下观测数据与目标动态参数间的关系是非线性的。对于非线性滤波问题,至今尚未得到完善的解法。本文采用了两种方法来进行滤波:一种是将观测变量进行坐标系变化,使量测方程线性化,然后直接进行线性卡尔曼滤波;另一种方法是直接采用非线性滤波方法的不敏卡尔曼滤波。对仿真导弹轨迹的仿真结果显示,第一种方法在本系统中优于第二种方法。     

基于Lorenz-96模型的顺序数据同化方法比较研究

顺序数据同化方法在数据同化系统中得到了广泛的应用,其性能各有优缺。选择3种典型的顺序数据同化算法,即集合Kalman滤波,集合转换Kalman滤波和确定性Kalman滤波,使用经典的Lorenz-96模型进行敏感性实验,研究不同的关键参数变化,如集合数目变化、观测数变化、误差放大因子变化和定位半径变化时对同化效果的影响。实验表明：集合数目和观测数目的多少直接影响3种方法的同化效果;协方差放大因子和定位半径的选择会提高同化精度。综合比较,确定性集合Kalman滤波算法是一种具有较强鲁棒性的滤波算法,能够在集合数较小的情况下达到较好的同化效果。     

Kalman滤波抗野值方法研究

在Kalman滤波应用过程中 ,观测值中的野值是影响滤波效果的重要因素。当观测中含有野值时 ,破坏了Kalman滤波新息的原有特性 ,从而造成估计不准 ,滤波精度下降。本文提出了修正Kalman滤波新息的方法 ,使修正后的Kalman滤波新息能够保持修正前的新息特性。仿真结果表明 ,本文提出的方法可有效地抑制观测中的野值对系统滤波的不利影响     

基于滤波的伪线性回归系统递推最小二乘辨识方法

针对伪线性回归系统,提出了基于滤波的最小二乘辨识方法,基本思想是采用估计的噪声模型对系统观测数据和信息向量进行滤波,并用滤波后的数据进行辨识。仿真结果表明提出的算法能够估计伪线性回归系统的参数。     

被动目标自适应跟踪算法仿真研究

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散,而导致滤波精度很差,该文提出了一种直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行估计,动态补偿观测模型线性化误差,消减系统的观测误差,并对其滤波理论及其算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡卡尔曼滤波算法,收到了良好的效果。     

基于鲁棒自适应Kalman滤波的PET放射性浓度重建

针对正电子发射断层成像重建过程中存在的系统模型误差和投影数据不确定性,提出了基于状态空间体系的鲁棒自适应Kalman滤波法。该方法根据药物动力学先验信息建立状态方程,结合PET测量方程组成状态空间模型。引入虚拟噪声来表示模型的系统矩阵误差之后,通过应用鲁棒自适应Kalman滤波法对未知的系统噪声以及观测噪声进行估计的同时完成PET放射性浓度的重建。实验结果表明,此算法比传统的最大似然法和滤波反投影法更具鲁棒性,适合应用于实际PET系统中。