两站基于角度和时差信息的伪线性卡尔曼滤波算法及其改进

建立了两站基于角度(DOA)和时差(TDOA)信息的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波(PLKF)算法。仿真结果表明该算法的稳健性要高于扩展卡尔曼滤波(EKF)算法,当观测误差较小时,PLKF算法的定位精度要高于EKF算法;当观测误差较大时,其定位精度低于EKF算法。对此文中结合两种算法的优点,提出了改进算法,以同时提高算法的定位精度和稳健性。     

UKF滤波在农业车载北斗导航系统中的应用

我国自主研制的北斗卫星导航系统已开始应用于农业机械自动导航。针对广泛研究的无源北斗定位系统,由于定位接收机本身误差、环境噪声以及人为干扰等因素的影响,而导致相应的量测序列出现某些粗大的错误数据,使得导航定位不精确。用无迹卡尔曼滤波算法UKF(Unscented Kalman Filter)实现农业车载导航系统的非线性状态估计,避免了EKF方法的线性化近似过程及其引入的线性化截断误差,提高了算法的收敛速度和载体的定位精度。文中针对基于BD导航定位的喷雾机,对车载BD系统进行当前统计建模,用EKF和UKF方法分别进行了滤波仿真。仿真结果表明:在车载导航状态估计中,UKF滤波方法优于EKF滤波方法,定位精度可以达到1米左右。     

最小二乘Unscented卡尔曼滤波在伪卫星定位中的应用

为了提高伪卫星的定位精度,在研究伪卫星星历误差传递规律和伪距观测方程线性化误差的基础上,提出一种最小二乘Unscented卡尔曼滤波算法。该算法首先利用最小二乘法估计出伪卫星的位置误差,并对伪卫星的位置进行修正,以减小伪卫星位置误差对导航解算精度的影响;然后利用无迹卡尔曼滤波算法对用户位置进行解算。仿真结果表明,与传统的扩展卡尔曼滤波算法相比,提出的算法能够有效减小伪卫星位置误差对用户定位精度的影响,提高独立组网伪卫星系统的定位精度。     

基于WLS-KF的GPS非线性动态滤波研究

为了提高动态定位精度,将卡尔曼（KF）算法应用到GPS非线性动态定位解算中,提出加权最小二乘-卡尔曼滤波（WLS-KF）算法。通过加权最小二乘（WLS）算法得到近似的线性化模型,再将KF算法应用到这个线性化模型进行校正。因此既保持了KF算法能够对系统状态进行最优估算的优点,同时对各个测量值进行了联系制约,具有更高的精度。结果表明,这种方法精度介于EKF和UKF之间,且实现容易,预测可靠,具有实际应用价值。     

基于DOA的无源定位算法

该文在分析了伪线性扩展卡尔曼滤波中针对非线性观测方程线性化误差的产生原因以及对滤波影响的基础上,提出用n时刻的状态估计值代替一步预测状态值.由于n时刻的状态值中隐含着n时刻的测量值,因此比一步预测状态值更接近此时刻的真实状态矢量,从而将伪线性的观测方程在更接近真实状态值处泰勒展开将产生更小的线性化误差,通过这种处理从而提高了状态定位精度.最后通过计算机仿真证明了改进算法的有效性.     

基于自适应插值扩展卡尔曼滤波的永磁同步电机状态估计

PMSM无传感控制的转速与转子位置估计对系统至关重要,扩展EKF算法作为无传感控制技术被广泛应用在工业领域。但是EKF算法在系统线性化过程中产生截断误差,对于高度非线性模型无法得到精确估计值。为减小EKF算法因非线性问题而造成的误差,文中提出了一种基于AIEKF状态估计法。该方法以量化状态方程的非线性程度为依据,通过添加伪状态值减小EKF算法线性化中产生的误差对估值精度的影响,从而降低系统在线性化过程引起的误差。仿真计算结果表明,AIEKF较EKF的截断误差平均降低了55.6%。     

有色噪声下的不敏卡尔曼滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题。通常的方法是利用扩展卡尔曼滤波方法将非线性系统线性化后,再利用线性系统的方法对有色噪声系统进行估计。然而,模型的线性化误差往往会严重影响最终的滤波精度,甚至导致滤波发散。为了避免此类误差,先通过对测量方程进行变换的方法,将观测方程的有色噪声转换为白噪声后,再利用不敏卡尔曼滤波方法,对系统的状态进行估计。虽然,该方法也需要对观测方程进行线性化,但是由于此线性化过程是在求解新量测方程的测量误差中进行,因此对系统的误差影响不是很大。仿真结果表明新方法能够有效地对有色噪声环境下系统的状态进行估计,性能要优于现有的一些基于EKF的方法。     

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF), UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。      

一种基于角度和时差信息的改进型滤波算法

联合角度（DOA）信息和时差（TDOA）信息对运动目标进行多站无源定位实质上是一种非线性估计问题。文章基于DOA和TDOA信息，提出了二种多站对三维空间目标进行定位跟踪的修正增益扩展卡尔曼滤波（MGEKF）算法，文中分别推导了角度观测方程和时差观测方程的修正增益函数。计算机仿真表明该算法的定位精度和稳健性能均要高于扩展卡尔曼滤波（EKF）算法。     

光电经纬仪的粒子-卡尔曼联合目标跟踪算法及仿真

针对系统状态方程是线性,观测方程是非线性的被动光电测量问题,分析了常用的EKF法（扩展卡尔曼滤波法）、PF法（粒子滤波法）、UKF法（无迹卡尔曼滤波法）的优缺点,提出了以PF法与EKF法相结合的方法作为光电经纬仪的目标跟踪算法．为解决单台光电经纬仪的不可观测性问题,采用2台交汇的观测数据作为观测量进行计算．通过蒙特卡洛仿真计算,比较了上述各种方法对同一运动模型的跟踪结果,证明PF-EKF法在交汇光电经纬仪的目标跟踪中精度较高,而EKF算法的实时性较高．     

EKF、UKF、PF目标跟踪性能的比较

雷达系统的非线性目标跟踪已被人们广泛重视。扩展卡尔曼滤波器（EKF）是将卡尔曼滤波器（KF）局部线性化，其算法简单、计算量小，适用于弱非线性、高斯环境下。不敏卡尔曼滤波器（UKF）是用一系列确定样本来逼近状态的后验概率密度，在高斯环境中，对任何非线性系统都有较好的跟踪性能。粒子滤波器（PF）是用随机样本来近似状态后验概率密度函数，适用于任何非线性非高斯系统。文中通过仿真实验，对三者的性能进行了仿真比较，结果证明在复杂的非高斯非线性环境中，粒子滤波器的性能明显优于另外两种滤波器，但计算复杂，耗时长。     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。     

无敏变换在非线性状态估计中的应用

传统的非线性状态估计,均需要对非线性传输函数采用线性化技术进行逼近,如扩展卡尔曼滤波（EKF）,当雅克比矩阵不可解或强非线性条件下时,线性化技术就受到应用的局限性。针对这一情况,介绍了一种新的变换-无敏变换（Unscented Transform）,阐明了该变换的优点,并研究了该变换与传统的卡尔曼滤波算法相结合,所衍生出的无敏卡尔曼滤波（Unscented Filter）算法。最后,通过算法仿真,与扩展卡尔曼滤波（EKF）算法相比较,验证了该变换在高斯环境下的优越性。     

Novel Simplex Unscented Transform and Filter

In this paper,a new simplex unscented transform（UT）based Schmidt orthogonal algorithm and a new filter method based on this transform are proposed.This filter has less computation consumption than UKF（unscented Kalman filter）,SUKF（simplex unscented Kalman filter）and EKF（extended Kalman filter）.Computer simulation shows that this filter has the same performance as UKF and SUKF,and according to the analysis of the computational requirements of EKF,UKF and SUKF,this filter has preferable practicality value.Finally,the appendix shows the efficiency for this UT.     

简化UKF在机载IRST系统被动测距中的应用

针对机载IRST系统被动测距问题,给出了一种简化的UKF(SUKF)算法。算法无需对状态变量进行扩维,对于线性状态方程使用了和卡尔曼滤波相同的时间更新方法,对于非线性测量方程保持了UKF的特征,既继承了UKF的优点又减小了算法的运算量。仿真结果表明,SUKF在测距精度和收敛速度上明显优于EKF,其性能与标准UKF相同但计算耗时少,适合于机载IRST系统被动测距的实时处理。     

平方根容积卡尔曼滤波在角测量跟踪中的应用

为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。     

基于UKF的单站无源定位与跟踪算法

单站无源定位与跟踪系统观测方程的非线性性决定了定位与跟踪中必须采用非线性滤波技术.MGEKF等非线性滤波方法本质上都属于扩展卡尔曼滤波算法,都存在由于线性化误差而导致滤波器稳定性差等问题.基于unscented变换的UKF算法不存在线性化误差,具有更好的稳定性,但由于协方差估计不足,导致收敛速度较慢.该文基于UKF算法提出了一种迭代UKF(IUKF)算法,通过对状态和协方差的迭代估计,改善了UKF协方差估计不足的问题.仿真结果表明在不同的参数测量精度条件下,IUKF算法既保持了较好的稳定性又提高了算法的跟踪精度和收敛速度.     

光电跟踪系统几种次优非线性卡尔曼滤波性能比较

为在光电目标跟踪中选择性能最优的非线性卡尔曼滤波提供参考依据,对光电跟踪系统中应用广泛的扩展卡尔曼滤波、无迹滤波和中心差分滤波3种滤波方法,分别在二阶常速、三阶常加速模型和"当前"统计模型下实现的性能进行仿真实验对比和分析。比较和分析结果显示无迹滤波的性能要明显优于另外两种方法;"当前"统计模型下的滤波精度要高于另外两种模型。