Kalman滤波模型中三种残差的比较

Kalman滤波中不可避免地存在模型误差,模型误差的存在会引起滤波结果失真,严重时还会导致滤波发散。在对Kalman滤波模型进行检验时,有三种常用的残差——观测残差,预测残差和状态预报值残差。以往不同学者选用不同的残差对模型进行检验。当模型含有误差时,分别推导这三种残差变化后的表达式并对它们检验模型误差的能力进行比较,结果表明预测残差在模型检验中反应最灵敏,并且计算量最小。最后给出仿真算例,结果也证实预测残差能够更有效、更快捷地探测模型误差。     

基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.     

Kalman滤波在ARIMA模型参数估计中的应用

在文献（２,５）研究的基础上,对ＡＲＭＡ模型的状态空间表达作了推广,证明了推广后的形式是ＡＲＩＭＡ模型的状态空间表达式,并证明了由此得到的估计量是最小均方线性无偏估计,最后给出ｌ步线性预报公式。     

多普勒测速声呐的自适应Kalman滤波算法

针对小型自主水下无人潜器的运动特点,设计了一种加速度信息辅助的自适应Kalman滤波器,用于多普勒测速声呐的数据处理.首先基于时间序列分析法,建立了多普勒测速声呐噪声信号的AR模型,并根据当前统计模型设计了多普勒测速声呐Kalman滤波方程.然后针对滤波方程特点,设计了基于S面的自适应Kalman滤波器.实验结果表明,...     

抑制 Kalman 滤波发散的方法及其进展

探讨了抑制Ｋａｌｍａｎ滤波发散的若干方法，抑制滤波发散的算法，对实际应用及改进Ｋａｌｍａｎ滤波，提高状态估计精度是有益的。     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.     

一种基于Kalman滤波的实时校准算法

雷达组网融合多雷达的观测数据,可监视大范围的空中态势。但是首先要解决各雷达的系统偏差校准问题,雷达组网才能发挥效能。传统的雷达组网校准技术多基于固定雷达站给出,没有考虑姿态角及其偏差对校准的影响,因此不适合机动雷达偏差校准。该文针对这一问题进行了研究,通过泰勒级数展开推导了系统偏差和量测之间近似的线性关系,在此基础上提出了一种基于Kalman滤波的实时机动雷达系统偏差校准算法。仿真表明,本文提出的算法能有效地对机载雷达的系统偏差和姿态角偏差进行实时估计。     

多尺度Kalman滤波图像复原

提出了一种小波域多尺度Kalman滤波图像复原方法。根据信号的降晰退化模型在各个尺度上的频域表现形式,建立了Kalman滤波的观测方程,以及小波重构在频域上的形式而建立尺度之间的状态转移方程。将大尺度上得到的复原结果作为多尺度Kalman滤波状态变量的初始值,然后在分解后的各个低频子带上预测复原,最后得到在小尺度(最高分辨率)上的频域复原结果,经过傅立叶逆变换就可以得到最终的复原结果。实验结果表明多尺度Kalman滤波图像复原算法能够产生比较好峰值信噪比。     

离散线性系统的岭型Kalman滤波及其算法

从空间几何的角度分析了Kalman滤波中的病态性问题,提出了离散线性系统的岭型Kalman滤波及其算法,讨论了岭型Kalman滤波的性质,给出了选取岭参数的两种方法;数值模拟证明所给出的新算法能够有效改善观测矩阵的病态性对Kalman滤波的不良影响,提高了状态估计的精度。     

Wiener滤波,Kalman滤波和信息融合滤波理论研究进展

综述最优和自校正滤波的一种新的方法论——现代时间序列分析方法,其中给出了同Wiener滤波方法和Kalman滤波方法的比较,并且综述了近20年来由作者分别基于Kalman滤波方法和现代时间序列分析方法关于Wiener滤波、Kalman滤波和信息融合滤波理论的研究进展,其中包括一系列新方法、新理论和新的研究方向,并提出了存在的几个问题和今后研究方向,具有重要理论、工程应用和科学方法论意义.     

异常数据的检测方法

系统地研究了数据挖掘中异常点检测的一般方法,并指明了它们的优缺点.对高维的和基于聚类的异常点挖掘情况进行了分析,希望使用者能够以这些方法为基础提出更好的方法.     

Adaptive Extended Kalman Filtering for Bearings-Only Targets Tracking Problem

0INTRODUCTIONfileproblemofestimatingthestatesofatalgetfrompassivemeasurementshasgeneratedalotofinterestduetoitsapplicationsinship-trackingandhondng-missilegUidance.AdifficultyinobtaininggabestimatesforthetargetmotionanalysisarisesfromhavingtouseonlyangUlarobservations(inthecaseofpassivemeasurements)toextractinformationaboutfoepositions,velocitiesandthetargetaccelerations.Mathematically,thisI,rohlemcanbedescribedinaninertialrectangularcoordinateframebyalineardynamicalmodelandanonlinearobse…     

一种鲁棒Kalman滤波算法

针对带模型误差系统,利用偏差分离估计提出一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件．仿真结果表明该算法有效．     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。     

极坐标下卡尔曼滤波算法的研究

针对在某些情况下直角坐标系中卡尔曼滤波算法运算量较大、模型建立比较困难等缺点,提出了极坐标下的卡尔曼滤波算法。该算法选用极坐标作为滤波坐标系,建立了目标运动模型和外推方程,给出了增益阵的一种新的计算方法。仿真结果表明,提出的滤波算法在数据率较高时,滤波精度略低于直角坐标下卡尔曼滤波算法,优于自适应α－β滤波算法,但运算量明显低于直角坐标下卡尔曼滤波算法。     

小样本道路旅行时间数据中的异常点剔除算法

利用车牌照匹配技术获取的小样本旅行时间数据中通常夹杂大量异常点,无法直接用以表征当前交通状态及交通旅行时间数据的动态、离散、小样本等特性,在传统剔除算法的基础上,提出了一种统计分析与模糊C均值聚类相结合的异常点剔除新方法。将新剔除方法与传统剔除方式效果进行分析比较,得出一种精确度较高的异常点剔除方法。仿真结果表明,该方法在处理交通小样本数据上,大幅度提高了异常点检测的准确性,能够有效过滤异常数据。     

Adaptive SINS/GPS Outlier Detection and Accommodation Using Innovation Orthogonal

The outlier detection and accommodation of integration navigation of strapdown inertial navigation systems and global position system (SINS/GPS) were studied. Based on analyzing the innovation orthogonal property in Kalman filter, an outlier adaptive detection approach was first presented, which included the determination of evaluation function and threshold and the logic decision of outlier occurrence. To effectively attenuate the influence on estimation accuracy, a modified Kalman filter algorithm was proposed by accommodation of the dynamic data with outlier. Results of data processing from vehicle-test SINS/GPS integration navigation show the effectiveness of the proposed method.     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

基于Kalman滤波的信号多尺度估计

系统地推导了信号基于Kalman滤波多尺度估值算法，并用实例验证了该方法滤波的有效性．     

GPS监测网动态数据处理抗差Kalman滤波模型

为克服观测向量中的粗差对状态参数滤波值的影响,通过分析其影响规律,并充分顾及到粗差在预测残关或得到全部反映的特点,导出了GPS监测网动态数据处理的抗差卡尔曼滤波模型－该模型对观测空间和设计空间均具有良好的抗差性,通过利用该抗差滤波模型对含有粗差的模拟GPS监测网的计算,与采用标准卡尔曼滤波模型的计算结果相比较,可获得可靠的变形分析结果。