自适应卡尔曼滤波在地铁监测中的应用

目的通过滤波后的数据对比,验证自适应卡尔曼滤波在处理地铁变形监测数据工作中优于经典卡尔曼滤波.方法分别应用经典卡尔曼滤波和自适应卡尔曼滤波建立动态处理数据模型,对地铁变形监测数据进行处理,并与人工实测值进行对比.结果使用经典卡尔曼滤波处理后,数据精度提高38%,使用自适应卡尔曼滤波处理后,数据精度提高55%.结论自适应卡尔曼滤波与经典卡尔曼滤波相比,自适应卡尔曼滤波剔除噪声效果强与经典卡尔曼滤波,并且自适应卡尔曼滤波后数据整体变化平稳,与实测值吻合性较好,自适应卡尔曼滤波在处理沈阳地铁一号线监测数据中,优于经典卡尔曼滤波.     

基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

基于多新息理论的卡尔曼滤波改进算法

系统建模是卡尔曼滤波的基础,系统模型不准确带来的验前数据误差,使滤波器精度降低,甚至可能造成发散.针对这种情况,提出一种基于多新息理论改进的卡尔曼滤波算法.多新息卡尔曼滤波算法不仅考虑了运动目标当前的运动状态,而且也充分利用目标之前运动信息,从而使得多新息卡尔曼滤波算法的滤波精度和稳定性得到改善.仿真结果表明,改进的多新息卡尔曼滤波算法较标准卡尔曼滤波算法更有效,预测精度更高.     

卡尔曼滤波在预测管廊甲烷体积分数中的应用

为提高综合管廊环境监控系统的预警性,保障管廊安全运行,必须解决燃气舱甲烷体积分数在预测过程中存在的偏差问题.通过加入温度参数对预测数据进行补偿,建立卡尔曼滤波甲烷体积分数预测模型,并对比神经网络与卡尔曼滤波相结合的经典模型.仿真结果表明:加入温度补偿后的卡尔曼滤波方法得到的平均误差为6.18％,神经网络结合卡尔曼滤波方...     

卡尔曼滤波分光光度法

本文介绍了一种新的分析方法──卡尔曼滤波分光光度法，包括理论基础、计算方法、程序框图、初始条件及噪声的确定等内容。     

基于扩展卡尔曼滤波的永磁同步电机惯量补偿

针对扩展卡尔曼滤波估计算法在突加负载时存在抗扰性不足的问题,提出一种基于扩展卡尔曼滤波的永磁同步电机惯量补偿方法。利用扩展卡尔曼滤波获取电机的位置与转速等状态参数,建立负载扰动观测器,对扰动惯量进行辨识并进行补偿。对比扩展卡尔曼滤波无速度传感器的永磁同步电机矢量控制的仿真结果表明,基于扩展卡尔曼滤波的永磁同步电机惯量补偿的调速系统具有更好的抗扰性能和鲁棒性。     

组合导航系统中的自适应卡尔曼滤波技术

在比较了组合导航系统多种卡尔曼滤波技术的基础上,提出了能提高系统鲁棒性的自适应卡尔曼滤波技术。并利用系统静态仿真证明了该算法的有效性。     

有色噪声条件下的卡尔曼滤波

针对在实际工程中处理有色噪声存在滤波发散或结果失真的问题,提出一种有色噪声条件下的卡尔曼滤波方法。该方法利用线性变化,根据有色噪声相邻历元间噪声相关的特点,在动态噪声和观测噪声均为有色噪声的条件下,研究了卡尔曼滤波的方法,推导出有色噪声条件下卡尔曼滤波的递推公式。仿真结果表明,改进的方法比传统卡尔曼滤波对有色噪声信号处理效果更佳。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值，减小信号传播中因各种因素混入的随机误差对定位精度的影响，通过应用运动裁体“当前”统计模型，取速度和位置为观测量建立GPS动态定位模型，将观测量雏数增大1倍，从而增加了系统的可观测性和定位测算精度．此外，针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析，提出了改进型Sage自适应卡尔曼滤波法．该方法在递推和滤波过程中不断地修正模型参数，始终保持噪声模型接近于真实模型，从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题，较好地解决了GPS动态定位中状态变量雏数与滤波快速性之间的矛盾，以及状态噪声和观测噪声建模不准确和时变的问题．     

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。     

采用稳态Kalman滤波器简化Kalman滤波器的计算

计算Kalm an滤波器的方法主要采用迭代计算法,在工程应用中在线进行无穷迭代运算所带来的较大计算量势必影响计算速度。提出了稳态Kalm an滤波器的概念,并用Kalm an滤波器增益阵的稳态值计算Kal-m an滤波器。采用稳态Kalm an滤波器避免了在线计算Kalm an滤波增益在各时刻的函数值,因而减小了采用迭代法计算Kalm an滤波器的计算负担。     

卡尔曼滤波用于变压器数字式差动保护的研究

本文用变压器数字式差动保护的仿真模型,求得变压器的涌流和故障电流波形,并以此为依据,研究在变压器差动保护中用卡尔曼滤波算法时,其滤波方程中各参数的选择原则及滤波的状态方程数,分析了卡尔曼滤波在时间常数设定不精确情况下和频率变化时的滤波性能,并指出文献[1]计算结果的局限性。文中提出的结论,均经过大量计算,对卡尔曼滤波在数字保护中的应用有普遍意义。     

A new optimal approach to segmentation of 2D range scans to line sections

In order to obtain a compact and exact representation of 2D range scans, UKF (unscented Kalman filter) and CDKF (central difference Kalman filter) were proposed for extracting the breakpoint of the laser data. Line extraction was performed in every continuous breakpoint region by detecting the optimal angle and the optimal distance in polar coordinates, and every breakpoint area was constructed with two points. As a proof to the method, an experiment was performed by a mobile robot equipped with one SICK laser rangefinder, and the results of UKF/CDKF in breakpoint detection and line extraction were compared with those of the EKF (extended Kalman filter). The results show that the exact geometry of the raw laser data of the environments can be obtained by segmented raw measurements (combining the proposed breakpoint detection approach with the line extraction method), and method UKF is the best one compared with CDKF and EKF.     

平方根UKF混合滤波在自主光学导航中的应用

提出了一种用于探测器在巡航段的自主光学导航方案,该方案利用光学导航相机以及星敏感器,通过测量星光信息以及天体边缘的信息,得出了探测器的相对位置。在此基础上针对导航系统状态方程和观测方程的非线性问题,进行平方根Unscented卡尔曼滤波(square-root unscented Kalman filter)计算,由此实时确定了探测器的轨道。该方法将平方根滤波和UKF滤波有机结合起来,可更好地提高自主导航系统的准确度和可靠性。通过数学仿真并与EKF滤波过程进行比较,验证了该算法的优越性。     

转换测量值卡尔曼滤波的激光目标跟踪

为了解决在实际的目标跟踪系统中测量方程与运动方程的非线性问题，在传统的卡尔曼滤波的基础上提出了转换测量值的卡尔曼滤波器，并以此为基础在三维空间对其进行了推导。最后结合激光器的特点把它应用于激光跟踪目标的仿真，与扩展卡尔曼滤波相比较，应用转换测量值卡尔曼滤波器进行仿真的精度要明显高于应用扩展卡尔曼滤波器所得到的结果。     

Navigation system of a class of underwater vehicle based on adaptive unscented Kalman fiter algorithm简

Inherent flaws in the extended Kalman filter（EKF） algorithm were pointed out and unscented Kalman filter（UKF） was put forward as an alternative.Furthermore,a novel adaptive unscented Kalman filter（AUKF） based on innovation was developed.The three data-fusing approaches were analyzed and evaluated in a mathematically rigorous way.Field experiments conducted in lake further demonstrate that AUKF reduces the position error approximately by 65% compared with EKF and by 35% UKF and improves the robust performance.     

组合导航系统的自适应滤波

本文对自适应滤波在组合导航系统中的应用进行可行性研究,首先讨论了组合导航系统的数学模型,然后给出Sage和Husa提出的自适应滤波器,再用自适应滤波器来处理由组合导航系统测量器件给出的测量信息,对组合导航系统的状态进行估计,仿真结果表明,自适应滤波器具有良好的跟踪性能,即使噪声的统计特性不能确切地知道,滤波器也能给出系统状态比较精确的估计.     

分散滤波器

研究大系统中分散滤波问题,通过理论分析,提出两种离散滤波器方案.仿真结果证明,与以往近似方法相比,本文提出的两种方案能够得到更好的估计结果.     

磁浮列车测速定位中的信息融合研究

将信息滤波融合理论引入中低速磁浮列车测速定位领域, 在交叉感应回线的测速定位基础上增加雷达测速定位传感器和查询应答器, 以交叉感应回线和雷达传感器实现相对定位, 以查询应答器实现绝对定位, 从而得到多传感器信息融合测速定位, 可以显著提高中低速磁浮列车测速定位的精度和可靠性. 最后采用MATLAB仿真对结论进行了验证.     

多传感器跟踪型数据滤波融合算法

在实际系统中，常用的数据融合方法是基于扩展的卡尔曼滤波法的融合算法，但是这种融合算法的跟踪精度并不是很高，通过对滤波跟踪数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法，研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别并不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。