滚动时域估计在连续搅拌釜式反应器中的应用研究

针对连续搅拌釜式反应器的多变量、非线性、带约束等特点,设计一种基于滚动优化原理的滚动时域估计方法.对比扩展卡尔曼滤波和滚动时域估计两种方法,在滚动时域估计中采用扩展卡尔曼滤波近似代替到达代价函数,并通过改变滚动时域窗口的大小有效地减小估计过程中的误差.仿真结果表明:滚动时域估计优于扩展卡尔曼滤波,能够有效地处理带约束化工过程中非线性系统状态估计问题.     

基于模糊卡尔曼滤波的四旋翼姿态估计方法

针对四旋翼在飞行中因运动加速度及磁场干扰等影响引起的姿态估计误差，提出一种基于动态估计的模糊扩展卡尔曼滤波姿态估计算法。该算法利用传感器数据对运动频率、运动加速度及磁场干扰的大小进行估计，对估计值模糊推理后，使用输出值调整卡尔曼滤波测量噪声方差和梯度下降步长，增加姿态估计算法的动态适应性。为验证所设计算法的估计效果，使用四旋翼仿真模型进行验证。实验结果表明，该算法能够有效地提高四旋翼在高机动、强干扰情况下姿态估计的姿态跟踪精度、动态性能、抗干扰能力。     

航行船舶的运动估计在海浪预报中的应用研究

研究航行中的船舶运动估计及时性不高的问题.由于在海上航行的船舶受海浪运动的随机性和多向性影响,船舶的运动估计信号较复杂且难于提取.传统的方法是从船舶的运动交叉谱中逐一计算提取运动估计信号,存在计算量过大不能及时预报海浪的问题.为解决上述问题,提出了最大似然估计法完成海浪及时预报.根据船舶运动是窄带平稳随机过程的特点,采集船舶的实时横摇、纵摇、垂摇运动时间序列,并将船舶的运动交叉谱作为约束条件,采用最大似然估计法提取出隐含的运动估计信号,避免传统方法对交叉谱的逐一大量计算,然后利用船舶运动估计结果完成海浪的预报.实验表明,提出的方法能够快速获取航行船舶的运动估计信号,可及时完成海浪的预报.     

基于扩展卡尔曼滤波法的矿用可移动救生舱蓄电池荷电状态估计

针对基于安时计量法的矿用可移动救生舱蓄电池荷电状态SOC估计在环境温度或放电电流波动较大的情况下精度较低的问题,提出了一种基于扩展卡尔曼滤波法的矿用可移动救生舱蓄电池SOC估计方法。该方法在安时计量法的基础上,把影响蓄电池SOC估计的环境温度和放电电流因素作为蓄电池系统的噪声,采用扩展卡尔曼滤波法的优化估计递推算法对蓄电池SOC进行实时滤波与估计,从而提高了蓄电池SOC的估计精度。实验结果表明,该方法的蓄电池SOC估计结果与实测值基本一致,可用于矿用可移动救生舱蓄电池管理系统中。     

基于PF和UKF的水下目标运动估计方法研究

针对无人水下航行器（UUV）目标跟踪控制需求,分别提出了水下目标的粒子滤波（PF）和无迹卡尔曼滤波（UKF）运动估计方法,建立了目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了建立了目标的典型运动模型和非线性随机运动模型,利用前视声呐实测实验数据,完成水下目标运动估计。通过与扩展卡尔曼滤波器（EKF）的目标运动估计对比仿真实验,验证了PF和UKF两种目标运动估计方法的有效性。     

基于SR-UKF的OFDM频偏迭代估计算法研究

对高速运动环境下多普勒效应引起的大载波频偏引起的载波间干扰进行数学分析,建立带频偏的非时变和时变频偏OFDM动态状态空间模型,提出了基于平方根无迹卡尔曼滤波（square-root unscented Kalman filter , SR-UKF）的频偏估计算法。将非线性状态估计思想引入OFDM频偏估计中,实现了对频偏的有效跟踪和估计。仿真结果表明,在大频偏、高阶调制下,SR-UKF频偏估计算法较自消除算法、最大似然估计算法具有更好的误码率性能;在收敛精度、稳定度和对信噪比敏感度方面,性能较扩展卡尔曼滤波算法均有所提升。     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

基于M-估计的UKF算法及其在运动估计中的应用

针对运动模型的非线性和运动估计的鲁棒性问题,提出一种结合M-估计等价加权原理的鲁棒无迹卡尔曼滤波(UKF)算法(M-UKF).该算法首先利用UKF算法获得初步的运动参数的估计,然后利用M-UKF算法得到较为准确的估计值.将M-估计与UKF方法相结合,既解决了针对运动模型非线性的估计问题,又能较好地克服离群数据的干扰,大大提高估计的鲁棒性.通过模拟数据的仿真和实际图像序列的测试说明该方法的有效性.     

基于间接EKF的MEMS惯性系统最优姿态估计

针对MEMS惯性系统姿态估计中的扩展卡尔曼滤波EKF(Extended Kalman Filter)是非线性状态方程的次优估计且性能受量测噪声协方差矩阵影响的问题,提出一种间接EKF最优姿态估计方法。推导与状态向量扰动相关的线运动特性并设计扰动状态方程,采用标准线性卡尔曼滤波完成扰动状态及其协方差最优更新,最后利用加速度计输出作观测量并采取链式法则完成量测矩阵的求取。对比实验结果表明,间接EKF算法可有效降低陀螺随机漂移对姿态估计的影响,姿态收敛速度与精度均优于传统EKF方法。     

改进强跟踪滤波算法及其在汽车状态估计中的应用

准确实时地获取汽车行驶过程中的状态变量,对汽车底盘控制有着重要的意义,而这些关键状态往往难以直接测量或 者成本较高.结合纵向、侧向和横摆三自由度非线性汽车模型,将改进强跟踪滤波(Improved strong track filter, ISTF)算法应用到汽车的状态估计中,并改进了算 法的稳定性.与扩展卡尔曼滤波(Extended Kalman filter, EKF)算法进行比较分析.通过Carsim和Matlab/Simulink联合仿真和实车双移线实验验证算法,结果 表明,该算法在估计精度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.     

高速公路交通状态的联合估计方法

提出一种有效的高速公路交通密度预测估计方法。通过分析交通模型，建立了系统的离散化状态和误差模型表达式，并采用推广Kalman滤波方法进行估计．为进一步增强数值稳定性以及提高计算效率，根据系统矩阵分块的特点，采用分块的正交化U-D分解算法实现时间更新，同时采用序列U-D分解方法进行测量更新．仿真计算和实际应用表明，该方法可以给出工程实用结果。     

An adaptive observer framework for accurate feature depth estimation using an uncalibrated monocular camera

This paper presents a novel solution to the problem of depth estimation using a monocular camera undergoing known motion. Such problems arise in machine vision where the position of an object moving in three-dimensional space has to be identified by tracking motion of its projected feature on the two-dimensional image plane. The camera is assumed to be uncalibrated, and an adaptive observer yielding asymptotic estimates of focal length and feature depth is developed that precludes prior knowledge of scene geometry and is simpler than alternative designs. Experimental results using real camera imagery are obtained with the current scheme as well as the extended Kalman filter, and performance of the proposed observer is shown to be better than the extended Kalman filter-based framework.     

双目视觉基于修正卡尔曼滤波器的运动估计

研究了目标物体的远程运动估计.首先,建立了一种双目视觉系统的基于卡尔曼滤波器的目标物体运动估计的运动学模型,并且证明了双目视觉系统同步的各自连续两帧图像中至少三个对应图像点能完全确定刚性物体的运动参数和空间位置;然后,通过对状态向量中的速度分量进行再估计,提出了一种修正卡尔曼滤波器对目标物体远程运动估计的算法,与直接卡尔曼滤波器的远程运动估计相比,提高了估计的精度.将该方法运用到一种实时预测的实验中,其结果证明了该算法的有效性.     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

一种鲁棒自适应推广Kalman滤波及其在飞行状态估计中的应用

本文在自适应推广Kalman滤波基础上，为了防止滤波发散，改善自适应Kalman滤波的数值稳定性和计算效率，利用U－D分解滤波，并引进滤波发散的判据等，提出一种鲁棒自适应推广Kalman滤波新算法，并把该算法应用于飞行器飞行状态估计问题，仿真及实际计算结果证明了本文方法的有效性。     

GPS信号阻塞情况下的EKF算法改进

当GPS信号发生阻塞时,可见卫星数会不足4颗,这时迭代最小二乘算法(ILS)与普通扩展卡尔曼滤波(EKF)都不再适用。针对这一问题提出了一种改进的EKF算法。该算法利用在垂直地面方向上的位置变化缓慢这一运动特性,建立了改进EKF算法的系统模型。通过理论分析得到了滤波器参数,最后利用真实的GPS卫星数据进行验证。实验结果表明,在可见卫星数不少于4颗时,此改进的EKF算法定位精度与普通的EKF算法基本相同;在GPS信号阻塞只有3颗可见卫星时,此改进的EKF算法的定位精度明显优于普通的EKF算法。     

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.     

Unscented Kalman filter for continuous‐time nonlinear fractional‐order systems with process and measurement noises

This study proposes the design of unscented Kalman filter for a continuous‐time nonlinear fractional‐order system involving the process noise and the measurement noise. The nonlinear fractional‐order system is discretized to get the difference equation. According to the unscented transformation, the design method of unscented Kalman filter for a continuous‐time nonlinear fractional‐order system is provided. Compared with the extended Kalman filter, the proposed method can obtain a more accurate estimation effect. For fractional‐order systems containing non‐differentiable nonlinear functions, the method proposed in this paper is still effective. The unknown parameters are also discussed by the augmented vector method to achieve the state estimation and parameter identification. Finally, two examples are offered to verify the effectiveness of the proposed unscented Kalman filter for nonlinear fractional‐order systems.     

确定采样型强跟踪滤波飞机舵面故障诊断与隔离

为了克服扩展多模型自适应估计中扩展卡尔曼滤波的理论局限性,多重渐消因子强跟踪改进引起的滤波发散现象以及多维高斯故障概率计算量大等问题,本文将一类基于确定解析采样近似方法的非线性次优高斯滤波与多模型自适应估计相结合,提出了改进的多重渐消因子强跟踪非线性滤波快速故障诊断方法.确定采样型滤波克服了扩展卡尔曼滤波的理论局限性;推导了等效多重渐消因子计算方法,避免了非线性系统雅克比矩阵的计算,提高了故障突变时的跟踪性能;提出了基于平方根分解的改进的一步预测协方差更新方程,保证了滤波稳定性;提出了基于欧几里得范数简化的故障概率计算方法,降低了计算量.通过对比仿真验证了3种不同非线性滤波算法及其强跟踪改进算法的有效性,故障诊断方法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性.