抗野值自适应Kalman滤波在无人机测风数据处理中的应用

针对无人机风场测量值含连续野值较多,且其噪声统计先验知识不足的问题,运用一种抗野值自适应Kalman滤波算法来提高其测风精度。在对模糊自适应Kalman滤波算法分析的基础上,该算法将一个压缩影响函数加权于滤波方程的新息上,根据新息的方差和均值变化自适应调整修正权值,使修正后的新息序列能够保持原有性质。相关分析结果表明,该算法能有效地克服较大野值和成片野值对滤波的不利影响,保证滤波精度,适用于无人机风场测量。     

样条滤波在脉冲雷达数据处理中的应用

针对主动段脉冲雷达测量数据的特点，应用样条滤波方法建立了弹道导弹主动段上的运动模型，并对Kalman滤波中截断误差的方差用自适应滤波方法给出估计，抑制了滤波的发散，提出了一种自适应样条Kalman滤波算法。     

矢量水听器与Kalman滤波在水雷引信中的应用

将基于声压振速的矢量水听器应用于水雷上,可以实现对水面运动目标的精确测向,获得方位角和俯仰角。根据水雷定深、方位角、俯仰角3个观测量,利用Kalman滤波算法实现对水面运动目标航迹估计与跟踪,提高水雷的精确打击能力。     

自适应Kalman滤波在巡航导弹航迹融合中的实现

针对巡航导弹航迹的融合与滤波问题,提出改进Kalman线性滤波算法的一种思路与方法。巡航导弹航迹融合模型包括飞行动态模型、探测器观测模型、Kalman滤波算法模型、坐标转换及转换后方差的近似计算方程等。这种改进算法基于转向判定域调整滤波初值,给出算例并对相关计算数据进行了简要地分析与评价。实验表明,这种改进算法精确有效。     

基于小波变换的自适应Kalman 滤波算法研究

针对组合导航系统中Kalman滤波在实际工程应用中的不足,以惯性/卫星组合导航系统为背景,提出小波变换技术对量测噪声方差阵进行直接调控的滤波算法。介绍Kalman滤波原理,根据小波变换在时域和频域都有良好的局部化性质,检测量测噪声的变化,实时调整自适应因子,间接改变Kalman滤波器的当前观测和过去信息的比例关系。仿真结果表明:该算法对噪声干扰有较强的自适应性,能有效抑制滤波发散,提高系统的精度和鲁棒性。     

模糊自适应Kalman 滤波算法在SINS/DR 组合导航的应用

针对里程仪测量误差导致组合导航精度降低的问题,提出基于系统工作状态和滤波器新息状态相结合的模糊自适应算法。根据新息的变化确定模糊规则,修正里程仪输出增益,使新息始终保持在零均值附近,利用修正后的新息修正观测噪声方差,降低导航定位的偏差。仿真实验结果证明,该算法能够很好地提高组合导航定位的精度。     

基于RBF神经网络的Kalman滤波在惯导系统传递对准中的应用

针对模型存在误差时传统的Kalman滤波算法误差变大甚至发散的缺点,利用RBF神经网络较强的非线性逼近能力,提出用RBF神经网络辅助Kalman滤波的新算法,将其应用于舰载机惯导系统的传递对准中。仿真表明该算法优于传统Kalman滤波算法。     

Kalman与H∞滤波算法在GPS/惯性组合导航系统中的应用研究

针对Kalman滤波及H∞滤波的特点,分别将其应用于GPS/惯性组合导航系统中进行比较.采用位置-速度组合方式.分别在白噪声及有色噪声条件下进行滤波.通过仿真结果说明当系统模型及噪声的统计特性精确已知的情况下Kalman滤波算法可以得到较高的精度.然而当系统模型及噪声的统计特性发生变化时H∞滤波算法明显具有良好的鲁棒性,估计精度也较高,有效地克服了Kalman滤波器存在的局限性.     

分段组合Kalman滤波在滚转弹SINS/GPS系统中的应用研究

为解决滚转弹SINS/GPS系统的运动参数估计问题,建立了广义误差模型,采用输出校正滤波对测量误差进行估计,进一步将输出校正滤波和反馈校正滤波进行了分段组合,给出了输出校正和反馈校正滤波原理图和分段组合流程图。根据SINS/GPS组合系统松组合模型,以某滚转弹六自由度仿真数据为例进行仿真。仿真结果表明,文中提出的分段组合Kalman滤波方法提高了估计精度。研究结果可为精确测量滚转弹的运动参数问题提供有效的解决办法。     

一种基于 Kalman 滤波的雷达数据抗野值方法

在对雷达测量数据的实际滤波过程中,带有野值的测量数据值将导致滤波系统产生记忆效应和误差,甚至导致滤波过程发散,严重影响处理结果的精度;从滤波算法的原理和工程实践的实际出发,以测量值与一步预测值的残差即“新息”为基础,提出了一种新的野值判别和剔除的简单易行算法;通过仿真对比计算,可以更为有效地消除野值对滤波的不良影响,提高测量精度。     

基于卡尔曼滤波的无源雷达目标跟踪分析

提出了一种基于卡尔曼滤波的无源雷达目标跟踪方法.利用无源雷达所测得的运动目标的二维不全信息, 根据卡尔曼滤波迭代估算出目标的位置.简要对无源雷达组网中的信息转换和航迹融合问题进行了讨论.对目标的仿真结果表明, 该算法具有良好的跟踪性能.     

一种处理机动目标的自适应Kalman滤波算法

针对卡尔曼滤波的缺点,提出了一种卡尔滤波的改进算法,然后将其应用到机动目标跟踪中,并用实例对该法进行了仿真,结果表明,该方法简单实用,效果很好.     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化,引入了机动目标的“当前”统计模型,提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性．     

基于卡尔曼滤波的水下近距目标运动分析

为跟踪水下近距目标,设计采用被动声纳平台获得目标的方位数据,用扩展卡尔曼滤波算法对测量数据进行目标运动分析来实现.建立了目标相对观测平台在固定深度做直线运动时的理论模型,针对非线性测量方程,采用雅可比矩阵来近似处理.采用标准卡尔曼滤波进行了实例仿真.结果表明,该方法将估计误差控制在8%以下,并有较好的稳定性.     

基于均值偏移和卡尔曼滤波的目标跟踪方法

分析了Mean—shift难以有效地跟踪复杂背景下灰度运动目标的主要缺陷,提出了结合Mean-shift和卡尔曼滤波器的目标跟踪方法。该方法利用卡尔曼滤波器预测目标在当前时刻的起始位置,然后Mean-shift在该位置的邻域内寻找目标所处位置。同时。采用Bhattacharyya系数度量“目标模型”和“候选模型”相似程度．确定“候选模型”是否更换为“目标模型”,避免目标模型过度更新。以地物为背景的飞机目标图像序列试验结果表明该方法较原Mean-shift方法可明显提高阻挡情况下的目标跟踪稳定性。     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

无迹Kalman滤波器及其目标跟踪应用

无迹卡尔曼滤波(UKF)算法在原先状态分布中按某规则取点,并使点的均值和协方差等于原状态分布的均值和协方差.将这些点代入非线性函数中,得到相应的非线性函数值点集,并通过点集求取变换后的均值和协方差.其应用步骤包括计算及传递取样点、利用预测取样点和权值计算预测均值和协方差、预测测量值和协方差,最后计算UKF增益,更新状态向量和方差.仿真表明该方法比EKF方法可用性更强.     

微波交会对接雷达目标跟踪的卡尔曼滤波器设计

针对空间交会对接应用中追踪航天器对目标航天器的精密跟踪,采用三阶修正卡尔曼滤波器直接在球坐标系下对径向距离和径向速度进行联合跟踪,采用2个结构一致的二阶修正卡尔曼滤波器分别对俯仰角和俯仰角速度、方位角和方位角速度进行联合跟踪。提出一种状态噪声的实时估计算法,有效地解决了卡尔曼滤波应用中状态噪声的参数设计问题。仿真结果表明,本文设计的卡尔曼滤波器能够精确地跟踪目标航天器,同时具有较强的动态适应能力。     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。