模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

H2/H∞混合滤波在GPS/DR组合导航中的应用研究Ⅱ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H2/H∞混合滤波.本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H2/H∞滤波方法,仿真结果表明,H2/H∞混合滤波即具有卡尔曼滤波的同等精度,又具有H∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H2/H∞滤波更符合工程应用.     

H2/H∞混合滤波在GPS/DR组合导航中的应用研究Ⅰ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H2/H∞混合滤波.本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H2/H∞滤波方法,仿真结果表明,H2/H∞混合滤波即具有卡尔曼滤波的同等精度,又具有H∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H2/H∞滤波更符合工程应用.     

自适应交互多模型滤波在INS/CNS组合导航中的应用

针对惯性/天文(INS/CNS)组合导航系统中由于量测噪声的统计特性随应用环境发生变化而导致滤波精度降低的的问题.提出了一种基于自适应交互多模型(AIMM)的组合导航算法,该算法将改进的Sage-Husa自适应滤波器与交互多模型相结合,以少量的模型实现对实际模态的覆盖.仿真结果表明:与常规Kalman滤波方法相比,该方法较好地覆盖了实际模态变化情况,实现了对量测噪声统计特性变化的自适应调整,在观测值发生异常时,导航参数误差没有大的跳变,导航滤波器在观测值异常时具有一定的自适应能力,从而保证了导航滤波器的可靠运行,提高了导航系统的精度和可靠性.     

雷达/红外复合导引头信息融合算法

毫米波雷达/ 红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/ 红外成像复合导引头系统的特点及其工程应用出发,建立了一种基于联邦滤波(FF)的分布式雷达/ 红外复合导引头信息融合算法。首先,针对扩展卡尔曼滤波存在线性化误差以及雷达测量噪声非高斯的特点,采用粒子滤波算法(PF)设计雷达子滤波器;针对红外传感器不能测量目标距离的特点,采用伪线性卡尔曼滤波算法(PLKF)设计红外子滤波器。然后通过主滤波器进行信息融合,并对两个子滤波器进行信息分配和重置。仿真结果表明,该信息融合算法能够有效地提高雷达/红外复合导引头系统的目标跟踪精度及系统的稳定性。     

机动目标跟踪的HIMM算法研究

交互多模型算法(IMM)的子滤波器都是基于Kalman滤波的,它要求知道精确的噪声统计特性,然而在许多情况下噪声信号的统计特性是未知的,只能得到噪声信号的近似模型,这在一定程度上降低了IMM算法的跟踪精度.基于以上问题,将H∞滤波算法应用于IMM算法的滤波过程.H∞滤波对干扰信号的统计特性不作任何假设,与Kalman滤波相比,H∞滤波器对噪声形式的不确定性不太敏感,鲁棒性好.在跟踪过程中还引入了一种数值稳健的模型概率计算方法,能有效防止计算过程中出现数值溢出现象,提高了算法的可靠性.最后通过仿真实验,证明了算法的有效性.     

H_∞滤波及其在INS/CNS组合导航系统中的应用

在惯导/星光(INS/CNS)组合导航中,由于集中卡尔曼滤波存在对系统模型和噪声统计特性依赖性等缺点,将H∞滤波方法理论应用其中。给出了H∞滤波的滤波方程,定性讨论了kalman滤波和H∞滤波的关系,通过在INS/CNS组合导航系统中的实际应用进一步从精度和鲁棒性对两种滤波算法进行了比较。仿真结果表明,当噪声为有色噪声或统计特性不确定时,H∞滤波优于kalman滤波,说明了该算法的有效性和可行性。     

惯性/地磁组合导航系统自适应卡尔曼滤波算法研究

针对惯性/地磁组合导航中遇到的滤波的发散问题,采用自适应卡尔曼滤波估计导航系统的误差.该算法通过实时估计和修正系统噪声以及观测噪声的统计特性达到降低模型误差、抑制滤波发散的目的.在Matlab环境下的仿真证实了该方案可以防止滤波器发散,缩小滤波误差,提高滤波精度.     

改进自适应Kalman滤波的SINS/GPS紧组合导航

当系统噪声和量测噪声统计特性不明确时,基于新息的自适应滤波对两种噪声进行估计时存在相关性,与实际情况不符而影响滤波精度。针对这种情况,提出改进的自适应滤波算法。首先建立了SINS/GPS紧组合导航系统空间方程;然后介绍了自适应卡尔曼滤波原理,指出了此算法对两种噪声估计出现相关性的原因,在此基础上提出了改进的自适应卡尔曼滤波算法,改进算法对系统噪声和量测噪声同时进行在线估计,解决了原算法存在的不足;通过半实物仿真实验可以看出,在系统噪声和量测噪声不明确时改进算法的估计精度,与原有算法在系统噪声和量测噪声已知时的估计精度相当,充分说明了改进算法的实用性。     

基于IMM-极限迭代UFIR的机动目标跟踪算法

为提高非高斯噪声条件下机动目标跟踪的精度,提出基于交互式多模型极限迭代无偏有限脉冲响应滤波(IMM-极限迭代UFIR)算法。采用对噪声统计特性不敏感的极限迭代无偏有限脉冲响应滤波(UFIR)作为其子滤波器,对各模型进行状态估计,最后通过对各模型的输出结果综合得到机动目标状态。仿真结果表明,在噪声条件复杂的情况下,该算法比交互式多模型卡尔曼滤波(IMM-KF)具有更高的跟踪精度和稳定性,计算量小于IMM-PF,算法能较好地兼顾跟踪精度和计算量两方面性能。     

Self-tuning measurement fusion Kalman filter with correlated measurement noises

For the multisensor system with correlated measurement noises and unknown noise sta-tistics, based on the solution of the matrix equations for correlation function, the on-line estimators of the noise variances and cross-covariances is obtained. Further, a self-tuning weighted measurement fusion Kalman filter is presented, based on the Riccati equation. By the Dynamic Error System Analysis (DESA) method, it rigorously proved that the presented self-tuning weighted measurement fusion Kalman filter converges to the optimal weighted measurement fusion steady-state Kalman filter in a realization or with probability one, so that it has asymptotic global optimality. A simulation example for a target tracking system with 3-sensor shows that the presented self-tuning measurement fusion Kalman fuser converges to the optimal steady-state measurement fusion Kalman fuser.     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

Image sequence stabilisation using fuzzy adaptive Kalman filtering

Image sequence stabilisation based on fuzzy adaptive Kalman filtering of absolute frame displacements is proposed. Two Kalman filters are operated in parallel, one of which is used as a reference filter and is run with a constant high process noise variance to enable smooth and close tracking of global camera displacements. The process noise variance of the stabilisation filter is adaptively varied according to the residual between the stabilisation filter and the reference filter output.     

超级航姿中基于变阈值判据的自适应Kalman滤波

超级航姿系统因受外界干扰而使加速度计输出稳定性发生变化时,传统航姿算法易引起载体机动状态误判,且易导致滤波器振荡甚至发散,因此,该文提出了一种基于模糊推理系统的变阈值载体机动判据自适应Kalman滤波算法。该算法能根据加速度计输出稳定性的变化,自适应地调节载体机动判据及滤波器的量测噪声阵,从而降低载体机动状态的误判率,并提高滤波器对量测信息的利用程度。仿真实验表明,当加表稳定性发生变化时,该算法仍能较好地判断出载体的机动状态,并对量测噪声阵作出相应调整,使超级航姿系统的长航时姿态精度和滤波稳定性得到提高。     

基于局部统计信息的模糊选择滤波算法

提出了一种基于局部统计信息的模糊选择滤波算法，该算法的输出是sigma滤波器与多级中值滤波器滤波结果的加权复合，其权值则是通过对图像中局部统计信息的推理得到的。因此，该算法能够根据图像的具体情况自适应地进行滤波。试验表明，本算法能够有效滤除图像中不同种类的噪声，并具有很好的细节保护能力。     

Adaptive histogram-based filter for image restoration

A novel filter for image restoration is proposed in this paper. The filter estimates histogram of original image via input image. It gets a membership function through the histogram, and the membership function contains a lot of information of original image. Then a weighted fuzzy mean filter is established based on this membership function; meanwhile, the filter adaptively adopts different filter scale according to the character divergence of image region and intensity of impulsive noise. Experimental result shows that new filter gives superior performance to conventional filters and currently used fuzzy filter.     

鲁棒的高斯和容积卡尔曼滤波红外目标跟踪算法

为提高恶劣测量环境下单站红外搜索与跟踪系统的跟踪性能,提出了一种鲁棒的高斯和容积卡尔曼滤波算法.首先,为改善滤波初值模糊问题,在容积卡尔曼滤波框架下将滤波器分为若干不同初值的子滤波器,利用似然函数逐步减小初值偏差较大的子滤波器权值;其次构建非线性程度判别量,在高非线性情况下将预测密度沿最大特征向量方向进行分割,提高滤波精度;最后利用等价权函数改善新息协方差,减小异常误差对滤波准确性和稳定性造成的影响.实验结果表明,不存在异常误差时,所提算法跟踪结果优于传统算法;存在异常误差时,传统滤波方法的精度明显降低,而所提算法依然能够得到准确可靠的跟踪结果.     

基于残差三阶累积量的机动检测新方法

针对在有高斯量测噪声情况下目标机动检测问题,提出了一种基于残差三阶累积量的 机动检测算法,通过利用Kalman滤波实时产生残差数据而进行的三阶累积量的计算,抑制了 高斯噪声对目标机动的影响,且实现了机动检测的实时性。仿真实验结果验证了该算法的有 效性和稳健性。     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。