一种无矩阵求逆的最优滤波计算方法

本文回顾了在改善卡尔曼滤波数值稳定性,提高计算效率等数值计算方面的主要研究与发展,包括平方根协方差、U—D分解、奇异值分解(SVD)等计算方法。这些算法都存在不同程度地通过牺牲计算效率换取数值稳定性的不足。本文提出了一种无矩阵求逆的最优卡尔曼滤波计算方法,该算法数值稳定性强,且计算量也比较小。     

并行卡尔曼滤波及其心动阵列实现综述

本文综述了基于心动(Systolic)阵列结构的并行卡尔曼滤波各种算法及其心动阵列实现,对各种阵列滤波算法在处理单元数,计算时间和效率等方面进行了比较,并对进一步的研究工作提出一些展望。     

自适应Kalman滤波器及其应用

对于带未知噪声统计的单输出系统,本文提出了一种新的自适应Kalman滤波器.应用现代时间序列分析方法,基于ARMA新息模型的滑动平均(MA)参数的在线辨识,提出了稳态最优Kalman滤波器增益估计的一种新算法,比Mehra的算法简单.同时还提出了辨识滑动平均(MA)模型参数的一种新的自适应Kalman滤波算法.此外,给出了在雷达跟踪系统中的应用,且仿真结果说明了本文算法的有效性.     

基于转换量测容积卡尔曼滤波器带多普勒量测的目标跟踪算法

针对带多普勒量测的目标跟踪问题,提出一种基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.对具有量测误差相关性的距离和多普勒量测进行解相关处理,构造出新的解相关量测方程,进而基于贝叶斯方法提出带多普勒量测的序贯处理算法的统一理论框架,实现对位置量测和多普勒量测的序贯滤波.在该理论框架下,提出基于转换量测容积卡尔曼滤波...     

多传感器集中式增量卡尔曼滤波融合算法

在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。     

A comparison of simultaneous state and parameter estimation schemes for a continuous fermentor reactor

This article proposes a maximum likelihood algorithm for simultaneous estimation of state and parameter values in nonlinear stochastic state-space models. The proposed algorithm uses a combination of expectation maximization, nonlinear filtering and smoothing algorithms. The algorithm is tested with three popular techniques for filtering namely particle filter (PF), unscented Kalman filter (UKF) and extended Kalman filter (EKF). It is shown that the proposed algorithm when used in conjunction with UKF is computationally more efficient and provides better estimates. An online recursive algorithm based on nonlinear filtering theory is also derived and is shown to perform equally well with UKF and ensemble Kalman filter (EnKF) algorithms. A continuous fermentation reactor is used to illustrate the efficacy of batch and online versions of the proposed algorithms.     

Optimal distributed Kalman filtering fusion for a linear dynamic system with cross-correlated noises

In this article, we study the distributed Kalman filtering fusion problem for a linear dynamic system with multiple sensors and cross-correlated noises. For the assumed linear dynamic system, based on the newly constructed measurements whose measurement noises are uncorrelated, we derive a distributed Kalman filtering fusion algorithm without feedback, and prove that it is an optimal distributed Kalman filtering fusion algorithm. Then, for the same linear dynamic system, also based on the newly constructed measurements, a distributed Kalman filtering fusion algorithm with feedback is proposed. A rigorous performance analysis is dedicated to the distributed fusion algorithm with feedback, which shows that the distributed fusion algorithm with feedback is also an optimal distributed Kalman filtering fusion algorithm; the P matrices are still the estimate error covariance matrices for local filters; the feedback does reduce the estimate error covariance of each local filter. Simulation results are provided to demonstrate the validity of the newly proposed fusion algorithms and the performance analysis.     

关于UKF方法的新探索及其在目标跟踪方面的应用

在跟踪和控制领域,和被广泛采用的推广卡尔曼滤波(extended Kalman filter)方法相比较,近年发展起来的Unscented卡尔曼滤波(Unscented Kalman filter)具有易于实现、计算量相当而精度较高等诸多优点．本文深入探讨了这一方法,并以目标跟踪为背景,提出了两种基于Unscented变换的新的滤波方法,分别在算法的精确和快速两个方向上进行了尝试,仿真结果表明,这种探索是行之有效的．     

卡尔曼滤波计算方法研究进展

本文简要回顾了卡尔曼滤波研究的发展历程，重点对卡尔曼滤波及其在改善数值稳定性，提高计算效率等数值计算方面的研究与发展进行了综述，对ＱＲ分解，Ｕ－Ｄ分解，奇异值分解等在卡尔曼滤波，状态与偏差分离波及并行滤波与分散滤波等方面应用的新进展作了介绍。     

EKF和互补滤波器在飞行姿态确定中的应用

设计了一种旋翼飞行姿态参考系统,采用基于加速度计和陀螺仪的惯性测量组合(IMU)测量飞行姿态数据。采集实测数据并运用Allan方差分析法分析其噪声特性,建立传感器模型;针对旋翼飞行器分别应用经典扩展Kalman滤波(EKF)算法和互补滤波算法进行姿态解算。在详细阐述2种算法的原理与实现的基础上,进行飞行器平台实验验证。研究结果表明2种算法均有效,且互补滤波器相对经典Kal-man滤波器更为简单、有效。     

卡尔曼一致滤波算法综述

以应用传感器网络进行分布式估计为研究背景,对卡尔曼一致滤波问题进行综述.系统地介绍了各种卡尔曼一致滤波算法,其中包括几种典型的基础算法、自适应估计算法、优化算法以及带丢包、带牵制控制等滤波算法.最后,对卡尔曼一致滤波算法的进一步研究方向进行了展望.     

基于均值漂移与卡尔曼滤波的目标跟踪算法

均值漂移算法在目标跟踪过程中没有利用目标的运动方向和速度信息,在目标受到干扰时容易跟踪失败,而Kalman滤波能够较为准确地预测目标的速度和位置。因此,提出了一种结合均值漂移与Kalman滤波的跟踪算法,使用Kalman滤波对目标运动速度和空间位置进行预测。根据干扰的不同情况,使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置。实验结果表明该算法是可行有效的。     

基于进化规划的区间系统卡尔曼滤波

对不确定系统的最优鲁棒滤波问题, 提出了一种新的方法———进化规划(EP)卡尔曼滤波. 该方法采用EP全局寻优技术, 搜索最优估计区间; 也采用EP全局最优技术, 确定工程中可实现的最优估计标称值. 这种新方法的假设条件与标准的卡尔曼滤波完全相同, 并具有标准的卡尔曼滤波相同的递推结构、相同的最优性. 最后, 给出计算仿真的例子, 并与文 [1]的仿真结果进行了比较. 结果表明, 本文提出的新方法更精确, 有较少的保守性.     

Joint state and multi-innovation parameter estimation for time-delay linear systems and its convergence based on the Kalman filtering

This paper studies the joint state and parameter estimation problem for a linear state space system with time-delay. A multi-innovation gradient algorithm is developed based on the Kalman filtering principle. To improve the convergence rate, a filtering based multi-innovation gradient algorithm is proposed by using the filtering technique. The analysis indicates that the parameter estimates given by the proposed algorithms converge to their true values under the persistent excitation conditions. A simulation example is given to confirm that the proposed algorithms are effective.     

一类乘性噪声随机系统的最优滤波算法

乘性噪声随机系统是一类含有乘性噪声因子的随机系统。对于乘性噪声随机系统的建模、滤波算法等问题的研究,还未展开。本文研究了一类离散时间乘性随机系统,基于卡尔曼滤波算法的思想,分别给出此类系统不含输入项及含有输入项的递推最优滤波算法,得到的结果便于实际应用。     

基于多维滑窗的异常数据检测方法

随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注.现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差.针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性.实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(AKF)算法和基于小波的卡尔曼(WKF)算法.     

二阶卡尔曼滤波分布估计算法

分布估计算法由于其较强的理论基础已成为进化计算研究的新热点．从卡尔曼滤波的角度来看,它的作甩实际上是一个递归滤波器,但作用在一个种群上的分布估计算法相当于只有一个信息源．因此,该文利用信息融合的思想,将种群分成若干子种群,各子种群独立地使用二阶分布估计算法来估计其状态,这样就可从多个信息源获得信息．然后用卡尔曼滤波器将这多个信息源的信息相融合,以产生更准确的估计,并将估计信息反馈到各子种群中．实验结果表明,相对于已有的二阶分布估计算法,该文算法的稳定性和全局搜索能力都得到了很大提高,从而说明了该文算法的有效性．     

GPS动态定位中卡尔曼滤波模型的建立及其强跟踪算法研究

提出一种改进的强跟踪卡尔曼滤波算法,应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,具有模型简单、实时性好的特点。为了进一步提高滤波器的动态性能,改进了文献[1]中的强跟踪滤波算法,大大提高了滤波器的跟踪能力。     

非线性离散系统的相关观测融合时变Kalman滤波

针对带相关观测噪声和带不同观测函数的多传感器离散非线性系统,利用推广的离散Kalman滤波方法对状态系统和观测系统进行线性化处理,提出了基于岭估计的加权最小二乘(REWLS)分布式融合Kalman滤波算法.以风险函数为评价指标,利用信息滤波器比较了各种观测融合Kalman滤波算法,其中REWLS分布式融合算法精度最高.同时,分布式融合算法减少了计算负担,便于实时应用.仿真例子表明了理论分析的正确性.