Kalman滤波的抗野值修正

分析了动态测量系统中异常数据对Ｋａｌｍ ａｎ 滤波的不利影响．提出了一组具有良好容错能力的修正型滤波算法．该滤波算法既可以充分利用正常新息确保滤波的精度,又可以有效拟制异常新息的不利影响提高滤波估计可靠性,达到对故障数据的容错能力．最后,通过仿真计算验证了该算法的有效性．     

基于数据滤波的随机梯度辨识方法

针对有色噪声干扰下的随机系统,利用数据滤波技术,对输入输出数据进行滤波,将具有滑动平均噪声的原始系统转换为白噪声干扰下的系统,提出有限脉冲响应滑动平均系统的滤波增广随机梯度算法,并对该算法进行收敛性分析.此外,为了提高参数估计的精度和加快算法的收敛速度,使用多新息辨识理论提出滤波多新息增广随机梯度算法,并分析其收敛性.与增广随机梯度算法相比,所提出的滤波增广随机梯度算法和滤波多新息增广随机梯度算法可以得到更高精度的参数估计.最后,通过仿真实例表明了所提出算法的有效性.     

抗差自适应Sage滤波及其在组合导航中的应用

针对卡尔曼滤波需要精确已知状态数学模型及其统计特性的问题,提出一种抗差自适应Sage滤波算法.该方法以Sage滤波为基本框架,吸收了抗差估计和自适应滤波的优点,利用Sage滤波开窗法求得观测残差向量和新息(预测残差)向量的协方差阵,由抗差估计方法确定观测噪声协方差矩阵,利用自适应因子调整动力学模型噪声协方差矩阵,以控制观测异常和动力学模型噪声对导航精度的影响.将提出的算法应用到捷联惯性导航(SINS)/合成孔径雷达(SAR)组合导航系统中,并与Kalman滤波和Sage滤波进行比较分析,仿真结果表明,提出的新算法不但能有效地控制观测异常和动态模型异常对状态参数估值的影响,而且能够抵制状态扰动,提高组合导航系统的滤波精度.     

基于序贯概率映射的组合导航自适应容错算法

基于联邦滤波的容错组合导航系统通常在判定故障时刻对故障子系统进行整体隔离,未充分考虑缓变故障影响的渐近变化与状态分量间的差异。为此,提出一种基于序贯概率映射的组合导航自适应容错算法。该算法通过子滤波器新息动态映射建立局部估计状态统计模型,通过序贯概率比检测在线估计缓变故障影响下的局部状态质量,并据此对融合过程进行自适应调节。仿真结果表明,所提出的方法能有效提高组合导航系统对缓变故障的自适应容错调节能力。     

时变系统辨识的多新息方法

推广了估计时不变参数的单新息修正技术,提出了多新息辨识方法.该方法可以抑制坏 数据对参数估计的影响,具有较强的鲁棒性.分析表明多新息方法可以跟踪时变参数,计算 量也较遗忘因子最小二乘法和卡尔曼(Kalman)滤波算法要小.仿真结果说明多新息算法估 计系统参数是有效的.     

Kalman滤波抗野值方法研究

在Kalman滤波应用过程中 ,观测值中的野值是影响滤波效果的重要因素。当观测中含有野值时 ,破坏了Kalman滤波新息的原有特性 ,从而造成估计不准 ,滤波精度下降。本文提出了修正Kalman滤波新息的方法 ,使修正后的Kalman滤波新息能够保持修正前的新息特性。仿真结果表明 ,本文提出的方法可有效地抑制观测中的野值对系统滤波的不利影响     

多传感器目标状态与动态偏差联合估计算法

针对多传感器系统动态偏差估计问题,在不敏粒子滤波(UPF)算法的基础上,提出了一种修正的不敏粒子滤波(Modi-fied UPF,MUPF)算法.由于系统动态偏差引起的异常量测值时,MUPF算法利用滤波预测残差构建的调节因子控制新息协方差矩阵,进而调整滤波增益的大小;在不丢失有用新息的前提下,减小了异常量测对滤波估计结果的影响.利用上述算法与不敏卡尔曼滤波(UKF)算法和扩展卡尔曼粒子滤波(EPF)算法进行了仿真比较.结果表明,MUPF算法对系统动态距离和角度偏差估计的均方根误差(RMSE)明显小于UKF算法和EPF算法的估计结果,提高了估计精度和可靠性.显然,MUPF算法也适用于系统固定测量偏差估计和目标状态估计.     

基于新息正交原理的抗差UKF及其在INS/GPS组合导航中的应用

为提高标准UKF对异常的量测噪声统计的鲁棒性,提出了一种基于新息正交原理的抗差UKF算法.该算法根据新息序列的正交性确定最优的抗差因子,而后通过对新息协方差阵引入抗差因子在线调整滤波增益,进而抑制异常量测对滤波解的影响.将提出的算法应用于INS/GPS组合导航系统进行仿真验证,并与标准UKF和现有的抗差UKF进行比较,结果表明,当量测噪声统计不准确时,提出的基于新息正交原理的抗差UKF滤波性能明显优于上述两种算法,提高了组合导航系统的定位精度.     

动态测量系统的有界影响滤波

如何克服Kalman滤波对采样观测值中包含的异常数据的敏感性?这在状态估计的抗扰性分析中处重要位置。本文基于新息增量过程,引进了一个相当大的滤波族,称为W滤波族。为了控制异常数据对滤波估计的影响,本文主要关心它的一个有界影响子族,并给出在预定的影响界限制下的最优有界影响滤波的φ函数形式。     

组合导航自适应卡尔曼滤波改进算法研究

针对常规卡尔曼滤波由于噪声的统计特性与实际情况不相符而引起滤波误差增大的问题,提出了一种新的在线估计系统噪声和量测噪声的自适应滤波算法.新算法通过新息序列自适应量测噪声,对Sage-Husa滤波算法进行改进以估计系统噪声,该算法在噪声统计特性未知的情况下能进行滤波计算.最后对改进的新算法与常规卡尔曼滤波算法作了对比试验...     

Robust Kalman filtering for nonlinear multivariable stochastic systems in the presence of non‐Gaussian noise

The presence of outliers can considerably degrade the performance of linear recursive algorithms based on the assumptions that measurements have a Gaussian distribution. Namely, in measurements there are rare, inconsistent observations with the largest part of population of observations (outliers). Therefore, synthesis of robust algorithms is of primary interest. The Masreliez–Martin filter is used as a natural frame for realization of the state estimation algorithm of linear systems. Improvement of performances and practical values of the Masreliez‐Martin filter as well as the tendency to expand its application to nonlinear systems represent motives to design the modified extended Masreliez–Martin filter. The behaviour of the new approach to nonlinear filtering, in the case when measurements have non‐Gaussian distributions, is illustrated by intensive simulations. Copyright © 2015 John Wiley & Sons, Ltd.     

基于M估计的非线性鲁棒检测卡尔曼滤波算法

针对传统鲁棒非线性滤波在观测噪声为非高斯强干扰噪声情况下,滤波性能下降的问题,提出一种利用卡方检测法预判断的非线性鲁棒检测滤波算法。该算法通过卡方检测设置门限,剔除突变野值,利用M估计修正量测更新。仿真实验对比了几种典型非线性滤波方法在不同观测噪声环境下的性能。所提算法在非高斯强干扰噪声情况下,比传统鲁棒滤波算法估计精度平均提高了25.5%;估计方差平均减少了18.3%。实验结果表明:所提算法可以抑制观测量非高斯强干扰噪声的影响,提高滤波精度及稳定性。     

Joint state and parameter robust estimation of stochastic nonlinear systems

Successful implementation of many control strategies is mainly based on accurate knowledge of the system and its parameters. Besides the stochastic nature of the systems, nonlinearity is one more feature that may be found in almost all physical systems. The application of extended Kalman filter for the joint state and parameter estimation of stochastic nonlinear systems is well known and widely spread. It is a known fact that in measurements, there are inconsistent observations with the largest part of population of observations (outliers). The presence of outliers can significantly reduce the efficiency of linear estimation algorithms derived on the assumptions that observations have Gaussian distributions. Hence, synthesis of robust algorithms is very important. Because of increased practical value in robust filtering as well as the rate of convergence, the modified extended Masreliez–Martin filter presents the natural frame for realization of the joint state and parameter estimator of nonlinear stochastic systems. The strong consistency is proved using the methodology of an associated ODE system. The behaviour of the new approach to joint estimation of states and unknown parameters of nonlinear systems in the case when measurements have non‐Gaussian distributions is illustrated by intensive simulations. Copyright © 2015 John Wiley & Sons, Ltd.     

抗野值鲁棒滤波在微惯性组合导航中的应用

在鲁棒H∞滤波应用过程中,如果量测序列含有野值,将会严重影响滤波精度。针对这一问题提出一种新的剔除野植的方法;从新息入手,首先利用小波变换系数特性,通过最细尺度上的小波系数来检测野值点,然后基于信息扩散原理,采用替代方法,对含有单个或连续野值的新息加以修正,从而达到检测和剔除野值的目的。通过对基于MEMS的车载微惯性SINS/GPS组合导航的仿真表明,新算法能够有效的检测出野值,并在野值单个或成片出现的情况下都能保证滤波精度。     

鲁棒高斯和集合卡尔曼滤波及其在纯角度跟踪中的应用

针对纯角度目标跟踪中量测信息易受异常值和非高斯噪声干扰的问题,提出了一种新的非线性滤波算法–鲁棒高斯和集合卡尔曼滤波(robust Gaussian-sum ensemble Kalman filter,RGSEnKF)算法.首先,采用Huber技术重塑集合卡尔曼滤波的量测更新过程,能够有效地处理量测中的异常值.随后,将改进的集合卡尔曼滤波在高斯和框架下进行扩展,得到RGSEnKF算法,可以进一步解决受非高斯噪声干扰的非线性系统的状态估计问题.此外,新算法中包含距离参数化初始化策略和高斯分量融合策略.前者是为了减小纯角度跟踪中距离信息不可观测的影响,而后者可以避免高斯分量数目随时间不断增长.大量仿真结果验证了新算法的有效性和鲁棒性.     

基于跨尺度变窗口代价聚合的快速立体匹配

针对当前局部算法在速度和性能上不能兼顾的问题,提出一种跨尺度变窗口代价聚合的快速立体匹配方法。在图像各内尺度的匹配代价卷用动态支持窗口的盒滤波聚合匹配代价,采取互尺度正则化方法跨尺度聚合匹配代价,利用基于引导滤波权重的加权中值滤波进行视差精化。实验结果表明：该方法匹配精度高,代价聚合与视差精化步骤的时间复杂度都与滤波窗口半径大小无关,在速度和精度上都取得了良好的效果。     

考虑星间测量的航天器自主导航并行滤波器

针对基于星间测量的航天器自主导航问题,本文考虑测量中存在野值的情况,提出了一种轨道根数辅助估计的并行无迹卡尔曼滤波算法.系统由两个并行滤波器组成,通过副滤波器的状态估计识别观测野值,进而在主滤波器中修正导航定位结果.文章选择了星间相对观测两卫星编队的基本构型,研究了算法的阈值参数选择,对不同参数条件下的滤波结果进行了对比.数值仿真说明了该算法在观测量变化率较大时能够有效降低连续野值对自主导航系统的影响,和传统算法相比具有更高的滤波精度和收敛速度.     

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。