基于纯方位角测量的水下目标跟踪

在笛卡尔卡尔曼滤波器的基础上，提出了改进极坐标扩展卡尔曼滤波器，并且研究了应用于纯方位角测量的目标跟踪算法，对提出的算法进行了相应的仿真实验，仿真结果表明，改进极坐标扩展卡尔曼滤波器非常适合于目标的跟踪研究，具有很高的工程应用价值。     

多传感器环境下目标跟踪的方位配准方法

通过建立传感器无误差和有误差情形下的坐标之间的转换关系，用方位偏差扩展目标状态向量．利用扩展卡尔曼滤波器估计这种偏差，并用估计偏差对传感器测量进行校正．仿真实验结果表明这种方法是有效的．     

动态系统加性干扰与状态估计的实时滤波方法

动态系统在受不确定因子干扰的环境下,常出现因模型不匹配而造成系统状态估计精度不高的现象。为此,考虑一类线性系统状态模型和测量模型中呈现加性干扰的情况,通过建立加性干扰的辅助动态方程,给出基于卡尔曼滤波的加性干扰统计特性在线辨识方法,再建立考虑状态模型和测量模型加性干扰统计特性的系统状态变量估计的卡尔曼滤波器。建立了加性干扰之间的相互影响以及它们对状态估计滤波器性能影响的分析方法,用数字仿真验证了新方法的有效性。     

单兵定位导航系统数据融合方法研究

研究单兵定位导航系统的GPS导航信息与航位推算信息的数据融合方法，采用卡尔曼滤波技术设计了联合卡尔曼滤波器，给出联合滤波算法并仿真．该滤波器具有较高的系统容错性能，数据计算量小，但局部估计精度为常规水平．     

基于有色噪声滤波算法的探测器自主导航研究

提出了一种基于有色噪声等效模型转换的卡尔曼滤波算法,这一方法主要用于自主式航天器。为了避免计算的复杂性和滤波器维数的扩大,算法建立了与测量方程等价的有色噪声滤波模型,这样不必预先知道测量噪声的方差,比较接近实际情况。扩展卡尔曼滤波器对噪声方差进行在线修正,扩大了滤波器的使用范围。     

基于离散平稳小波变换的EKF数据融合算法

针对车辆GPS/DR组合导航系统中广泛采用的扩展卡尔曼滤波器进行数据融合难以建立精确的数学模型的问题,提出了基于离散平稳小波变换的扩展卡尔曼滤波器数据融合算法。仿真表明,该算法优于扩展卡尔曼滤波器,对车辆组合导航系统的数据融合是有效的。     

生物力学模型导引的心肌运动与材料参数对偶估计

针对传统心脏图像分析方法割裂运动分析和材料分析的局限性和扩展卡尔曼滤波器联合算法引入互协方差矩阵具有收敛慢的问题,提出基于卡尔曼滤波器和扩展卡尔曼滤波器的对偶滤波器算法,该方法用有限元方法表达心脏求解域,连续生物力学模型作为逆问题的约束,在状态空间框架下将运动状态向量和材料参数向量分别置于2组状态空间方程中,用相应的滤波器进行交替迭代估计,从而实现心肌运动状态和材料参数的同时重建.结果表明,该方法能够有效地提高估计精度和收敛速度,缩短计算时间.     

容错型质量厚度传感器及其容错策略

介绍了一种作者提出的容错型质量厚度传感器的原理及性能，给出了应用卡尔曼滤波器的传感器故障诊断算法，与容错型质量厚度传感器结合，实现了对传感器部分部件故障的容错，从而提高了传感器的可靠性。结合造纸过程的仿真研究表明，文中所给的诊断和容错方法，能及时准确探明并隔离出传感器故障，使传感器在正常及部分故障时，均能给出可靠的测量值。     

并行卡尔曼滤波器算法初探

本文介绍了一般递推问题的基本概念及其一阶线性递推方程的并行算法,在此基础上提出了实现并行卡尔曼滤波器的设计思想,论述了并行递推算法在测量更新方程并行处理当中的应用,并给出了相应的专用实现结构。     

几种面向弹道目标跟踪算法的性能评估

提出一种非线性滤波器性能的评估方法.在导弹系数未知的情况下,研究二维弹道目标动力学模型,推导相应的Cramer-Rao下界.分析扩展卡尔曼滤波器、无迹卡尔曼滤波器、积分卡尔曼滤波器和容积卡尔曼滤波器,基于推导出的Cramer-Rao下界,通过仿真实验比较这4种非线性滤波的性能.理论与实验结果表明,扩展卡尔曼滤波的实时性能最好,但跟踪精度较差;容积卡尔曼滤波器在跟踪的速度和精度方面都有较好的表现.     

多传感器跟踪型数据滤波融合算法

在实际系统中，常用的数据融合方法是基于扩展的卡尔曼滤波法的融合算法，但是这种融合算法的跟踪精度并不是很高，通过对滤波跟踪数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法，研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别并不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

在线角速度估计的乒乓球机器人视觉测量方法

针对目前乒乓球机器人在视觉跟踪过程中无法准确识别和跟踪旋转球轨迹,导致预测结果误差较大的问题,提出基于在线旋转角速度估计的视觉测量方法.该方法应用空气动力学的理论知识对旋转球的受力情况进行分析建模,构建旋转球轨迹的过程方程和观测方程,利用非线性扩展Kalman滤波器对包括角速度在内的运动状态进行估计.通过仿真实验和实际轨迹跟踪实验验证了该方法的有效性和正确性,且预测结果优于同类跟踪方法.该方法亦可应用于实时高速目标跟踪的场合.     

基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

非线性滤波算法的性能分析

对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较,给出了每种方法的计算复杂度.通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能.     

New autonomous celestial navigation method for lunar satellite

Celestial navigation system is an important autonomous navigation system widely used for deep space exploration missions, in which extended Kalman filter and the measurement of angle between celestial bodies are used to estimate the position and velocity of explorer. In a conventional cartesian coordinate, this navigation system can not be used to achieve accurate determination of position for linearization errors of nonlinear spacecraft motion equation. A new autonomous celestial navigation method has been proposed for lunar satellite using classical orbital parameters. The error of linearizafion is reduced because orbit parameters change much more slowly than the position and velocity used in the cartesian coordinate. Simulations were made with both the cartesiane system and a system based on classical orbital parameters using extended Kalman filter under the same conditions for comparison. The results of comparison demonstrated high precision position determination of lunar satellite using this new m     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发，分析了Kalman滤波算法的实质及容量发散的原因，提出在Kalman滤波中引入系统量测噪声协方差阵（R）的计算，并对其加权，从而影响滤波增益，抑制发散，推算舰位／GPS组合导航的应用仿真表明明显测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

基于改进的迭代容积卡尔曼滤波姿态估计

为了充分利用新的量测信息,提高姿态估计的精度,在分析现有迭代滤波策略存在问题的基础上,采用一种新的容积点迭代策略,将其与容积卡尔曼滤波算法相结合,提出了一种改进的迭代容积卡尔曼滤波(improved iterated cubature Kalman filter, IICKF)算法．该算法采用容积数值积分理论近似非线性函数的均值与方差,利用状态扩维理论来解决量测迭代中量测噪声与状态相关的问题,同时利用一种新的容积点迭代策略,即在量测迭代过程中直接采用容积点迭代,避免每步迭代都进行均方根计算来产生容积点,克服传统迭代策略是基于高斯近似产生采样点的局限,有效地降低扩维带来的计算量．仿真结果表明：该算法的估计精度高于乘性扩展卡尔曼滤波(multiplicative extended Kalman filter, MEKF)以及迭代容积卡尔曼滤波(iterated cubature Kalman filter, ICKF)算法,该算法的提出有助于提高姿态估计的精度．     

船舶运动纵向受扰力和受扰力矩估计方法研究

研究船舶纵向运动受扰力和力矩的估计对于船舶纵向减摇控制是非常必要的.针对典型船舶,建立了船舶纵向运动模型,论述了3种受扰估计方法,中心差分法、有色Kalman滤波方法及扩展Kalman滤波方法.仿真结果表明,以上3种估计方法均可行.若选取相同精度的测量仪表,扩展Kalman滤波估计效果最好,其估计方差相对值在10%以内,有色Kalman滤波估计次之,中心差分法估计最差,但中心差分法计算简便,而扩展Kalman滤波估计方法较繁,且需知干扰力和干扰力矩能量Rw的先验知识.若提高测量仪表精度,则中心差分法估计方差相对值明显改善,可提高到10%以内.     

对异面椭圆轨道目标航天器绕飞的相对导航算法

研究了小卫星对异面椭圆轨道目标航天器绕飞的相对导航问题。首先建立了适用于目标航天器运行在椭圆轨道上的二阶状态方程;分析了2个航天器间的量测几何关系并得到量测方程;采用适用于处理复杂非线性模型的无味卡尔曼滤波器进行相对导航计算。仿真计算结果表明,在对异面椭圆轨道目标航天器进行绕飞的过程中,所提出的相对导航方法能够实现对相对位置和相对速度的精确估计。     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.