共查询到20条相似文献,搜索用时 698 毫秒
1.
2.
3.
4.
主/被动雷达H∞滤波的最小方差数据融合算法 总被引:1,自引:0,他引:1
提出一种基于H∞滤波器的主被动雷达的最小方差数据融合算法。由于噪声方差在实际测量过程中是随时间变化的,甚至在有些干扰情况下是剧烈变化的。针对这一问题首先设计了一个H∞滤波器,该滤波器通过调节参数来增强其对外界干扰的鲁棒性,然后采用H∞滤波器分别对主被动雷达测量数据进行滤波,最后将滤波结果进行最小方差数据融合,较大的提高了融合算法对测量噪声干扰的适应性和鲁棒性。仿真结果表明,采用提出的算法所得到的滤波误差方差较小,且对外界大噪声具有很强的鲁棒性。 相似文献
5.
Kalman滤波器的精度高,但是鲁棒性差。H∞滤波器虽然鲁棒性好,但是精度不高,将两种滤波器进行混合获得新的滤波器可同时具备高精度和对干扰噪声的鲁棒性。通过对Kalman滤波器的实时性能评价,提出了一种基于非线性映射的自适应调节权值混合Kalman/H∞滤波器,并通过全球定位系统/推位组合导航模型对提出的方法进行了仿真验证。仿真结果表明,在干扰噪声统计特性变化和系统模型存在摄动条件下,与Kalman滤波和H∞滤波方法相比,所提出的混合Kalman/H∞滤波方法具有更高的滤波精度,更适用于实际应用。 相似文献
6.
多模型高精度组合导航算法研究 总被引:3,自引:0,他引:3
针对复杂操作环境所引起的INS/GPS组合导航系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较。仿真结果表明,相对于单一模型的Kalman滤波算法,该算法能大大提高导航系统的精度和可靠性。 相似文献
7.
基于采用旋转组件的SINS/GPS组合导航系统,讨论了系统中的旋转组件转速误差和GPS信号延迟带来的时间不同步问题,针对这些扰动造成的系统模型误差,提出将基于极小极大准则的H∞滤波用于组合导航系统的动基座对准。通过对载体在不同运动方式下的动基座对准仿真,对Kalman滤波和H∞滤波的性能进行比较,证明H∞滤波算法具有对准时间快,精度高,抗干扰能力强的特点。 相似文献
8.
具有稳定度约束的随机系统H∞滤波器设计 总被引:1,自引:1,他引:0
系统的暂态速率与系统的极点位置有关,怎样在保证系统快速收敛的前提下进行滤波器的设计是一个值得研究的问题.将H∞滤波器的设计问题与系统的收敛速度相结合,讨论一类具有稳定度约束条件的连续时间随机线性系统的鲁棒H∞滤波器设计,并利用线性矩阵不等式组(LMIs)给出该类滤波器存在的充分必要条件,最后,通过一个仿真实例来验证我们所得结果的正确性. 相似文献
9.
10.
11.
12.
研究凸多面体不确定连续系统的鲁棒H2和H∞滤波问题。借助于线性矩阵不等式(LMI)技术,提出了扩展的连续系统H2和H∞性能准则。基于该性能准则,推导出新的鲁棒H2和H∞滤波器存在的充分条件,并将滤波器设计问题转化为一个具有LMI约束的拟凸优化问题。仿真结果表明,与现有方法相比,所提方法具有较低的保守性。 相似文献
13.
研究一类具有外部扰动的不确定线性时滞系统的鲁棒故障诊断滤波器设计问题。通过引入一种广义坐标变换,使得线性连续状态多时滞系统变为输出灌入(outputinjection)系统;据此,引入一种体现残差对故障信号具有灵敏性同时对不确定性扰动具有鲁棒性的性能指标,应用H∞最优控制理论,借助线性矩阵不等式(LMI)技术设计系统的状态全维鲁棒故障诊断滤波器,并给出该滤波器问题解的存在条件和求解算法。最后给出一个仿真算例,仿真结果表明了该算法的有效性和可行性。 相似文献
14.
15.
H∞自适应滤波的理论分析及其在导航系统中的应用研究 总被引:3,自引:0,他引:3
由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导/双星组合导航时,其滤波特性较差。而H^∞自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设,而使它在工程实践中有广泛的应用。本文研究了H^∞自适应滤波,并将其应用到惯导/双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H^∞最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验,并和递推最小二乘法、最小均方法进行比较。仿真结果表明,H^∞自适应滤波的鲁棒性优于其它两种算法。 相似文献
16.
17.
18.
研究了一类非线性连续时滞系统的H∞滤波器的设计问题。基于T-S模糊模型来设计模糊H∞滤波器,该滤波器能确保滤波误差系统的渐近稳定并能满足给定的H∞性能指标。在设计过程中考虑了系统的时滞,从而降低了滤波器设计的保守性,根据线性矩阵不等式(LMI)给出线性滤波器存在的充分条件。通过仿真算例验证了设计方法的有效性。 相似文献
19.
通过将模型的状态噪声和观测噪声均表示成高斯和的形式,推导出非线性非高斯状态空间模型的高斯和递推算法,进一步提出了对应的扩展卡尔曼和滤波器(extended Kalman sum filter, EKSF)和高斯厄密特和滤波器(Gauss-Hermite sum filter, GHSF)。EKSF和GHSF分别用扩展卡尔曼滤波器(extended Kalman filter, EKF)和高斯厄密特滤波器(Gauss-Hermite filter, GHF)作为高斯子滤波器。分析的结果表明,现有的高斯和滤波算法是本文算法的特例;仿真结果表明,EKSF和GHSF能有效处理非线性非高斯模型的状态滤波问题,与高斯和粒子滤波器(Gaussian sum particle filter, GSPF)相比,EKSF和GHSF在保证精度的同时,大大降低了计算量,仿真时间分别约为GSPF的5%和6%。 相似文献
20.
提出了基于Adaline-MLP递归神经网络的非线性自适应滤波器。这种新的滤波器运用了自适应IR滤波器理论,具有神经网络分布式并行信息处理,较好的容错特性和鲁棒效应等优点,且比传统的滤波器有更好的收敛特性,并可方便地实现非线性滤波。此外,还给出了Adaline-MLP递归网络在线滤波算法及其在非线性自适应噪声抵消器中的应用。最后进行了计算机仿真。 相似文献