ESO滤波器在运动参数估计中的仿真研究

通常情况下使用Kalman滤波器进行参数估计，然而在目标运动模型和噪声统计特性存在不确定性的条件下，Kalman滤波的应用将会受到一些限制。在分析ESO滤波器滤波性能的基础上，将其应用在运动参数估计中，有效地解决Kalman滤波所遇到的问题．并从系统噪声分别为高斯白噪声、有色噪声和目标作机动运动这三个方面与Kalman滤波器进行了比较。仿真结果表明ESO滤波器算法简单，有效，具有鲁棒性。     

小波基自适应去卷滤波器研究

为了提高信号处理的精度，熔最小均方滤波、Kalman滤波和小波变换于一炉，提出了小波基自适应去卷滤波器。并用文中方案做了若干仿真实验，结果表明，该滤波器能很好地跟踪反射系数信号，并能滤去高频噪声，平均相对误差在1％以内，表明文中方案是十分有效的。     

随机不确定系统鲁棒H∞滤波器的设计

研究了一类随机不确定系统的鲁棒H∞滤波问题,该系统模型状态及输出矩阵中均具有参数不确定性且满足范数有界条件.对于所有的不确定性,通过辅助系统讨论了随机稳定条件并设计了一个稳定的滤波器使滤波误差满足指定的H∞性能,并且得到了滤波器存在的充分且必要条件.同时给出了设计滤波器的LMI方法,通过求解LMI可以方便的得到滤波器的表达形式.最后,仿真算例说明了所设计方法的有效性和可行性.     

主/被动雷达H∞滤波的最小方差数据融合算法

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。     

基于非线性映射的自适应混合Kalman/H∞滤波器

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。     

多模型高精度组合导航算法研究

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。     

基于鲁棒滤波的组合导航系统动基座对准

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。     

具有稳定度约束的随机系统H∞滤波器设计

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.     

状态估计中确定性采样滤波器的比较分析

基于采样方法的滤波器在非线性滤波领域内得到了广泛应用。其共同特点是利用抽样粒子点模拟系统状态的概率分布,从而不受状态先验分布假设(如高斯假设)的约束,拥有更高的滤波精度和更广的应用范围。在确定性抽样意义下论述了几种现有的确定性采样滤波器,并对这几种滤波器在状态估计领域(滤波)的应用进行了精度和计算负荷分析。采用一维及多维算例验证了几种方法的估计精度。给出基于实际系统需求一般性评价和选用原则。     

时域宽带矩阵空域滤波器设计方法

提出了一种基于FIR滤波器的时域宽带矩阵空域滤波器设计方法.首先,采用窄带矩阵空域滤波器优化设计方法,设计对应工作频带内各子带的恒定扇区响应空域滤波加权矩阵集.应用该矩阵集元素重构N个宽带基阵加权向量集,设计对应的N个恒定响应空域宽带FIR滤波器,进而构成时域宽带矩阵空域滤波器.该方法实现了对阵元接收宽带数据的时域矩阵空域预滤波,提高了系统的实时信号处理能力.计算机仿真和实验数据处理结果验证方法的有效性.     

不确定模糊时滞系统的鲁棒H∞滤波

研究了一类带有时滞的不确定离散时间模糊系统的鲁棒H∞滤波问题。模糊H∞滤波器的设计建立在T-S模糊模型上并能确保滤波误差系统的渐近稳定和给定的H∞性能指标。考虑了时滞的存在使得滤波器有更小的保守性,由线性矩阵不等式（LMI）给出滤波器存在的充分条件。最后,仿真算例验证了给出方法的有效性。     

基于扩展LMI的鲁棒H2和H∞滤波

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。     

线性状态多时滞系统鲁棒故障诊断滤波器设计

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。     

时滞依赖鲁棒故障诊断滤波器设计

研究具有扰动不确定性的状态时滞系统时滞依赖鲁棒故障诊断滤波器的设计问题。通过对系统传递函数输入输出通道的组合变换，引入一种新的能够同时体现残差对扰动信号鲁棒性和对故障信号灵敏性的性能指标。将基于状态观测器的鲁棒故障诊断滤波器设计问题转化为H∞优化设计问题，应用线性矩阵不等式技术，给出并证明了该设计问题时滞依赖解存在的条件和求解方法。最后，通过一个仿真算例来验证本方法的布效性。     

H∞自适应滤波的理论分析及其在导航系统中的应用研究

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。     

时滞对离散H∞滤波系统抗干扰性能的影响

研究了时滞离散系统的H∞滤波问题。通过引入增广向量,将时滞系统方程转化为不显含时滞的标准离散方程,并基于计算结构力学与最优控制之间的模拟理论,引入区段混合能的概念,采用扩展的Wittrick-Williams算法求解H∞滤波系统的抗干扰性能指标,进而得到时滞对滤波系统抗干扰性能指标的影响,并同时方便地完成了时滞滤波器的设计和滤波方程的求解。时滞H∞滤波器直接从时滞方程中得到,可保证系统的稳定性,是依赖于时滞的设计。     

一种带加速度补偿的H∞次优滤波目标跟踪算法

提出一种带加速度补偿的H∞次优滤波跟踪算法。该跟踪算法通过不断调整H∞滤波器的参数γ来逼近H∞最优滤波器。同时,引入一个加速度估计器和一个机动检测器,加速度估计器通过目标最近三点的位置来估计目标当前加速度值,机动检测器用来检测目标是否机动,当检测到目标机动时,则启动加速度估计器计算加速度,并利用该值对目标状态估计值进行补偿。从而使得该跟踪算法不仅对目标机动具有鲁棒性,而且所得到得估计误差方法最小。仿真结果表明,所提出的目标跟踪算法对高机动目标有良好的跟踪效果。     

连续时滞模糊系统的H∞滤波

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。     

非线性非高斯模型的高斯和滤波算法

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%。     

一种基于神经网络的非线性自适应滤波器

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。