均方意义下的最优无偏转换测量Kalman滤波

转换测量Kahmal滤波(CMKF)在雷达跟踪领域得到了广泛的应用。然而，当目标位置的互距离测量误差比较大时，CMKF的性能将急剧下降。本文在均方意义下给出了一种新的无偏CMKF。这种滤波器的关键是在均方意义下推导无偏转换测量误差协方差阵的最佳估计。对于匀速运动目标，仿真结果表明本文方法可以得到好的滤波性能，而当方位测量误差比较大时，滤波性能的改善就更加明显。此外，对机动目标的情形亦进行了讨论。     

视线坐标系下的解耦无偏转换测量Kalman滤波算法

由于无偏转换测量Kalman滤波算法(unbiased converted measurement Kalman filter,UCKMF)的转换测量噪声协方差矩阵是非对角矩阵,所以无法直接给出该算法的解耦算法。针对此问题通过从参考坐标系(reference coordinate system,RCS)到视线坐标系(line-of-sight coordinate system,LCS)的坐标变换,在视线坐标系下得到了对角形式的转换测量噪声协方差矩阵,实现了转换测量噪声在三个坐标方向上的去相关化,并进一步在三维空间中推导了解耦的UCMKF滤波算法。在算法中,采用递推公式对参考坐标系与视线坐标系的坐标变换矩阵进行估计,并通过一个补偿矩阵提高了估值精度。仿真结果表明,对于匀速运动的目标,解耦UCMKF算法与耦合UCMKF算法的跟踪性能非常接近,但计算量大大降低,因此比较适合在多目标跟踪中应用。     

径向速度测量推广Kalman滤波的改进

研究了一种把径向速度测量引入推广Kalman滤波 (EKF)的新方法。在对测量方程进行分解和对测量噪声的统计特性进行分析的基础上提出了一种序贯处理结构的推广Kalman滤波算法 ,这种算法相当于对非线性的径向速度函数围绕状态矢量的滤波值而不是预测值线性化 ,因而可以大大减小线性化处理带来的误差。两个不同的MonteCarlo仿真结果说明该算法的估计性能优于传统的推广Kalman滤波。     

一种无迹粒子PHD滤波的多目标跟踪算法

针对粒子概率假设密度滤波(P-PHDF)算法估计精度低、滤波发散和粒子退化的缺陷,提出了一种无迹粒子PHD滤波(UP-PHDF)算法.该算法以UKF算法产生重要性函数并从中采样通过观测值更新粒子的权值,再用加权的粒子估计PHD函数,进而得到优化的状态估计均值和方差进行传播最后,对UP-PHDF算法进行了分析和实现,并将该算法和P-PHDF算法进行了比较.仿真结果表明,UP-PHDF算法不仅大大提高了滤波估计的精度,同时提高了跟踪系统的稳定性和鲁棒性.     

改进的Sage-Husa自适应滤波及其应用

为防止滤波发散和提高系统的实时性,提出了一种基于协方差匹配技术的自适应滤波方法。该方法将协方差匹配技术和一种简化的Sage-Husa自适应滤波算法相结合,通过滤波的状态确定量测噪声协方差阵的值,在线估计噪声的统计特性实现自适应滤波。将该算法应用到惯导/双星（INS/DS）组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明,在滤波精度相当的情况下,新算法简化了运算,提高了实时性。     

基于车辆动力学和Kalman滤波的汽车状态软测量

针对汽车动力学控制过程中难以在线测得的横摆角速度等状态参数,根据参数软测量理论,采用Kalman滤波并结合汽车两自由度动力学模型,建立了汽车横摆角速度的线性最小均方误差估计算法。仿真计算与场地实验的结果验证了该算法的有效性,同时软测量技术的采用也为汽车控制系统的状态参数测量提供了一条可行、准确且低成本的研究思路。     

平方根二阶EKF及其在目标运动分析中的应用

针对无源目标运动分析的强非线性和低可观测性特点,提出一种改进的二阶扩展Kalman跟踪滤波算法。为了降低传统二阶扩展Kalman算法的计算量,首先研究了对状态矢量正交化处理,减少二阶展开项协方差矩阵计算量的方法;在此基础上,将平方根Kalman算法与二阶扩展Kalman滤波器相结合,提高了滤波器的数值稳定性能;最后,将该算法应用在一个目标运动分析实例中,通过计算机仿真和试验验证了该算法的有效性。     

一种新的SPKF算法-GSPKF算法

提出了一种SPKF算法的改进算法,称之为GSPKF。该算法中Sigma点权值由选择该Sigma点的概率决定。此时,Sigma点权值物理意义明确、计算简单、恒大于零,协方差矩阵物理意义明确,可以实现全局拟合,GSPKF算法的物理意义更加明确。可以证明,两种算法对期望和协方差的准确估计精度是相同的,但是,GSPKF算法可以渐进拟合非线性函数真实的期望和协方差,GSPKF算法的滤波效果至少不低于现有SPKF算法。它们的滤波效果由仿真进行了验证。     

探测器自主导航的UD-EKF粒子滤波算法研究

用UD分解改进EKF粒子滤波算法,并将其应用于基于星光仰角测量的探测器自主导航方案.UD-EKF是基于递推的UD协方差分解滤波算法,该方法减少了计算舍入误差的影响以及计算机的计算量和数据存储量.用UD-EKF更新粒子,提高了滤波精度,缩短了运行时间,通过计算机仿真证实了其可行性.     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

一种改进的推广卡尔曼滤波收敛特性研究

提出了一种改进的推广卡尔曼滤波算法,这一算法不仅具有良好的数值稳定性,而且计算量较小,并进一步分析研究了这一算法的收敛特性,给出了指数收敛速度,分析结果表明改进的算法得到的滤波器增益和状态估计能很好地跟踪原算法得到的滤波器增益和状态估计。     

迭代无味卡尔曼滤波器的算法实现与应用评价

为了对各种迭代无味卡尔曼滤波(iterated unscented Kalman filter, IUKF)算法的应用及性能表现给出较为全面、客观的评价,分别导出并探讨了3种IUKF算法之间的内在联系。多种情况下的仿真应用表明,当观测噪声不太大,且该非线性系统状态的后验密度为可用高斯分布很好近似的单峰形式时,或者说是引起系统非线性的状态量是完全瞬时可观测时,选用恰当的IUKF算法,通过2~3次迭代,就可以在保持滤波一致性的条件下,进一步获得显著的精度收益;否则,IUKF相对于无味卡尔曼滤波(unscented Kalman filter, UKF)的迭代收益就难以保证。     

Unscented Kalman filter for SINS alignment

In order to improve the filter accuracy for the nonlinear error model of strapdown inertial navigation system (SINS) alignment, Unscented Kalman Filter (UKF) is presented for simulation with stationary base and moving base of SINS alignment. Simulation results show the superior performance of this approach when compared with classical suboptimal techniques such as extended Kalman filter in eases of large initial misalignment. The UKF has good performance in case of small initial misalignment.     

光电跟踪系统中两步非线性滤波算法研究

基于非线性最小二乘准则的两步最优估计方法(Two-step optimal estimation, TSE)在第二步中需要计算雅克比矩阵的逆,且其逆的计算经常是不存在的,从而导致滤波结果发散.因此,为改进TSE算法的稳定性,在分析了TSE算法的原理的基础上,提出了改进的TSE算法,并确定了TSE算法的中间状态向量和转换矩阵的选取原则.通过非线性测量光电跟踪系统的仿真实验验证了所提出的改进的TSE算法可以保证算法的稳定性、中间状态向量和转换矩阵的选取原则的正确性,同时也证明了此算法的性能优于扩展卡尔曼滤波和U卡尔曼滤波.     

机动目标状态估计

本文研究适用于综合火力／飞行控制系统要求的机动目标状态估计的算法问题。通过选取直角坐标及伪测量量构成扩展Ｋａｌｍａｎ滤波。在此基础上，提出采用距离通道冗余滤波以提高距离通道的滤波精度，同时，得到了改善其它估计量精度的一种算法。通过综合火力／飞行控制系统的ＭｏｎｔｅＣａｒｌｏ仿真表明，该算法具有很好的性能。     

自适应卡尔曼滤波器渐消因子选取方法研究

分析了通过改变噪声和初始条件抑制Kalman滤波发散的方法,指出了造成Kalman滤波发散的原因和控制Kalman滤波发散的机理。推导了衰减记忆滤波方程并研究了衰减记忆滤波噪声阵和滤波初值的选取条件,分析了衰减记忆滤波条件下量测噪声阵遗忘因子权重变化的物理意义。给出了衰减记忆滤波不发散的自适应遗忘因子的新算法,仿真结果证明了所述方法的有效性。     

非线性系统中多传感器滤波跟踪型数据融合算法的研究

在非线性系统中，常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法，但是这种融合算法的跟踪精度并不是很高。本文根据对滤波器跟踪型数据融合的研究，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。     

基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

Unscented extended Kalman filter for target tracking

A new method of unscented extended Kalman filter (UEKF) for nonlinear system is presented. This new method is a combination of the unscented transformation and the extended Kalman filter (EKF). The extended Kalman filter is similar to that in a conventional EKF. However, in every running step of the EKF the unscented transformation is running, the deterministic sample is caught by unscented transformation, then posterior mean of nonlinearity is caught by propagating, but the posterior covariance of nonlinearity is caught by linearizing. The accuracy of new method is a little better than that of the unscented Kalman filter (UKF), however, the computational time of the UEKF is much less than that of the UKF.     

非全测状态下的机动目标跟踪

针对空空导弹制导过程中可能出现测量信息不全的情况,以机动目标的“当前”统计模型为基础,在螺旋机动目标模型下对机动目标进行了跟踪滤波。在深入研究了扩展卡尔曼滤波算法、衰减记忆扩展卡尔曼滤波算法的基础上,利用改进的强跟踪滤波算法进行了非全测状态下的机动目标运动信息估计。仿真实验表明:改进的强跟踪滤波算法不仅能很好地完成速度和距离跟踪;如果加上多普勒速度测量,改进的强跟踪滤波算法还可跟踪上加速度。仿真结果表明了改进的强跟踪滤波算法的有效性。