带有相关噪声离散线性系统改进的卡尔曼滤波

研究在系统噪声和观测噪声相关情况下带有控制输入离散线性系统的估计问题,基于卡尔曼滤波和卡尔曼滤波的哈密尔顿方法,提出了一个改进的卡尔曼滤波算法.与经典卡尔曼滤波相比,此算法不需要计算卡尔曼增益矩阵和观测序列的条件均值,并在需要更少回归方程且回归方程易于计算的情况下,取得了最优性能.因此,此算法易于应用.仿真结果表明,此算法能够有效地估计系统状态.     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

隐式自校正加权观测融合Kalman滤波器

对于带未知噪声方差的线性离散定常随机系统,利用多个结构相同但精度不同的传感器进行观测,各观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关函数阵解矩阵方程组,可解得各传感器观测噪声方差Ri.通过状态方程和观测方程以及观测噪声估值,可求得ΓQwΓT的估计,进而得到隐式自校正加权观测融合Kalman滤波器.一个目标跟踪系统的仿真例子说明了其有效性.     

X射线头影图象的自适应卡尔曼滤波方法研究

以口腔医学中Ｘ射线头影图象为背景，提出了一种基于输出相关法的有色噪声卡尔曼滤波方法，用来解决图象中有色观测噪声的滤波问题。该方法不增加滤波器的维数，而是改变系统的观测方程，使等效观测方程的测量噪声变为白噪声，再利用卡尔曼滤波方法进行滤波，大大降低了计算的复杂性。而且该方法不需要事先知道观测噪声的方差，从而弥补了传统卡尔曼滤波方法的不足，更加符合实际情况的需要。实验表明，用该方法对Ｘ射线头影图象进行处理后，可使图象的质量得到明显的改善。     

辨识动态系统噪声方差Q和R的新方法

对于带未知噪声方差的线性离散定常随机系统,引入左素分解可得到一个新的观测过程,它用两个滑动平均（MA）过程之和表示。用解相关函数矩阵方程组得到了噪声方差Q和R的估值器,进而基于新的观测过程的采样相关函数及其遍历性可得到噪声方差Q和R的强一致估计。算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。     

多传感器系统噪声统计辨识的一种相关方法

对于带未知噪声统计和相关噪声的多传感器线性离散定常随机系统,通过左素分解将观测过程表为两个滑动平均(MA)过程之和,利用解相关函数矩阵方程组方法得到系统的噪声方差、相关阵及互协方差的在线估计器.基于观测过程的采样相关函数的遍历性证明了噪声统计估值器是强一致的.一个两传感器带相关噪声系统的仿真例子说明了方法的有效性.     

基于观测噪声实时估计的卡尔曼滤波车窗防夹系统研究

卡尔曼滤波可有效解决电机参数变化对车窗防夹控制性能的影响。然而,由于观测噪声往往是未知并且随时间变化,这对基于卡尔曼滤波的车窗防夹控制系统性能有着重要的影响。本文利用小波变换可以对信号和噪声进行分离的特性,提出了一种基于观测噪声实时估计的电动车窗防夹控制方法。在Matlab环境下进行了建模和仿真,结果表明本文算法可以有效实现对观测噪声的实时估计,在不同的噪声条件下都达到了较好的控制效果。     

自适应Kalman滤波器在红外夜视跟踪系统中的研究

针对红外夜视系统背景较复杂,直角坐标系下的卡尔曼滤波容易发散,且影响滤波精度的特点,在分析自适应卡尔曼滤波算法优缺点的基础上,提出了一种针对红外夜视系统目标跟踪的自适应卡尔曼滤波算法,此算法利用投影分析法获得目标位置坐标.还对虚拟噪声进行估计,补偿系统的线性误差,消减系统观测误差,并对算法进行了仿真.仿真结果表明,该算...     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中，基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是，在算法的过程噪声和观测噪声协方差初值的选取不当时，会导致估计结果误差很大甚至发散。另外，由于此类算法是基于最小均方误差准则，算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声，会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度，本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法，算法在观测更新过程中引入最大相关熵作为优化准则，以解决在非高斯噪声下的估计精度下降的问题，在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新，取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验，通过与两种基于卡尔曼滤波框架的估计算法进行对比表明，AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果，而且在非高斯噪声下也能够保持更高的多径估计精度，有效抑制非高斯噪声的干扰。     

基于图像分割的噪声方差估计

提出一种基于图像分割的噪声方差两步估计算法。第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差。第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果。在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差。     

带MA有色观测噪声的单通道多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带滑动平均(MA)有色观测噪声的单通道ARMA信号,在线性最小方差最优信息融合准则下,提出了多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题。提出了用于得到最优加权系数的局部滤波误差方差和协方差计算公式。同单传感器情形相比,可提高滤波精度。一个目标跟踪系统的仿真例子说明了其有效性。     

基于D-J阈值的加性白噪声方差估计改进方法研究

本文提出了一种基于D-J阈值的加性白噪声方差估计方法．与中值方差估计方法相比，采用本文提出的方法估计的噪声方差从统计意义上看更准确，并具有更小的离散性．本文通过模拟的逐段光滑信号来评价该方法的有效性，并给出了与中值方差估计方法的比较结果．结果显示特别是在信号采样序列的长度有限时，采用本文方法可以获得比中值估计方法更准确、更可靠的白噪声方差估计．     

卡尔曼滤波方法在驼峰勾车溜成速度控制系统中的应用

本文提出了用于铁路驼峰自动化的一种新的卡尔曼滤波算法。该算法合理地解决了有色噪声“白化”问题,正确地确定了模型嗓声、量测噪声的统计特性,改进了现有滤波方法,提高了滤波精度。     

基于的贝叶斯理论的多系统定位融合算法

针对传统多系统融合定位中协作性较差,自适应性不足的问题。为了多系统定位达到更好的效果,提高多系统协同定位算法中信息融合的高效性、场景间切换的适应性,本文对传统的多系统定位融合算法进行了改进。该算法采用贝叶斯理论,多系统观测数据融合输入,建立贝叶斯概率观测模型,对多系统间定位信息直接交互,通过扩展卡尔曼滤波理论估计定位信息。在此基础上,利用各系统滤波新息和方差对场景间切换时系统概率进行实时更新,将估计结果以系统概率加权方式融合输出;仿真结果表明,在相同观测条件下,本算法与传统定位算法相比,具有更好的稳定性及自适应性。     

不确定观测ARMA信号滤波器设计

将具有不确定观测的ARMA信号滤波问题转化为具有不确定观测的状态空间模型的状态和白噪声滤波问题.利用射影理论,推导出了在线性最小方差意义下状态滤波器和白噪声滤波器.进而获得具有不确定观测的ARMA信号滤波器.对于存在不确定观测的ARMA信号,以往在完整观测数据下的AMRA 信号滤波算法已经失去最优性.当不存在观测数据丢失时,算法等同于以往最优ARMA信号滤波器.仿真例子说明了其有效性.     

推广的Pei-Radman特殊矩阵求逆及其应用

当矩阵的维数比较高的时候,该矩阵求逆就相当麻烦,且计算量很大。为了克服这个缺点,对于非对角元素相同,而对角元素是非对角阵元素加上一个常数的推广Pei-Radman矩阵,本文提出了求其逆的公式。将该求逆结果应用到带公共干扰噪声的多传感器的观测系统中,得到了基于加权最小二乘准则的融合观测即为所有传感器的观测的平均值,而融合观测的噪声为公共干扰噪声的方差加上所有传感器噪声方差的平均值。该算法能明显减少计算负担,提高融合效率,具有重要的物理意义和很大的实际应用价值。一个温度观测的仿真例子证明了推广的Pei-Radman特殊矩阵求逆算法的正确性,也说明了融合观测及其噪声的有效性。     

精密单点定位的卡尔曼滤波新息与残差随机性对比

为了验证卡尔曼滤波新息和残差描述观测噪声的能力,根据精密单点定位载波相位和伪距观测值的先验方差,利用蒙特卡罗模拟等方差的随机噪声作为分析基准,研究描述信号随机性的平稳性、正态性、自相关性和功率谱指标。实验结果表明,新息只能正确描述伪距观测值噪声的随机性,残差能够同时描述载波相位和伪距观测值噪声的随机性。同时,两者描述伪距观测值噪声的能力相近。因此,不同精度观测值的精密单点定位应该以新息表示的残差为基础进行卡尔曼滤波模型的改进。     

差分混沌键控(DCSK)通信系统估值误差分析

在具有去噪声模块的DCSK（differential chacs shift keying）通信系统中，存在三种导致估值误差的因素，这三种因素分别来源于DCSK信号本身、加性信道噪声和去噪声模块。经过对上述三种因素的分析，提出了一种新型的DCSK通信系统，该系统使用混沌多相序列（CPS）避免DCSK信号本身带来的误差，同时采用相空间量子化的方法降低加性信道噪声的干扰。仿真结果表明，虽然这种新型的DCSK通信系统因去噪声算法带来的误差而使其噪声特性略逊于FM－DCSK，但是在CPU运算时间及系统结构上，该系统比FM－DCSK复杂性降低，易于实现。     

高分辩率谐波恢复的互四阶累计量的Pisarenko方法

互高阶谱估计是抑制混合色噪声的一种有效方法。为此提出了一种混合色噪声背景下谐波恢复的互四阶累积量的Pisarenko方法。仿真结果表明，该方法可同时抑制各信道间相关的高斯色噪声及相互独立的任意色噪声的影响，在混合色噪声和很低信噪比条件下谱估计的分辨率和对混合色噪声的抑制等方面均明显优于自高阶谱方法。