自适应推广Kalman滤波应用于水下被动目标定位

针对在被动方式下进行水下目标定位容易出现滤波发散、收敛速度慢以及精度不高等问题，研究了一种修正极坐标系下的自适应推广卡尔曼滤波算法。它能够在线估计虚拟系统噪声的统计特性，从而消除了动态模型线性化误差带来的不良影响。仿真结果表明，该算法在收敛速度、估计精度以及稳定性方面都优于常规的卡尔曼滤波器。     

一种强跟踪自适应状态估计器及其仿真研究

分析了强跟踪滤波器中新息方差近似计算方法的不足,提出了一种基于衰减记忆思想来近似计算新息方差的改进强跟踪滤波器。然后,对于过程噪声水平未知的目标状态估计问题,在Sage-Husa过程噪声水平自适应估计算法的基础上,一旦通过基于新息的滤波器发散判据检测到可能出现的发散现象,提出用改进的强跟踪滤波器进行抑制,极大地提高了滤波算法的鲁棒性。对三种典型的目标机动形式进行的Monte-Carlo仿真结果进一步验证了新提出算法的有效性。     

基于模糊评判的组合导航自适应信息融合方法

针对组合导航系统在载体实际运动中,存在着局部滤波器精度急剧下降和滤波发散问题,并且会给整个联合卡尔曼滤波器带来污染,提出基于模糊评判的自适应信息融合方法。给出了评价滤波器性能的滤波结果可信度定义和模糊评价方法,并在此基础上进行信息分配保持全局估计精度和控制滤波发散。理论分析与仿真结果表明,该方法比常规联合卡尔曼滤波器具有更高的精度和可靠性。     

#br# 舰船捷联惯导传递对准的改进自适应滤波算法

针对舰船捷联惯导传递对准性能受系统动态模型和噪声统计特性影响的问题,提出了一种基于改进自适应滤波的“速度+姿态”传递对准算法。针对噪声矩阵半正定性问题而导致的滤波发散,对自适应滤波噪声矩阵的迭代算式进行了改进,并基于协方差匹配技术给出了滤波发散的抑制策略。考虑到舰船航行中的载体变形影响动态模型的问题,在状态量中加入了安装误差角和挠曲变形角,并在算法中进行了补偿。仿真结果表明,改进算法可以在100 s之内有效地估计出姿态失准角和安装误差角,完成舰船捷联惯导的快速传递对准。     

一种带未知时变系统噪声水平的目标跟踪滤波器

在机动目标跟踪中，为了保证Kalman滤波器的数值稳定性和最优性，未知的时变系统噪声水平需要在线估计，但已有方法主要针对平稳或统计特性缓变的噪声过程。在Sage-Husa系统噪声水平自适应估计算法的基础上，通过引入基于新息的滤波器发散检测判据和利用强跟踪滤波器的思想，提出了一种系统噪声水平估计值的时变调节因子阵来抑制因系统噪声水平突变而引起的滤波器可能出现的发散问题。Monte-Carlo仿真结果表明，该算法不仅数值稳定性好，同时目标的跟踪精度也得到明显改善。     

捷联惯导系统初始对准的SVM自适应Kalman滤波算法

作为捷联惯导系统初始对准关键技术的Kalman滤波要求事先精确已知系统及量测噪声的统计特性,当在滤波过程中这些特性改变时,滤波器性能将会降低甚至发散,针对这一问题采用了一种支持向量机(SVM)自适应Kalman滤波(SVMAKF)算法,根据协方差匹配技术应用支持向量机来动态调谐量测噪声方差阵R,当量测噪声随时间改变时,SVMAKF可以实时的估计出准确的噪声方差阵,这就降低了系统对量测噪声先验统计特性的依赖性,能够改善kalman滤波器的状态估计效果.基于SVMAKF的捷联惯导系统初始对准计算机仿真结果表明在滤波精度和滤波器鲁棒性上,SVMAKF都有比传统Kalman滤波器好的表现.     

无源北斗/高度组合导航自适应滤波算法

为了减小用户机动对无源北斗双星组合导航系统定位精度的影响,论文研究了自适应滤波定位算法.首先,在分析组合导航算法Singer模型的基础上,提出了模糊逻辑自适应滤波方案.然后,通过仿真获取系统知识,建立模糊逻辑系统,实时调整滤波器驱动噪声方差,实现滤波定位算法模型对用户机动的适应性.最后,通过仿真验证,设计的模糊逻辑自适应滤波算法能根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度.     

基于自适应多重渐消因子卡尔曼滤波的

针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预测误差协方差阵进行调整,使得各滤波通道具有不同的调节能力,克服了单渐消因子对多变量跟踪能力差的局限性,从而提高滤波算法的精度和鲁棒性。仿真和试验结果表明,新算法能有效抑制滤波器发散,其滤波精度和鲁棒性优于常规卡尔曼滤波与单渐消因子卡尔曼滤波,能够更好地满足工程应用的要求。     

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。     

基于直方图的自适应高斯噪声滤波器

图像滤噪时,利用原图像的信息越多滤波效果越好,但这通常是不可行的或不可能的。为此提出了一种图像恢复的新方法。该方法通过输入图像估计出原图像的直方图,并从该直方图得到一个包含原图像信息的模糊隶属度函数,以此隶属度函数构建一个模糊加权平均滤波器。该滤波器能够根据图像区域特性差异及噪声强弱自适应地采用不同的滤波尺度。实验结果表明,该滤波器滤波效果优于传统的滤波器和其它模糊滤波器,特别是当噪声发生概率超过0 3时,其滤波效果更加明显。     

模糊自适应强跟踪卡尔曼滤波器研究

针对卡尔曼滤波器对系统模型依赖性强、鲁棒性差和跟踪机动目标能力有限的问题,提出了一种具备模糊自适应特点的模糊强跟踪卡尔曼滤波器(fuzzystrongtrackingKalmanfilter,FSTKF)。这种方法主要利用模糊逻辑自适应控制器监测残差均值与标准差,并根据模糊规则动态调整弱化因子,从而对强跟踪滤波器中多重次优渐消因子进行自适应调整,进一步提高滤波器的估计性能。仿真结果表明,该改进滤波器跟踪机动目标的精度高于常规卡尔曼滤波器和强跟踪卡尔曼滤波器。     

基于"当前"统计模型的模糊自适应跟踪算法

“当前”统计模型需要预先设定目标最大机动加速度，不能很好的适应各种机动情况。采用模糊推理的方法根据测量新息和新息变化率实时调整目标最大机动加速度，自适应各种机动情况。此外，针对多数传感器测量方程的非线性，采用性能较好的Unscented Kalman Filter代替常用的扩展卡尔曼滤波。仿真结果表明，该算法在跟踪精度和收敛速度都优于传统的基于“当前”统计模型的跟踪算法。     

IAE-adaptive Kalman filter for INS/GPS integrated navigation system

1 .INTRODUCTIONInertial navigation system(INS) and Global posi-tioning system ( GPS) are two major navigationsystems now widely usedfor marine applications a-round the world. Considering both systems pos-sess complementary working characteristics , abooming attention is focused on finding effectivemethods to combine the two different systems toconstituteintegrated navigation system with higheraccuracy and better performance .Information likeGPS position and velocity are often chosen as…     

高动态GPS/INS组合导航算法研究

首先介绍了新型深组合GPS/INS系统原理图及组合导航滤波算法。在该算法中，组合卡尔曼滤波器除完成INS误差及GPS接收机时钟误差的估计外，还参与了GPS码跟踪，即完成传统码跟踪环中环路滤波器的功能。采用自适应码跟踪误差估计器补偿组合卡尔曼滤波器测量值中的相关分量，从而消除了传统组合中不稳定的主要根源。然后进行了计算机仿真计算，仿真结果表明，新型深组合GPS/INS导航算法适用于机动性较高的载体。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

INS/双星组合导航半实物仿真研究

对INS/双星跑车试验数据进行了分析和处理,采用小波分解的方法去除了定点定位试验中的测量噪声,并对双星接收机的常值偏移进行了估计,仿真结果表明双星系统的定位精度在20米之内。在跑车试验中使用递推最小二乘法和Kalman滤波技术对INS/双星的位置组合方案进行了仿真。仿真结果表明,Kalman滤波技术比最小二乘算法具有更高的估计精度,它能有效地降低INS的位置误差。     

基于模糊控制的舰船组合导航Kalman滤波器

经典的舰船组合导航Kalman滤波器对异常量测值处理过于简单 (只分为野值、正常值 ) ,致使包含新息的略大于正常值的量测数据失去作用 ,从而使滤波器产生波动。为克服这一弊端 ,提出在滤波器中加入模糊控制器 ,模糊规则由专家确定 ,对不同类型的滤波新息进行判别后加权处理 ,从而增强滤波器对野值的适应能力。计算机仿真结果表明 ,模糊控制器的加入可以提高滤波器工作的稳定性和可靠性     

组合导航系统的模糊信息融合

为了解决联合卡尔曼滤波法存在的不足，文中给出了用模糊推理系统与卡尔曼法相结合的方法，该方法可以在线对噪声统计特性进行修改。它不仅可以对子滤波器进行自适应，而且对主滤波器的融合方式提出了全新的信息融合算法，构造一个模糊推理系统，根据实际情况由该系统得到各子滤波器的各状态估计量的不同信任权值，实时地进行加权融合，既避免了传统联合卡尔曼法的复杂计算，又提高了融合精度。最后把此法用于INS／GPS组合导航系统中，仿真结果证明该方法是有效的，实用的。     

动基站时差探测系统定位与滤波技术研究

针对传统长基线时差探测系统的缺点,本文提出了全新的动基站时差测量系统,并给出了目标的定位原理。针对此探测系统的特点,提出了一种高度简化的加权最小二乘算法,该算法利用子集选优法分析结果,并忽略各子集位置误差的相关性,从而有效地减小了运算量,同时保证了较高的目标位置测量精度。通过伪线性卡尔曼滤波法和广义卡尔曼滤波法进一步减小了目标位置的探测随机误差,统计仿真结果证明了这一数据处理流程的有效性。