基于小波分析的非平稳FD过程分形指数估计

提出了一种非平稳FD过程分形指数估计的新方法。首先对过程进行平稳小波变换以获得各个尺度下的子过程。随后给出这些子过程方差的无偏估计;最后建立方差与尺度的函数关系,并在对数意义下对方差和尺度作线性回归,从而完成估计。计算机仿真表明该方法具有较高精度。     

传感器数据异常下动力定位鲁棒状态估计方法

针对时变环境带来的传感器数据异常、未知环境干扰等影响,导致基于无迹卡尔曼滤波的动力定位状态估计方法估计精度下降的问题,提出了一种鲁棒无迹卡尔曼滤波方法,该方法通过引入一种基于指数加权的观测噪声协方差矩阵R自适应更新模块和一种基于卡方分布假设检验方法的过程不确定性识别模块处理传感器数据异常情况并估计未知环境力．最后,以某平台供应船的船模为仿真对象,进行了仿真对比实验．仿真结果表明,鲁棒无迹卡尔曼滤波能够准确及时地识别传感器数据异常情况,相较于传统无迹卡尔曼滤波而言,鲁棒无迹卡尔曼滤波状态估计精度更高,收敛速度更快,表现出较强的鲁棒性．     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

乙苯化工过程的分布式无迹卡尔曼滤波方法

乙苯化工过程由一系列连续搅拌釜式反应器和分离器组成的大规模非线性系统,针对这一类系统提出了一种基于分布式无迹卡尔曼滤波的状态估计方案.该方法通过将系统分解,对每个子系统设计局部无迹卡尔曼滤波,它接收局部测量值,并与其他滤波器协同计算局部状态估计值的方法完成整个系统的状态估计.给出了详细的分布式无迹卡尔曼滤波的设计方法和...     

降阶H∞滤波的永磁同步电机无位置传感器控制

针对扩展卡尔曼滤波方法鲁棒性不高的问题, 提出一种基于H∞滤波算法的永磁同步电机转子速度与转子位置角的估计方法。同时通过将外部负载转矩视为系统参数, 一并进行估计, 克服了负载转矩变化造成的影响。并采用降阶滤波模型, 降低了滤波过程中的计算量。最后通过与扩展卡尔曼滤波方法进行对比, 实验结果表明, 该方法提高了系统对不确定参数以及非高斯噪声的鲁棒性。     

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。     

多传感器粒子滤波融合跟踪算法

对于非线性非高斯环境中的多传感器分布式状态估计问题,提出了一种基于二阶中心差分粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,以在线自适应加权融合算法的方式得到系统最优估计.仿真结果表明,与采用扩展卡尔曼滤波的方法相比,该算法具有更高的估计精度.     

基于无迹卡尔曼滤波的汽车状态参数估计

由于部分汽车状态参数无法直接通过传感器获得,为了提高这些参数的估计精度以准确判断汽车行驶过程中的状态变化,增强控制系统的鲁棒性,文中提出了基于无迹卡尔曼滤波的汽车状态参数估计方法.该方法在传统卡尔曼滤波算法的基础上,采用无迹卡尔曼滤波算法对汽车质心侧偏角、横摆角速度、路面附着系数等状态参数进行估计,并运用Simulink与Carsim进行联合仿真.结果表明,无迹卡尔曼滤波算法响应快,估计精度较扩展卡尔曼滤波高,能满足车辆高级动力学控制系统的控制需要.     

含噪ICA模型的一种时频算法

实际ICA(Independent Component Analysis)模型中,观测信号常常被各种噪声干扰,致使ICA的源估计相当困难.针对信号源噪声污染情形,分析了ICA模型的估计难点;并假设信号和噪声的时频特性不同,以一种高性能的双线性时频分布计算混合信号的时频特性,辅之Hough空间变换思想,将噪声能量扩展到整个参数空间,只选择信号能量占主导的自项点进行最小二乘对角化估计源信号,提出了一种时频抗噪ICA方法;最后,详细分析了该方法的抗噪性能.该方法扩展了ICA模型的应用限制条件,能有效分离各种非平稳信号.     

EKF定位跟踪算法研究

为了处理机动目标跟踪过程中的非线性问题,提出了一种基于运动模型的扩展卡尔曼滤波(EKF)算法,该算法精度可以逼近最优估计,适用于任何可用状态空间模型表示的非线性系统。通过仿真表明利用运动模型的扩展卡尔曼滤波方法可以有效地抑制非视距误差(NLOS)对定位精度的影响,从而得到更高的定位跟踪效果。     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

动态噪声特性未知系统的多模型自适应卡尔曼滤波

针对常规自适应卡尔曼滤波器存在过渡过程差的问题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的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.与常规自适应卡尔曼滤波器相比,多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.     

实时校正中系统噪声均值的空间分布

利用四点线性隐格式对圣维南方程组进行离散和线性化处理,建立了以水位和流量作为状态量的卡尔曼滤波状态方程,并结合相应的量测方程,进行了水动力学实时校正计算.针对预测阶段系统噪声均值的空间分布问题,提出了把卡尔曼滤波技术中的增益矩阵应用于系统噪声均值的空间分布,以改善原方程系统干扰矩阵形式的设想.验证结果表明,此方法对提高预报精度有明显帮助.     

捷联寻的制导弹药的新型卡尔曼滤波器设计

针对捷联制导系统的自身特点,设计出用于估计导弹和目标在弹体坐标系中相对运动状态的卡尔曼滤波器,使滤波与制导在同一个坐标系即弹体坐标系内进行,避免了信息在弹体坐标系和惯性坐标系之间的多次转换,从而减少了信息损失.仿真结果表明,该方法能够满足捷联制导系统的要求.     

纺织生产过程的状态最优估计

在分析了纺织生产特性的基础上,选出了适合表示纺织生产状态的状态变量,导出了描述纺织生产过程的状态方程,设计出了适于纺织生产状态估计并具有线性最小方差特点的估计算法-卡尔曼滤波器,并讨论了滤波器的稳定性。若将纺织生产过程看成一个三阶系统,即假定生产指标变化的加速度是一个仅受随机因素(系统噪声)影响的常数,并分别取指标数值本身、指标对时间的一阶导数和指标对时间的二阶导数作为系统状态变量的三个分量导出系统的状态方程,那么以此状态方程为基础可以设计出适用于纺织生产状态估计的卡尔曼滤波器,并且该滤波器是稳定的。     

锂离子电池参数辨识与SOC估算研究

电池SOC的估算精度是影响电动汽车性能的重要因素之一.针对传统的卡尔曼滤波方法在滤波时,需要已知系统噪声统计特性这一问题,本文在采用RC等效电路模型,运用多元线性回归方法辨识得到电池模型参数后,提出了采用模糊自适应卡尔曼滤波算法来估算电池SOC.城市道路循环工况仿真对比结果表明,该算法相比传统卡尔曼滤波方法具有更高精度,且能够将误差保持在2%以内,较好地提高了SOC估算精度.     

多传感器加权观测融合Wiener反卷积滤波器

基于Kalman滤波方法,应用加权观测融合方法,提出了全局最优观测融合Wiener反卷积滤波器。同集中式观测融合方法和分布式状态融合方法相比,不仅可获得全局最优Wiener反卷积滤波器,而且明显减小计算负担,便于实时应用。一个四传感器加权观测融合仿真例子说明了其有效性。     

基于数字摄影技术的动态变形数据的卡尔曼滤波分析

为了进一步减弱非量测数码相机噪声对测量精度的影响,提高基于数字摄影技术的工程结构动态变形监测精度,采用标准卡尔曼滤波、方差补偿卡尔曼滤波、极大验后卡尔曼滤波和方差分量卡尔曼滤波分别处理了桥梁弹性大变形数据,研究卡尔曼滤波在处理动态变形数据噪声中的适应性,并进一步量化了方差分量卡尔曼滤波在数据处理中的优势。研究发现,方差分量卡尔曼滤波噪声处理较为稳定,且误差较小。该方法不仅适用于基于数字摄影技术的动态弹性小变形噪声处理,在处理基于数字摄影技术的桥梁动态弹性大变形噪声时,同样具有较好的效果。室内相似材料模型试验研究表明,经过方差分量卡尔曼滤波进行数据处理后,测量误差小于0.5 mm,能够满足变形监测的精度要求。     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

3颗卫星条件下 GPS三维定位的新方法

提出了一种新型的双天线全球定位系统(GPS)接收机结构方案,用于某些恶劣定位条件下、接收信号的卫星数量较少时对用户位置进行解算.该方法可以在仅接收到3颗卫星信号的情况下,根据GPS的原始数据和伪距,进行较理想的三维位置估计,满足单机定位的精度.建立了基于非线性滤波的位置估计模型,根据该模型的特点,运用平淡卡尔曼滤波算法求解该模型.通过GPS定位实验,验证了该方法的可行性.