自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

无碴轨道铁路控制网的Helmert方差分量估计

无碴轨道高速铁路施工基桩控制网要求相邻点的相对精度优于1mm,这就要求必须合理地、可靠地、客观地评定测量精度.测量平差中不合理的随机模型影响着平差结果和各项精度指标的合理评定.结合我国刚建成的第一条无碴轨道高速铁路,简要介绍了基桩控制网的建立,探讨了Helmert方差分量估计在基桩控制网数据处理中的应用.结果表明Helmert方差分量估计方法能准确地确定不同类观测值的权比,从而客观、合理、正确地评定各项精度.     

分类因子自适应抗差滤波

自适应抗差滤波的关键技术是构造观测等价权矩阵和合理的自适应因子，以便能有效地平衡观测信息、状态信息及其各分量对状态参数估值的贡献．文中在自适应抗差滤波和双因子相关观测抗差估计原理的基础上，提出了将常速度模型的状态预报信息分为位置和速度两类，并分别构造相应的自适应因子．导出了相应的分类因子自适应抗差滤波解，并给出了分类自适应因子的计算表达式．计算结果表明，分类因子自适应抗差滤波不仅能有效地控制观测异常和动态扰动异常的影响，而且利用分类因子合理地平衡了位置预报信息和速度预报信息对状态参数估值的贡献，其精度要优于基于位置不符值和速度不符值的单因子自适应抗差滤波．     

基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于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,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

集合卡尔曼滤波在浅水模式数据同化中的应用

为了研究集合Kalman滤波同化技术应用于非线性动力学模式的同化效果,通过利用集合Kalman滤波技术对浅水理论中均质不可压流体运动的动力学模式进行理想的数据同化试验.分析集合Kalman滤波同化方法应用于动力学系统的计算方法和步骤.比较三维变分和集合Kalman滤波的同化效果,讨论了集合Kalman滤波数据同化方法的基本性质和同化观测的频率对集合Kalman滤波同化效果的影响.通过试验证明,集合Kalman滤波数据同化方法能够成功地应用于浅水均质不可压流体的动力学系统,可有效地抑制估计误差的增长,为模式预报提供更加理想的初值,改善预报效果.     

基于Kalman滤波的分布式全相参雷达相参参数估计方法

针对运动目标,提出了基于Kalman滤波的相参参数(时间差和相位差)估计方法,建立了雷达本地坐标系及目标本体坐标系,给出了目标的运动模型及相参参数的数学模型;提出了利用正交信号对相参参数进行估计的方法,通过对待估参数进行推导分析,建立了状态方程和量测方程,提出了利用Kalman滤波算法对相参参数测量值进行滤波以提高参数的估计精度;仿真分析验证了基于Kalman滤波的相参参数估计方法的有效性.      

一种基于雷达和红外的粒子滤波融合跟踪方法

针对Kalman滤波不能处理雷达与红外传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.该算法通过利用量测方程的非线性分析和粒子滤波器计算状态估计值,从而以线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度,同时减小了计算量.     

方差分量的MINQUE通用公式

从概括函数模型出发,研究了最小范数二次无偏估计应具有的性质不变性、无偏性和最小范数性,导出了适用于所有平差函数模型的方差分量的最小范数二次无偏估计的通用公式,该公式在特定条件下与Helmert型通用公式、极大似然估计通用公式、最优二次无偏估计通用公式一致.由国外学者C.R.Rao导出的方差分量最小范数无偏估计公式以及由LarsE.Sjberg所给出的方差分量最优二次无偏估计公式,都是该通用公式的特例.     

考虑轨迹预测补偿的履带车辆滑动参数估计方法

由于履带与地面之间的相互作用力复杂,因此为履带车辆建立精确的模型较为困难.该文提出了一种基于轨迹预测补偿的双重无遗Kalman滤波(DUKF)的履带车辆滑动参数实时估计方法.上层无迹Kalman滤波(UKF)利用历史轨迹信息对滑动参数进行初步估计,将初步估计的滑动参数输入基于履带车辆瞬时转向中心(ICR)的车辆模型进行...     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。     

广义随机2-D系统的状态估计

考虑广义随机2-D系统的卡尔曼估计问题。目的是利用最小方差准则，在系统同时受到动态噪声和测量噪声干扰下，得到一类2-D系统的卡尔曼滤波。通过运用斜割支线和几何方法，给出状态向量的卡尔曼滤波与最优预测。同时，给出滤波和预测误差的方差与协方差阵的显示公式。     

卡尔曼滤波在大坝动态变形监测数据处理中的应用

详细地讨论了离散线性系统的卡尔曼滤波模型的建立及相应的精度评定公式，通过对某大坝动态变形监测数据的卡尔曼滤波处理和结果分析，发现卡尔曼滤波值、预报值与原始观测值数据曲线的变化趋势非常接近，说明所建立的卡尔曼滤波模型是合理的、可靠的，可以较好地模拟动态目标系统的变化规律。同时，卡尔曼滤波模型能够实时、快速地处理大量动态变形数据，并能有效地改善动态变形监测数据的精度。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

大跨径桥梁的动态监控模型研究

考虑到大跨径桥梁的安全监控模型应结合其动态特性而建立，探讨了把风速、温度、车流量等外界影响因素作为大桥变形的状态参数，采用自适应卡尔曼滤波，建立大跨径桥梁的动态监控模型，并对大桥变形速率分量进行分析．通过对南京长江第二大桥的分析，表明动态监控模型具有较好的效果和应用价值．     

Stochastic Optimal Estimation with Fuzzy Random Variables and Fuzzy Kalman Filtering

By constructing a mcan-square performance index in the case of fuzzy random variable, the optimal estimation theorem for unknown fuzzy state using the fuzzy observation data are given. The state and output of linear discrete-time dynamic fuzzy system with Gaussian noise are Gaussian fuzzy random variable sequences. An approach to fuzzy Kalman filtering is discussed. Fuzzy Kalman filtering contains two parts： a real-valued non-random recurrence equation and the standard Kalman filtering.     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统，应用奇异值分解，将其变换为等价的两个降阶多传感器子系统，提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法，在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下，分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

随机系数矩阵卡尔曼滤波

作者考虑了状态转移矩阵和量测矩阵是随机阵的线性离散时间动态系统的状态的线性最小方差递推估计问题,即随机系数矩阵卡尔曼滤波,说明了该系统可化为过程噪声和量测噪声均依赖于状态,而转移矩阵和量测矩阵是非随机阵的线性动态系统,从而证明了新系统的状态的最小方差估计问题仍有卡尔曼滤波形式.     

全路网改进动态O-D反推模型

针对动态O-D矩阵在全路网中难以直接获得的问题,提出了一种改进的反推模型。首先提出了以最小化观测值与反推值偏差的绝对值之和作为目标函数的路口参数优化模型,并采用遗传算法求解,设计了编解码方案。将反推得到的路口转向流量和流量检测系统中得到的路段流量共同作为已知量,建立了其与全路网动态O-D矩阵的动态关系,增强了系统的静定性。以反推值与最优历史值的偏差作为状态变量,建立了基于Kalman滤波的状态空间模型,并采用扩展Kalman滤波求解。仿真结果表明,模型和算法具有较好的精度、效率和鲁棒性。     

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。