Estimation and testing of time-varying coefficient regression models in the presence of linear restrictions

A linear regression model with random walk coefficients is extended to allow for linear restrictions between the coefficients to be satisfied at each point in time. Estimation in this model is shown to be no more involved than estimation in the standard model. It is also demonstrated how, after a slight modification to the testing problem, classical test procedures may be applied to the problem of testing for such restrictions. The performance of the Lagrange Multiplier test for a variety of different restrictions is then investigated via simulation. An empirical application involving testing for homogeneity in a random walk coefficient version of the AIDS model is given.     

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合，用于被动式多站跟踪，给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例，进行了仿真研究，结果表明该算法具有满意的跟踪性能。     

雷达/红外双模制导背景下的模糊目标跟踪器

在雷达／红外双模制导背景下，对雷达／红外传感器的测量数据进行融合并提出了一种跟踪机动目标的模糊跟踪器。该跟踪器能够精确的获取目标机动的动态信息，应用一系列的模糊规则自适应的调整卡尔曼滤波器的过程噪声协方差矩阵，从而更适合用于实际的跟踪系统。通过对红外成像和雷达多传感器对目标跟踪系统的数字仿真表明所提出的模糊跟踪器性能良好。     

具有随机偏差的最优多段卡尔曼估值器

提出了具有随机偏差的最优多段卡尔曼估值器。针对状态模型与观测模型同时具有偏差且偏差模型噪声与状态模型噪声相关的情况 ,给出了具有随机偏差的状态方程的增广状态 ,并通过U V变换对卡尔曼估值器的协方差矩阵解耦得到了最优多段卡尔曼估值器。结果表明 ,多段卡尔曼估值器不仅是最优的 ,而且降低了计算的复杂度     

PEAK COVARIANCE STABILITY OF A RANDOM RICCATI EQUATION ARISING FROM KALMAN FILTERING WITH OBSERVATION LOSSES

We consider the stability of a random Riccati equation with a Markovian binary jump coefficient. More specifically, we are concerned with the boundedness of the solution of a random Riccati difference equation arising from Kalman filtering with measurement losses. A sufficient condition for the peak covariance stability is obtained which has a simpler form and is shown to be less conservative in some cases than a very recent result in existing literature. Furthermore, we show that a known sufficient condition is also necessary when the observability index equals one.     

卡尔曼滤波过程的稳定性研究

卡尔曼滤波器的稳定性并不能保证实际的滤波器算法具有收敛性,而传统的关于滤波发散的判定方法是基于量测不能出现野值这一严格的假设条件,具有一定局限性;并且通常关于滤波发散只是一种定性的描述,具有一定模糊性。为此,考虑到量测可能出现野值的情况,从滤波发散的具体数学形式出发,提出了卡尔曼滤波过程的稳定性概念,在此基础上给出了滤波发散的判定定理,既消除了通常关于滤波发散描述的模糊性,又降低了通常判定方法的要求。     

基于航速修正处理的单舰被动定位算法

提出一种基于航速修正处理的单舰被动定位算法，在修正增益推广卡尔曼滤波器的基础上，该算法把运动目标舰艇的航道约束当作输出为0的增加的观测数据加入到测量方程，约束的强度由约束条件的噪声方差确定。提出一种规避因子，用来约束目标状态方程中的航速，基本思想是根据当前估计的目标位置和航速，估计了一个针航行到陆地岛礁或即将航行到陆地岛礁时，用规避因子矩阵来修正航速的方向和大小，避免了出现目标航行到陆地岛礁的情况。计算机模拟结果表明，航速修正处理后不会出现穿越陆地岛礁的运动舰艇航透，同时还能提高对海上运动舰艇辐射源的被动定位精度。     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

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。     

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.