基于两级滤波的车辆相对加速度估计

针对智能交通中汽车防追尾碰撞预警技术难以准确获取车辆间相对加速度,从而影响预警准确性的不足,提出了一种基于两级卡尔曼滤波的相对加速度估计方法.首先建立准确描述车辆间相对加速度变化的车辆相对运动模型,利用卡尔曼滤波递推方法初步估计出相对加速度值.然后进一步结合相对速度信息,利用第二级卡尔曼滤波估计相对加速度的误差,对初步估计的相对加速度值进行修正,从而获取较为准确的相对加速度信息.实车试验结果表明,该方法的准确性和可靠性好,加速度估计误差小于0.5 m/s2.     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。     

基于多传感器组合定位系统的列车追踪优化分析

列车定位在列车运行控制系统中起着非常重要的作用。通过设计一个低成本的车载列车组合定位信息采集平台,来优化现有各种先进闭塞方式下的列车调度与列车追踪。该平台主要依靠全球卫星定位系统GPS、惯性测量单元IMU、里程计ODO等多源传感器来采集数据,并采用卡尔曼滤波原理来综合处理数据,从而得到列车的相对位置。平台的主要功能是为列车提供高精度的实时定位,它可以完全独立于现有的闭塞方式,最终能够以较小的成本实现列车追踪优化。     

有色观测噪声下的多变量设置调整策略

针对存在初始设置偏差的离散的多变量生产制造过程，研究了观测噪声服从Auto-Rgressive （AR）模型的情况下，考虑调整花费成本为二次型函数时的设置调整问题，在建立过程状态空间方程的基础上，利用卡尔曼滤波方法在线估计过程的状态变量，根据随机二次型最优控制理论，得到了使过程质量损失最小的最优调整策略. 通过算例解释了最优调整策略的实现方法，并进行了仿真验证，结果表明，得到的调整策略与观测噪声为白噪声时的质量调整策略相比，能更好地减少过程总体质量损失.     

基于状态变换卡尔曼滤波的DVL/SINS组合导航算法

针对捷联惯性导航系统(strapdown inertial navigation system, SINS)误差定义存在的坐标系不一致的问题，将速度误差统一投影在真实导航坐标系中，基于状态变换Kalman滤波推导了更严密的SINS姿态、速度和位置误差方程。进一步地，在新定义的速度误差和SINS误差方程的基础上，构建了改进的多普勒计程仪(Doppler velocity logger, DVL)/SINS组合导航卡尔曼滤波状态模型和量测模型。仿真和船载实验表明，与常规DVL/SINS卡尔曼滤波模型相比，所提算法可以处理传统DVL/SINS误差模型中坐标系不一致问题的影响，可在一定程度上提高组合导航系统的性能。     

双站纯方位空时软约束无迹粒子滤波算法

针对双站纯方位机动目标跟踪中由信息不完全和非结构化测量环境导致的有界混合似然问题，提出空时软约束无迹粒子滤波算法。针对目标先验未知，利用光电经纬仪对极几何约束测量空间点，预测空间曲面中心计算转弯率；为覆盖多域似然，采用无迹变换技术更新目标状态，引入模糊测度调制重要性函数；为保持估计方差维数不变性，根据狄拉克后验采样提取目标状态。仿真结果表明，对于典型的双站经纬仪跟踪空域点目标，相比于Rao-Blackwell多模型粒子滤波，提出算法的计算复杂度与单模型粒子滤波量级相当；相比约束辅助粒子滤波算法，提出算法的滤波精度提高了27%～41%。     

基于改进粒子滤波算法的比较分析研究

提出一类改进的粒子滤波算法.对于建议分布的选取方案,此算法采取强跟踪分散的卡尔曼滤波方式建立它的建议分布.由于线性调节参数,此算法让系统拥有更优越的自适应性及鲁棒性,对高机动目标具有更强的跟踪效果,继而为强跟踪扩展卡尔曼滤波的能力.仿真结论说明,此算法的性能比别的几类非线性滤波算法更加优秀.比如辅助粒子滤波器(APF)、迭代扩展卡尔曼粒子滤波器(IEKE-PF)、Unscented粒子滤波器(UPF)、正则化粒子滤波器(RPF),则是在bootstrap粒子滤波器提出之后,继而出现的改进的粒子滤波器0基于粒子滤波,本文提出了阻止粒子退化的两个重点原因,以及选取合适的采样建议分布及重采样算法.     

GPS静态单点定位的滤波算法比较

针对目前利用低成本全球卫星定位系统(GPS)进行静态单点定位精度较差的问题,分别将卡尔曼滤波、粒子滤波和扩展卡尔曼粒子滤波理论应用于其中.对两组由不同GPS-OEM板构成的单点定位系统实测的经纬度和海拔高度数据进行了滤波处理,并对不同滤波算法的效果作出了比较与分析.分析结果表明,滤波后定位精度有了明显提高,3种滤波算法中扩展卡尔曼粒子滤波的滤波效果最好,粒子滤波次之,卡尔曼滤波效果一般.实验结果为提高低成本CPS静态单点定位系统的定位精度提供了一种有效的解决方案,同时也对各滤波器理论上的滤波效果进行了验证.     

基于无迹卡尔曼滤波的导航星座并行式自主定轨

针对卫星轨道动力学模型的高度非线性及星座自主定轨的高精度需求,基于星间双向测距观测信息,提出了采用无迹卡尔曼滤波（Unscented Kalman Filter, UKF）作为星载算法的导航星座并行式自主定轨方案,并且给出了UKF算法中可见星先验信息引入的额外方差矩阵,以保证滤波的稳定性.仿真结果表明,该方案可以实现星座的长期自主定轨并维持一定精度.