基于UKF的高动态GPS信号参数估计研究

为了更好地适应高动态环境给GPS信号接收模型带来的非线性特性,提出了一种基于Unscented卡尔曼滤波(Unscented Kalman Filter,简称为UKF)技术的高动态GPS信号参数估计方法。在分析高动态GPS载波相位模型和UKF原理的基础上,设计了高动态UKF估计器,对高动态GPS信号的相位、多普勒频率、频率变化率和频率二阶导数等参数进行了估计。通过仿真分析了该估计器的估计性能,仿真结果表明该方法在高动态环境中可以很好地跟踪GPS接收机动态信号。     

一种基于锁角环路的DOA估计定位跟踪

为了解决传统移动目标波达方向估计定位跟踪过程中,实时性差、精度低、计算复杂度高的问题,提出一种基于锁角环路的DOA估计定位跟踪算法.该算法采用锁角环路(DiLL)结构实现信号的波达方向(DOA)估计和定位,并实时随信号角度变化自动调整方向,以实现信号方位的跟踪.为了减小非线性和噪声对定位跟踪性能的影响,通过UKF滤波将估计目标信号的干扰消除,以提高信号方位定位跟踪的精度及系统的稳定性.仿真结果表明:该算法能够得到较高分辨率的DOA估计信号,能够对多个移动目标的方位进行有效定位跟踪,系统的精度、效率和稳定性也较高.     

用于提高全球定位系统定位估计速度的滤波算法

为了提高全球定位系统（GPS）高精度定位的解算速度,从原理上比较了平淡卡尔曼滤波（UKF）及其改进算法和超球面平淡卡尔曼滤波（SUKF）及其改进型等非线性滤波估计算法,提出了将SUKF的改进型算法应用于单机GPS的定位估计.实验表明：该算法能够在保证高精度定位估计的前提下提高运算速度,有效解决GPS软件接收机中高精度定位输出的实时性问题.     

基于UKF的汽轮机调节系统参数辨识方法研究

在介绍UKF（Unscented Kalman Filter）滤波算法的基础上,将其应用于汽轮机数字电液调节系统的参数辨识.通过仿真验证了方法的有效性.结果表明,UKF滤波能够得到较为满意的估计精度,是实现汽轮机调节系统参数辨识的一种有效的新方法,具有重要的工程应用前景和使用价值.     

数字罗盘辅助实现MIMU静基座初始对准

针对低成本MIMU中MEMS陀螺精度低,不能独立完成初始方位对准的问题,提出了基于数字罗盘辅助实现MIMU粗对准,再利用UKF方法实现精对准的低成本MIMU初始对准方法。介绍了数字罗盘的基本原理、分析了航向误差的产生原因,给出了基于最小二乘法的误差补偿方案;设计了基于数字罗盘辅助MIMU的粗对准和基于UKF的非线性精对准方案,分析了粗对准精度,建立了包含航向角误差的非线性对准模型;MIMU初始对准仿真结果表明该方法具有满意的对准性能。     

基于平淡卡尔曼滤波器的微小卫星姿态确定算法

针对扩展卡尔曼滤波（EKF）在线性化过程中会引入误差的问题，采用平淡卡尔曼滤波器（UKF）进行了系统滤波器设计；提出一种构建虚拟观测量的方法，并分析了其噪声特性．虚拟观测量与高精度器件量测量搭配可实现对姿态的校正．以太阳敏感器、微电子机械系统（MEMS）陀螺、磁强计为姿态敏感器件，构建了定姿滤波器并用STK（Satellite Tool Kit）数据进行了仿真．结果表明，所提出方法能有效地提高定姿性能，采用UKF的系统定姿误差与EKF相当，但收敛时间、稳定性要优于EKF．     

车载DR导航的非线性滤波方法研究

针对扩展卡尔曼滤波方法(EKF)用于车载DR导航系统滤波中存在的一些缺点,将一种新的滤波方法—UKF滤波方法用于车载DR导航系统的非线性状态估计中。该滤波方法与EKF方法相比具有容易实现和滤波精度高的特点。通过非线性状态估计UKF方法大大提高了导航系统的精度。为了检验其有效性,将这两种方法分别对车载DR导航系统进行滤波仿真,仿真结果进一步表明UKF方法优于EKF方法,是一种理想的车载DR导航非线性滤波方法。     

基于观测距离的EKF和UKF目标跟踪方法对比

分析了EKF和UKF的基本原理,并对基于观测距离的EKF和UKF的目标跟踪方法进行了对比.利用Matlab软件对2种方法进行仿真,结果表明UKF对真实轨迹的拟合效果优于EKF,且UKF的误差变化小,收敛性比EKF好.     

Phase noise filtering and phase unwrapping method based on unscented Kalman filter

This paper presents a new phase unwrapping algorithm based on the unscented Kalman filter(UKF) for synthetic aperture radar(SAR) interferometry.This method is the result of combining an UKF with path-following strategy and an omni-directional local phase slope estimator.This technique performs simultaneously noise filtering and phase unwrapping along the high-quality region to the low-quality region,which is also able to avoid going directly through the noisy regions.In addition,phase slope is estimated directly from the sample frequency spectrum of the complex interferogram,by which the underestimation of phase slope is overcome.Simulation and real data processing results validate the effectiveness of the proposed method,and show a significant improvement with respect to the extended Kalman filtering(EKF) algorithm and some conventional phase unwrapping algorithms in some situations.     

基于改进的自组织神经网络的基因剪切位点的识别

为提高基因序列中剪切位点的识别率,将无先导卡尔曼滤波器(UKF)和自组织神经网络(SOFM)相结合,给出一种非线性高维数据的聚类算法.利用无先导变换(UT)参数化SOFM邻域宽度函数的均值和方差,并采用UKF进行预测,完成SOFM参数的自适应过程.该算法用于基因剪切位点的识别结果表明:较SOFM与EKF参数自适应方法,该算法识别精度较高,验证了其有效性和可行性.