基于改进粒子滤波的双站无源定位跟踪算法研究

在非线性非高斯状态空间下,粒子滤波器是一种有效的非线性滤波算法,它的关键问题包括粒子权重的计算、粒子重采样和状态估计等.根据粒子滤波算法思想和双站无源定位跟踪的非线性,将粒子滤波算法用于双站无源定位跟踪问题,给出了一种改进的粒子滤波算法,并对其关键问题根据双站无源定位跟踪的特殊性进行了改进.利用matlab进行了仿真实验,与最小二乘算法、扩展卡尔曼滤波算法进行了比较,结果表明所提算法定位跟踪精度优于其他方法.     

基于UKF-IMM的双红外机动目标跟踪算法

为了有效解决红外机动目标跟踪精度问题,提出基于UKF的交互式多模型IMM红外机动目标跟踪算法.该方法采用Markov过程描述多个目标模型间的切换,同时导出滤波器输入输出均加权的交互式算法.滤波器采用UKF,避免计算扩展卡尔曼滤波EKF所需的Jacobi矩阵,适用于非线性、非高斯的目标系统模型和观测模型,同时UKF可供多个模型共用,便于软、硬件实现.最后,用双红外探测器对S型机动目标进行仿真实验,给出应用该方法的具体步骤,验证了IMM-UKF的稳定性、有效性和精确性.     

基于滑模估计器和卡尔曼滤波的PMSM速度估计

针对永磁同步电机(PMSM)无传感器的控制问题,提出了一种结合滑模估计器和扩展卡尔曼滤波(EKF)两种方法优点的混合估计器。混合估计器解决了滑模估计器对于反电动势具有较大"畸变"的电机速度估计效果差的缺点。混合估计器建立了一个3阶EKF滤波器,把反电动势高次谐波分量作为系统和测量噪声处理。降阶后的EKF参数调节变得比传统的EKF估计器相对容易很多,在反电动势有"畸变"单纯滑模估计器估计效果很差时,估计效果依然很好。对滑模估计器、传统EKF估计器和混合控制器三种估计效果做了比较,阐明了混合估计器的优缺点。     

动态系统的实时多尺度估计和融合算法

介绍了一种最优动态多尺度估计和融合算法，讲座了在数据残缺的情况下，如何得到等效的测量值和测量方程；给出了当测量的采样率为任意值时，对测量数据的处理方法。     

基于双自适应无迹卡尔曼滤波的半挂车状态估计

针对半挂车辆状态估计过程中测量噪声不确定、累计误差影响严重、初值敏感等问题,提出一种适用于半挂车铰接角、车速等多个状态量估计的双自适应无迹卡尔曼滤波算法(FFUKF).基于搭建的半挂汽车12自由度非线性动力学模型和轮胎模型,通过测量的轮速与车辆加速度等信息,首先利用模糊控制自适应调整滑移率容差,综合判断每个车轮的稳定状态,通过轮速估算出一种车速;与此同时,模糊控制自适应调整测量噪声,利用无迹卡尔曼算法,依据动力学估计出铰接角和另一种车速;然后通过卡尔曼滤波算法融合两种方法估计的结果,实现车辆的纵向、侧向速度、横摆角速度和挂车与牵引车铰接角的实时估计.最后在Simulink/TruckSim联合仿真环境下进行多工况仿真试验,验证所提出的双自适应无迹卡尔曼估计算法(FFUKF)有较强的适应性、稳定性和鲁棒性,相比普通模糊自适应无迹卡尔曼(FUKF)有更高的估计精度,能有效克服累计误差,即便在估计初始值不准和有ABS控制输入的情况,仍可以较精确地对车速和铰接角进行实时估计.     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

基于反馈判决的鲁棒自适应机动目标跟踪算法

针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性以解决模型失准问题.最后,根据马氏距离构建异常误差判别因子,采用反馈判决实现2种处理方式的合理切换.仿真实验表明:与现有算法相比,该算法能够有效处理测量异常和模型失准带来的误差,具备良好的抗差能力和自适应性.     

基于瞬变流和故障检测的管线泄漏监测试验分析

根据动态系统分布参数模型的故障检测与诊断技术思想,结合管道流动的水力瞬变模型与适用于时变非线性系统的故障检测滤波器——扩展卡尔曼滤波算法,探讨了海底管道泄漏监测与定位技术.增广的状态向量包含管段各点的压力、流量和泄漏尺寸,进出口压力和流量4个参数组合成系统输入和输出向量,以卡尔曼增益阵修正由特征线结合差分法求解瞬变流离散方程得到的状态预测值,从而利用"新息"得出更准确的状态估计.在泄漏发生伊始即探测出异常,并给出泄漏发生时刻.基于压力梯度线性的假设计算泄漏位置,对一段试验水管的进出口压力流量测量序列进行上述分析,得出了与实际相当吻合的结果,初步验证了方法的有效性.     

基于奇异值分解的高精度重力仪信号处理方法

在分析基于矩阵奇异值分解理论的滤波算法基础上,将其应用到高精度海洋重力仪系统信号处理中.在信号处理过程中,首先采用延迟法理论重构系统的相空间,得到吸引子轨迹矩阵,然后对轨迹矩阵进行奇异值分解,用部分奇异值重构有用信号的最佳逼近矩阵,并与自适应卡尔曼滤波进行了对比分析,以实际信号与处理后信号的信噪比作为衡量2种信号处理方法好坏的依据.理论分析和仿真实验表明,奇异值分解滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,奇异值分解滤波的性能优于自适应卡尔曼滤波.     

基于粒子群优化算法的MGEKF在舰载无源定位中的应用

针对舰载无源定位中对高速运动目标定位精度不高的问题,引入多普勒频率变化率为测量量,同时提出把粒子群优化算法与MGEKF算法相结合,将PSO算法用于MGEKF的初始阶段,既避免了PSO算法运算最大的缺点,又避免了MGEKF受初值和修正函数影响不收敛的问题,缩短定位时间的同时提高了定位精度,仿真结果验汪了该方法的有效性和稳定性.