基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的结构和算法，并将此方法运用于燃料电池发动机多传感器的复杂系统中．理论分析与仿真结果表明，该联合卡尔曼滤波器设计合理，其融合算法具有全局最优性，能够有效地对燃料电池发动机传感器的故障进行检测，改善了系统的容错能力和复原能力，提高了系统运行的稳定性．     

EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较，较准确地确定系统初始状态。对理想Roessler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较，结果表明该方法的有效性。     

基于轨道根数差的卫星编队自主定轨研究

设计一种应用于卫星编队的自主相对轨道确定方案。不同于目前广泛采用的Hill方程,采用轨道根数差的形式描述编队卫星间的相对运动规律,选择“无线电 激光”的组合测量方法,利用星间距离信息与方位信息作为观测量,设计扩展卡尔曼滤波器实现环绕星相对轨道的自主确定。仿真结果验证了这种导航方案的有效性。     

基于kalman滤波的分布式航天器相对状态解算

根据所提出的利用无线电和激光测量两航天器相对状态的测量方案,利用动力学法建立了关于待估参数即两航天器相对位置参数的动态状态方程,建立了测量方程,利用卡尔曼滤波法对相对位置进行解算,分析了克服滤波发散的方法,给出了具体仿真算例,通过对仿真结果的分析发现,提出的模型与解算方法可有效提高航天器间的定位精度。     

信息融合技术在某试验指挥控制系统中的应用

针对靶场试验指挥控制系统中的信息融合需求,提出了一种改进的联合卡尔曼滤波算法,用计算加权系数的方法代替原来的计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵。以GPS系统和地面某雷达的测量数据为例,对该算法进行了计算机仿真。结果表明,该算法对于抑制滤波发散、提高整个系统的精度和运算速度是行之有效的。     

基于卡尔曼滤波的序列图像超分辨率重建算法

针对给定一序列低分辨率图像重建出一序列高分辨率图像的问题,应用卡尔曼滤波理论,将时间轴加入重建算法,把利用多幅低分辨率图像生成高分辨率图像的模型转化为利用当前低分辨率图像和上一幅高分辨率图像来构建当前高分辨率图像.通过引入信息对的概念对算法运算复杂度进行改进.实验证明与已有算法相比该方法有较好的时效性和实用性.     

组网雷达系统对于高加速机动目标的精确跟踪研究

针对多基地雷达系统跟踪近距离高加速机动目标的场合,提出了一种并行扩展卡尔曼滤波算法。该算法首先建立起组网雷达群跟踪目标运动形态的观测模型,然后将三维加速度矢量引入到目标的运动模型中,通过并行计算的方式,在对加速度进行合理估计的基础上对量测数据进行卡尔曼滤波跟踪分析,获得目标的精确轨迹。仿真结果表明,该算法不仅能快速精确计算目标的位置和速度,而且具有很好的瞬态特性和稳态特性。     

单站无源定位系统定位算法分析与研究

本文详细分析了测量目标辐射源脉冲到达时间和到达方向对空中运动辐射源进行单站无源定位的扩展卡尔曼滤波算法,同时研究了修正增益扩展卡尔曼滤波算法,并且对两种方法进行了比较。最后给出了计算机仿真结果,这两种方法在无源定位系统中有很强的实用性。     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.