隐式自校正加权观测融合Kalman滤波器

对于带未知噪声方差的线性离散定常随机系统,利用多个结构相同但精度不同的传感器进行观测,各观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关函数阵解矩阵方程组,可解得各传感器观测噪声方差Ri.通过状态方程和观测方程以及观测噪声估值,可求得ΓQwΓT的估计,进而得到隐式自校正加权观测融合Kalman滤波器.一个目标跟踪系统的仿真例子说明了其有效性.     

多传感器系统噪声统计辨识的一种相关方法

对于带未知噪声统计和相关噪声的多传感器线性离散定常随机系统,通过左素分解将观测过程表为两个滑动平均(MA)过程之和,利用解相关函数矩阵方程组方法得到系统的噪声方差、相关阵及互协方差的在线估计器.基于观测过程的采样相关函数的遍历性证明了噪声统计估值器是强一致的.一个两传感器带相关噪声系统的仿真例子说明了方法的有效性.     

基于自相关函数相位的频率估计方法方差分析

为了分析基于自相关函数相位频率估计方法的性能,推导了加性高斯白噪声背景中正弦信号观测数据的相关函数相位噪声的表示式,得到了相位噪声方差的计算公式和基于自相关函数相位的频率估计方差的计算公式,给出了此类频率估计方法的估计方差与信噪比、观测数据长度以及对相关函数相位差进行平滑时利用的相关函数的点数关系.仿真结果与该文给出的公式计算结果吻合很好.     

自适应Kalman滤波的改进及其在SINS/GPS组合导航中的应用

为解决自适应Kalman滤波中存在的问题,综合采用对观测粗差和滤波结果粗差进行判断、对系统噪声方差阵扩零和修改自适应方程减去项等措施对算法进行了改进.观测粗差的判断可以避免观测奇异,提高滤波稳定性;对滤波结果粗差的判断可避免矩阵求逆时的奇异现象;对状态噪声方差阵扩零,可保证在不影响滤波精度的情况下解决滤波过程中矩阵维数不对应的问题;修改自适应方程减去项,虽然牺牲了一定的精度,但可保证求解状态噪声协方差阵Q和观测噪声协方差阵R的等式右边非负定,从而保证Q和R的非负定.将上述改进后的自适应Kalman滤波算法应用到SINS/GPS组合导航中,仿真结果表明上述改进有效地提高了自适应Kalman滤波的稳定性,且保证了滤波的精度.     

用于非线性时变系统噪声统计Q、R阵估计的新方法

提出了一种估计非线性时变系统过程噪声协方差阵Q和观测噪声协方差阵R的新方法.扩展卡尔曼算法结合前馈神经网络的非线性时变系统辨识过程中,噪声统计Q、R阵的估计是影响系统建模和预测精度的关键因素之一.本文所提出的估计噪声统计Q、R阵方法是基于协方差匹配技术,将M ehra估计定常系统噪声统计的方法推广到一般的非线性时变系统.仿真结果显示了本文方法的有效性.     

一类线性系统卡尔曼滤波器自适应算法

为了解决实际线性系统中系统噪声方差和观测噪声方差未知的问题,提出了一种新的卡尔曼滤波自适应算法,利用新息序列的方差, 可以在系统的自身计算过程中逐步估计并校正系统噪声方差和观测噪声方差.系统模拟显示,估计的系统噪声方差和观测噪声方差均收敛于实际的系统噪声方差和观测噪声方差,而且收敛速度比传统卡尔曼滤波要快.     

一种用于时间序列AR模型在线辨识的阶估计准则

用系统可观测输出与模型输出的方差作为最小方差指标函数，根据噪声的遍历性导出一种实用指标函数，给出了阈值计算公式及适用于在线建模的递推的阶估计准则。     

多传感器多变量AR模型信息融合辨识方法

对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归（AR）模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法（MRELS）得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。     

自校正分布式观测融合Kalman估值器

对于带未知噪声统计的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预...     

对于目标跟踪系统的未知观测噪声的信息融合多步估计算法

对于一个目标跟踪系统,当用多个传感器对其进行跟踪时,针对传感器观测过程中存在的未知观测噪声,该文提出一种信息融合多步估计算法.该算法第1步将状态方程转化为自回归滑动平均模型(ARMA模型)形式,第2步对ARMA模型用递推增广最小二乘法估计出未知参数的估值,第3步用相关函数法得到对未知观测噪声的无偏估计.最后用数学方法证明了估值相对于真实值在数学意义上的收敛性,并用Matlab对一个例子做了仿真.     

多传感器ARMA信号自校正分布式融合Kalman滤波器

对含未知模型参数和未知噪声方差的多传感器自回归滑动平均（ARMA）信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器,然后用取局部估值器的平均得到信息融合估值器。将这些融合估值器代入ARMA信号的全局最优分布式融合Kalman滤波器,提出了一种自校正分布式融合Kalman滤波器。用动态误差分析方法证明了它收敛于全局最优分布式Kalman滤波器,因而它具有渐近全局最优性。一个目标位置跟踪系统仿真例子说明了其有效性。     

未知噪声协方差的自适应容积卡尔曼滤波

针对噪声协方差不确定情况下容积卡尔曼滤波解决非线性目标跟踪中存在的问题,提出了一种优化的自适应容积卡尔曼滤波.首先根据新息序列和残差序列导出的线性矩阵方程得到噪声的协方差,基于新息序列与残差序列的相关性,推导出一种新的过程噪声协方差Q估计方法;然后采用残差序列对测量噪声协方差进行估计,利用加权因子将当前的噪声协方差矩阵与估计值组合成为新的测量噪声协方差阵R,有效避免了不准确状态估计的局限性.仿真结果表明:在时变噪声协方差的条件下,所提出的自适应容积卡尔曼算法的跟踪精度明显提高.     

基于噪声预测的二维卡尔曼跟踪算法在经纬仪航迹测量中的研究

针对卡尔曼滤波涉及到过程噪声协方差矩阵Q和量测噪声协方差矩阵R,实际情况中,Q和R未知或仅知道近似值,在最优滤波器的性能因素中需要考虑到Q和R的误差因素,大多数算法能够很好的辨识R,但在辨识Q时遇到了困难问题。为了能够更精确的获得输出矢量,提出了一种估计Q和R的方法,并对该方法的可靠性进行了实验仿真。同时采用扩展卡尔曼算法对输出的A、E和R进行预测和扩展,然后进行数据处理获得飞行器空间轨迹坐标,最后对计算的结果和文献对比。理论分析和实验仿真表明,算法能够获得更高的跟踪精度和更高的测量精度,验证了其有效性和可靠性。     

多维和多重递推辅助变量辨识算法

对带白色观测噪声的多维自回归(AR)模型,应用相关方法,分别提出了多维和多重递推辅助变量(RIV)算法,给出了未知AR参数的强一致估计;推广了一维RIV算法。提出了模型噪声和观测噪声方差的信息融合估值器,它们具有强一致性。一个仿真例子说明其有效性。     

带相关噪声系统的自校正观测融合Kalman滤波器

对于带有相关噪声和未知噪声统计的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线估计器.基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用.利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性.一个3传感器系统的仿真例子说明其有效性.     

带未知模型参数的自校正集中式融合信息滤波器

对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析（DESA）方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。     

关联色噪声对具有免疫监视下肿瘤细胞生长系统稳定性和瞬态性质的影响

基于具有催化作用的Michaelis-Menten反应模型,得到一种更全面的具有免疫监视下肿瘤细胞生长系统的一维朗之万方程.考虑肿瘤细胞增殖过程中生长环境等因素的变化而导致生长率和死亡率的波动,通过线性化近似和最快下降等方法计算系统的稳态概率分布函数和平均首次通过时间,并以此作为观察肿瘤细胞生长过程中的稳定性和瞬态性质的窗口,分析噪声对肿瘤细胞生长过程的影响.结果表明：1)当改变噪声强度D和Q时,肿瘤细胞数概率分布函数Pst(x)的结构会发生改变,系统产生多极值和单极值之间的结构转换,导致系统产生类相变;2)平均首次通过时间T＋(xu→x＋)是乘性噪声强度D的单调增函数,T－(xu→x－)却是D的单调减函数;3)T＋(xu→x＋)随加性噪声强度Q变化的图像出现一个类似“共振峰”的极大值,而T－(xu→x－)是关于Q的减函数;4)T＋(xu→x＋)随噪声间关联时间τ变化时,表现出单调递减和“共振峰”两种状态的转换,而T－(xu→x－)的图像随τ的变化呈现出单峰值样态;5)T＋(xu→x＋)随噪声间关联强度λ的变化出现类似于“共振峰”的极大值,T－(xu→x－)是λ的单调减函数.上述结果有助于人们掌握肿瘤细胞的生长动力学特性,不仅能够为临床上肿瘤细胞生长研究提供一定理论基础,而且还能为临床医学上肿瘤检测和治疗提供理论指导,对控制和治疗肿瘤疾病有一定的指导意义.