一种基于雷达和红外的粒子滤波融合跟踪方法

针对Kalman滤波不能处理雷达与红外传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.该算法通过利用量测方程的非线性分析和粒子滤波器计算状态估计值,从而以线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度,同时减小了计算量.     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

广义系统多传感器信息融合降阶状态估值器

对于带多传感器的广义线性离散随机系统,基于奇异值分解,将其化为等价的两个降阶多传感器子系统。应用Kalman滤波方法,在线性最小方差最优加权融合准则下,提出了最优加权融合降阶稳态广义Kalman估值器。可统一处理融合滤波、平滑和预报问题,可减少计算负担和改善局部估计精度。为了计算最优加权,提出了局部估计误差方差阵和互协方差阵的计算公式。     

广义系统降阶分布式信息融合稳态Kalman滤波器

针对带相关噪声的多传感器广义系统,提出一种分布式分量标量加权融合稳态降阶Kalman滤波器。应用奇异值分解将原广义系统转化两个等价的降阶子系统,将广义系统状态估计问题转为正常系统的状态估计问题,并求得任两个传感器子系统之间的稳态降阶滤波误差互协方差阵。兼顾融合精度和计算负担,以线性最小方差为融合准则,得到按分量标量加权的稳态Kalman滤波器。该滤波器避免了时刻计算协方差阵和融合权重明显减小了在线计算负担,便于实时应用。Monte Carlo仿真验证方法的有效性。     

带有色观测噪声的广义系统Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,并通过对观测方程的状态变换,将带有色观测噪声的系统变换为等价的带相关噪声的两个降阶多传感器子系统.应用Kalman滤波方法,在线性最小方差按块对角阵加权融合准则下,提出了按矩阵加权融合降阶广义Kalman滤波器,可减少计算负担和改善局部滤波精度.为了计算最优加权,给出了局部滤波误差协方差阵的计算公式,证明了融合器和局部滤波器之间的精度关系.一个Monte Carlo仿真例子说明了其有效性.     

传感器动态误差修正的若干方法研究

修正动态误差可以提高传感器动态测试的精度，具有重要意义。在对动态误差修正方法进行讨论的基础上，着重探讨反滤波和数值微分修正方法，并应用于腕力传感器的研究中，效果良好。     

基于Kalman滤波的分布式全相参雷达相参参数估计方法

针对运动目标,提出了基于Kalman滤波的相参参数(时间差和相位差)估计方法,建立了雷达本地坐标系及目标本体坐标系,给出了目标的运动模型及相参参数的数学模型;提出了利用正交信号对相参参数进行估计的方法,通过对待估参数进行推导分析,建立了状态方程和量测方程,提出了利用Kalman滤波算法对相参参数测量值进行滤波以提高参数的估计精度;仿真分析验证了基于Kalman滤波的相参参数估计方法的有效性.      

机器人腕力传感器传递矩阵的研究

腕力传感器的传递矩阵对输出信号的解耦和提高腕力传感器的精度具有重要意义。本文从多项式最佳逼近的实现来求解传递矩阵。首先在L~2意义上提出了一般的传递矩阵计算法, 并提出了两种改进的算法。然后从一致逼近出发提出最佳传递矩阵计算法,并利用线性规划的方法求出最佳传递矩阵。实验和计算结果验证了这些算法是有效的。     

目标机动性未知时的多平台交互式多模型融合算法

多平台的交互式多模型（IMM）Kalman滤波器是一种比较有效的机动目标跟踪估计方法．但当目标存在未知机动时,基于模型的估计器的精度就会下降．目标跟踪中的输入估计技术可对未知机动性进行估计．本文在给出过程噪声和量测噪声相关情况下最小方差无偏（MVU）输入、状态滤波估计的基础上,提出了基于上述滤波器的分布式IMM多传感器多平台融合算法．仿真表明了该算法的有效性．     

带不同局部动态模型的时变系统信息融合Kalman估值器

对于带不同局部动态模型和多传感器的的线性离散时变随机控制系统,应用Kalman滤波方法,基于Riccati方程,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则．提出了系统公共状态的三种最优加权融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可用于信号融合滤波。用增广状态方法．将待估信号看成子系统公共状态,提出了信号多传感器信息融合滤波的一种设计方法。     

非平稳背景噪声下微弱高频CW信号的自适应检测

在强噪声背景下,基于时频联合分析的高频CW信号检测算法性能严重下降,同时标准Kalman滤波器对非平稳背景噪声下微弱高频CW信号也失效.针对此问题,本文提出了一种基于ARMA新息模型的自适应Kalman滤波器检测方法.该方法避免了标准Kalman滤波检测CW信号时需要确定系统噪声统计特性的问题.论文根据CW信号的状态空间随机信号模型,构造了ARMA新息模型,通过在线辨识MA模型参数来估计Kalman滤波增益,从而实现了CW信号的自适应跟踪滤波.仿真结果表明,该方法能够在强噪声背景下动态跟踪CW信号时域波形,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

X射线头影图象的自适应卡尔曼滤波方法研究

以口腔医学中Ｘ射线头影图象为背景，提出了一种基于输出相关法的有色噪声卡尔曼滤波方法，用来解决图象中有色观测噪声的滤波问题。该方法不增加滤波器的维数，而是改变系统的观测方程，使等效观测方程的测量噪声变为白噪声，再利用卡尔曼滤波方法进行滤波，大大降低了计算的复杂性。而且该方法不需要事先知道观测噪声的方差，从而弥补了传统卡尔曼滤波方法的不足，更加符合实际情况的需要。实验表明，用该方法对Ｘ射线头影图象进行处理后，可使图象的质量得到明显的改善。     

光学电流互感器Sigma点卡尔曼滤波去噪方法研究

随着电力系统向着超高压大容量发展,光学电流互感器（OCT）在电力系统领域具有广阔的应用前景。而有效的滤除噪声,提高信噪比（SNR）是光学电流互感器信号处理的重要环节。本文针对光学电流互感器低信噪比的特性,通过改进的卡尔曼滤波算法建立合适的模型以及通过LabVIEW的仿真验算,表明Sigma点卡尔曼滤波能够有效的滤除噪声和提高光学电流互感器的信噪比。     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

Kalman滤波在液压电机故障诊断中的应用

针对液压电机故障信号的特性,介绍了Kalman滤波及其递推算法在信号处理上的应用给出了时间序列自回归(AR)模型建立信号状态方程和观测方程的方法,并在这两个方程的基础上结合Kalman递推算法对信号进行滤波.通过有效的仿真和实际验证表明:利用Levinson-Durbin算法获得AR系数建立信号模型,再通过Kalman递推能够有效的达到滤波的效果.     

强噪声背景下高频CW电报信号的自动检测

长期以来,CW电报通信都靠人工操作来完成,难以满足大容量、高速度的要求,如何实现CW电报的自动检测与识别,减少人为因素的影响,提高其有效性是当前高频CW电报研究的重要课题.在强噪声背景下,高频CW信号的包络检波检测法难以有效跟踪信号波形.检测性能严重下降.针对此问题,提出了一种基于Kalman滤波的微弱CW信号检测方法.该方法首先采用Kalman滤波器实时捕捉CW信号,恢复信号波形,再运用复数谱方差识别干扰信号与CW信号,提取出纯净的CW信号.实验表明:该方法能够在强噪声背景下有效地检测出CW信号,具有更高的识别率,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

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。     

基于卡尔曼滤波的舰船传感器信号的小波阈值去噪

采用小波去噪中的阈值方法对舰船传感器的量测信息进行了去噪处理,从而降低了量测信息中噪声对卡尔曼滤波精度的影响.通过对实测船位数据的仿真,并与GPS船位数据比对,证明该方法有效地提高了卡尔曼滤波的估计精度,也使航行曲线更加地“光滑”.     

基于无抽取Haar算法的实时卡尔曼滤波方法

针对基于分段方式的多尺度卡尔曼滤波其计算量大、延时长的问题,提出基于无抽取Haar算法的实时卡尔曼滤波方法,该方法采用简单的加减、移位运算在t时刻完成多尺度变换,然后在各个尺度进行小波阈值去噪和卡尔曼滤波;为了验证该方法的有效性,在自主改装的智能车上对低精度加速度传感器进行实验.研究结果表明:通过小波重构完成信号处理,提高了算法实时性,并且有效减少重复运算;实时卡尔曼滤波方法有效提高了传感器的性能,在不能准确估计状态转移误差情况下,该方法的去噪性能优于单独的卡尔曼滤波去噪性能.     

基于卡尔曼滤波算法的无刷直流电机直接转矩控制

阐述了一种新的无刷直流电机转矩检测方法,可应用于直接转矩控制。传统的转矩观测方法有基于磁链观测转矩和基于反电势观测转矩,其分别存在计算复杂、误差大和难以得到准确的反电势的问题。根据无刷直流电机运行特性,提出了通过采集端电压和相电流的卡尔曼滤波转矩观测策略,仿真结果表明,能够准确观测到电机转矩。通过设计卡尔曼滤波算法,有效避免了微分运算产生干扰的问题,且不需要额外的滤波电路,节约了系统成本,并且利用转矩观测时产生的中间变量,完成无刷直流电机无位置传感器控制。