模糊Kalman滤波在无人机姿态测量中的应用研究

针对目前无人机姿态测量所用捷联航姿系统,因陀螺漂移和算法误差的引入而导致结果发散的状况,采用组合航姿原理与信息融合理论,结合各传感器输出与载体运动状态相关的特性,提出了一种基于模糊Kalman滤波技术的惯性测量组件与磁强计组合信息融合方法.通过多尺度的模糊推理规则判断出载体当前的运动状态,实时调整系统测量噪声方差,对其...     

径向速度测量在Kalman滤波中的应用

研究一种把径向速度测量引入Kalman滤波的新方法.在分析传感器噪声特性以及测量方程结构的基础上,提出优先处理位置测量数据,然后利用位置矢量的滤波值改进对径向速度测量方程的伪线性表述,从而得到一种序贯处理、伪线性结构的滤波算法.从理论上分析了该算法的稳定性.蒙特卡洛仿真说明该算法不仅克服了推广Kalman滤波(EKF)暂态性能差的缺陷,而且其稳态性能也略优于EKF.     

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量(进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置)和输出向量(刀具磨损)之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。     

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.     

Kalman滤波在杉木生长预估模型中的应用

采用二阶差分机理建立的Ｋａｌｍａｎ滤波树木生长预估模型与方法，对杉木生长动态进行描述。结果表明，平稳化处理后的动态模型与方法具有良好的噪声特性与拟合效果。     

Kalman滤波在证券投资组合VaR计量中的应用

在分析"Kalman滤波"方法和VaR方法各自特征的基础上,构建一个估计投资组合VaR数值的状态空间模型,再用采集的3支股票的市场数据对该模型进行实证分析,计算出该投资组合的VaR数值.     

自校正Kalman滤波在科技进步测算中的应用

我国科技进步的测算，大多都是基于Ｓｏｌｏｗ增长速度方程作为“余额”来计算，这就不可避免地包含了国内政治，自然环境等因素的影响。文中采用自校正Ｋａｌｍａｎ滤波技术将科技进步因素从“余额”中提取出来，实现科技进步的精确测算。     

Kalman滤波在矿区GPS变形监测数据处理中的应用

论述了Kalman滤波在GPS变形监测数据处理中的应用,利用Microsoft Visual Basic6.0结合MatrixVB,通过一个算例模拟了Kalman滤波的过程。     

Kalman滤波在辐射图像降噪处理中的应用

为改善辐射图像质量,提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征,在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程;同时,采取NSHP(non-symmetrichalfplane)模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明,该方法有效减弱了辐射图像中混有的噪声,和传统滤波方法相比,更好地保持了图像的细节信息,体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。     

自适应Kalman滤波在GPS变形监测数据处理中的应用

GPS测量技术在变形监测中得到了越来越广泛的应用,但由于其误差来源及误差对信号的影响程度与传统的监测方法有着本质的区别,如果在数据处理中仍然按照传统的方法,可能得不到满意的监测结果。卡尔曼滤波在数学上是一种统计估算方法,通过处理一系列带有误差的实际量测数据而得到物理参数的最佳估值。因此Kalman滤波法是目前应用较广的一种动态测量数据处理方法。分析了Kalman滤波的模型设计,应用实例说明自适应Kalman滤波在GPS变形监测中的应用。     

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．     

用于无陀螺卫星姿态确定的预测UKF算法

为了降低卫星姿态动力学模型误差和初始姿态误差对无陀螺卫星姿态确定的影响,提出了一种预测无迹卡尔曼滤波(UKF)算法。该算法利用预测滤波中的泰勒级数展开方法对未知的卫星姿态动力学模型误差进行估计,然后将其带入UKF中实现无陀螺卫星姿态确定。用三维偏差四元数代替四元数作为状态变量,避免了估计过程四元数单位约束性被破坏的现象。仿真结果表明,当较大的卫星姿态动力学模型误差和初始姿态误差同时存在时,该算法仍能精确地实现卫星姿态确定。     

基于平方根Unscented卡尔曼滤波的无陀螺卫星的姿态估计

针对无陀螺卫星的姿态和速度估计问题,提出基于平方根UKF滤波（square Root Unscented Kalman Filter）的估计算法。为了避免欧拉角带来的奇异问题,采用四元数描述卫星的姿态参数。考虑卫星的非线性模型,采用Cholesky和QR分解,从而平方根UKF滤波方法不仅能保证协方差矩阵的正定性,并且还可以提高算法的计算精度。利用测量矢量的信息,该算法能估计三轴稳定卫星的姿态,且计算简单,无需计算Jacobian矩阵。数值仿真结果表明,所给出的方法是可行而有效的。     

改进UKF在X射线脉冲星导航中的应用研究

为了提高标准Unscented卡尔曼滤波(UKF)计算效率,本文对标准UKF采样点计算方法进行改进,使状态更新过程中的多次积分过程简化为一次积分过程,并证明了标准UKF和改进UKF的等效性.计算机仿真结果表明,在计算精度一致(位置确定精度约为70m,速度确定精度约为0.005m/s)的情况下,改进UKF的计算效率是标准UKF的5倍.     

自适应滤波器在微型姿态确定系统中的应用

基于MEMS的IMU由于低成本、体积小和低耗能得到了很广泛的应用.但是,惯性MEMS传感器有很大的噪声、偏差以及刻度误差,由于传统低成本的MEMS传感器使用的捷联算法很难取得令人满意符合性能要求的姿态确定值.利用改进的自适应增益卡尔曼滤波器在随机模式下建立一个小型姿态确定系统.这个改进的滤波器在一个时间变量转移矩阵中有六个状态量,它们分别是:三个姿态倾斜角和三个陀螺偏移误差.滤波器用三个加速度计的测量量和磁罗盘来驱动状态的更新.当系统处于非加速度状态下,加速度计对重力加速度的测量以及磁罗盘对航向的测量很显然可以产生很好的状态估计量;当系统处于高速动态状态并且偏移可以收敛到一个精确估计值时,对姿态的估算就需要很长一段时间.自适应滤波器可以在动态状况下用加速度计自动调整增益产生最佳性能.提供了这种技术的算法,并且对此进行分析,之后给出实验结果.     

迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.     

一种不发散的Kalman滤波算法的研究与应用

重点讨论了Kalman滤波算法的发散问题,提出了一种实际上不发散的Kalman滤波改进算法,并利用改进算法对三相异步感应电动机进行实例仿真研究,仿真结果验证了该算法滤波的有效性。     

卡尔曼滤波器在倒立摆控制系统中的应用

倒立摆系统是一个非线性多变量的不稳定的系统。过去人们对倒立摆的控制都没有考虑到输出噪声的影响,这样就降低了控制的精度。卡尔曼滤波器能够对被噪声污染的信号进行有效地估计,从而降低了噪声的影响。本文介绍了卡尔曼滤波器在倒立摆控制系统中的应用并给出了仿真结果。     

一种联邦滤波在定姿系统中的应用研究

以SINS／GPS／TCM2电子罗盘组合定姿系统作为研究对象．建立了SINS、GPS、TEM2电子罗盘的数字模型,根据联邦滤波器的结构组成,以SINS作为参考系统,分别与GPS、电子罗盘组成2个滤波器．运用联邦滤波器算法对定姿系统进行了数据仿真,结果表明,联邦滤波的滤波精度与集中卡尔曼滤波精度相同,同时证明了不同的信息分配系数会导致子滤波精度发生改变,而对全局滤波精度没有影响．     

卡尔曼滤波在人体姿态检测中的应用

为了尽早发现老人的意外跌倒,避免长躺现象,争取救护时间,对人体姿态进行检测。由控制器STM32F103和传感器MPU6050构成信号采集系统,采用无线蓝牙模式进行数据传递,由接收系统进行数据分析和显示。建立人体坐标系,对采集的加速度信号进行卡尔曼滤波,调节参数,补偿测量误差,实现最优估计。对滤波后的加速度信号进行整合,并以角度信号为辅助,进行姿态判断,及时判断跌倒事故。通过M atlab仿真发现,卡尔曼滤波的使用有效地提高了系统的测量精度,有助于姿态判断的实现。