采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

UKF在视频移动目标跟踪中的应用

目标跟踪技术把跟踪看作是一个估计问题,在对动态系统进行实时估计时,针对经典卡尔曼滤波器在非线性系统应用中精度低和可能出现滤波发散的情况,文中将无迹卡尔曼滤波器应用于非线性的视频移动目标跟踪系统中,利用无迹变换对经典卡尔曼滤波器进行改进,以提高系统的跟踪效果。通过对无迹卡尔曼滤波器在移动目标跟踪中的仿真结果分析比较表明,无迹卡尔曼滤波对噪声的适应能力强,跟踪精度高,算法实现简单。     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

一种分数阶卡尔曼滤波器

传统卡尔曼滤波器一般适用于整数阶系统,为了使卡尔曼滤波器的应用由整数阶系统扩展到分数阶系统,将分数阶系统与卡尔曼滤波算法相结合——将离散分数阶微积分定义的状态空间表达式融入传统卡尔曼滤波器的表达形式中,推导得到一种基于分数阶系统的卡尔曼滤波器算法.仿真实验将输出量与两个状态量分别作为研究对象,利用MATLAB设计了分数阶卡尔曼滤波器算法模块,通过对象的输入和受到噪声污染的输出最优估计出对象的状态,证明了本文提出的分数阶卡尔曼滤波器具有良好的滤波和状态估测力.     

多导联癫痫脑电信号高频振荡特征提取与病灶定位算法

针对癫痫脑电信号中识别高频振荡节律困难的问题,提出一种基于Teager能量算子和曲线长度的多导联高频振荡节律(high-frequency oscillations,HFOs)特征提取与病灶定位算法。首先,采用陷波器和FIR数字滤波器对癫痫高频振荡信号进行预处理,其次,利用Teager能量算子和曲线长度对高频振荡节律的特征进行提取。最后,以功率谱为手段进行癫痫病灶定位。实际癫痫高频振荡仿真实验结果验证了该方法的有效性。     

卡尔曼滤波器在PID控制器中的应用

简要介绍了卡尔曼滤波器理论及其算法,建立一级倒立摆系统模型.采用卡尔曼滤波器来克服系统中的测量噪声和控制噪声对控制性能的影响,并在MATLAB环境下进行对比仿真试验,验证了卡尔曼滤波器对噪声的有效抑制作用.     

一种基于卡尔曼滤波器的PID控制

通过研究卡尔曼滤波器的信号模型,给出了一种基于卡尔曼滤波器的PID控制方法,并利用MATLAB进行仿真,结果表明：采用卡尔曼滤波器后,控制效果得到了明显的改善。     

UKF与Mean shift算法相结合的实时目标跟踪

针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下.     

基于Verilog HDL的卡尔曼滤波器的仿真研究

文章对卡尔曼滤波器的算法的5个递推方程进行了详细的介绍,并采用Verilog HDL硬件描述语言对卡尔曼滤波器的算法进行了仿真研究.通过仿真分析,结果表明卡尔曼滤波器的系统过程噪声、测量噪声、系统阶数(递归次数)等因素对滤波结果有影响。     

再生式液体发射药火炮燃烧室压力高频振荡研究

利用小波分析技术提取燃烧室压力高频成分,较精确确定压力高频振荡出现的时域范围,从而确定了振荡流共振振型对应的燃烧室形状。推导了燃气振荡流方程,计算了对应不同燃烧室形状下燃气振荡流的共振频率。对提取的燃烧室压力高频成分相对集中部分进行了频谱分析。研究结果表明：活塞的运动对共振频率影响较小,振荡流多阶共振频率受到激励是燃烧室产生压力高频振荡的一个重要原因。     

电动车辆锂离子电池传感器故障诊断方法

为降低锂离子电池传感器故障对电动车辆安全与性能的影响,提出了一种基于观测器的电池传感器故障诊断方法。结合锂离子电池电热耦合动态模型,构建2个扩展卡尔曼滤波(extended Kalman filter, EKF)观测器,估计电池单体的状态量,对比状态量估计值与传感器测量值以生成残差,并使用累计和(cumulative sum, CUSUM)测试方法进行残差评价,根据残差组合的不同响应情况实现锂离子电池电流传感器、电压传感器以及表面温度传感器故障的诊断与分离(fault diagnosis and isolation, FDI)。在不同的传感器故障情况下对诊断方法进行测试,结果表明,该方法能够及时准确地对锂离子电池单体3种传感器故障进行诊断与定位,性能表现优异且易于实施。     

时变自回归模型在清醒大鼠局部场电位特征分析中的应用

同步和去同步状态是清醒大鼠脑活动的两种典型状态,分析不同状态下局部场电位(LFP)的时频特性差异是提取刺激响应特征的基础。针对LFP信号的非平稳特性,采用时变自回归(TVAR)算法建立LFP状态空间模型;并利用卡尔曼滤波迭代方法对模型系数进行动态更新。然后基于TVAR系数计算LFP的功率谱,对不同状态的LFP信号进行时频特性分析。研究结果表明,利用TVAR模型结合卡尔曼滤波算法获得的时频功率谱与基于短时傅里叶变换方法的结果相比,具有更高的时频分辨率,而且通过对LFP的时频分析可以有效捕捉大脑活动状态的动态变化,对于大脑功能机制的解析具有重要意义。     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

一种新的基于时频分析扩频通信去干扰技术

针对DS／SS通信中的非平稳干扰问题,提出了一种新的自适应去干扰方法．经分析得出多重极点滤波器的无限长度冲击响应具有良好的定位性质,类高斯状的时域波形,且其带宽随着极点重数增加而变窄．当把阶数可变的多重极点滤波器用作STFT的分析窗口时,便可以得到一类短时傅立叶变换：利用能量集中方法来选取最佳的分析窗口,计算对应的STFT;得到干扰的域t-f集中分布后,采用二进制掩码的方式将这些干扰去掉;最后对去除干扰后的信号进行译码判决．计算机仿真表明该方法理论正确．可以获得好的误码特性。     

基于基波纹波比的大功率本安Buck变换器的设计

针对具有电感、电容(LC)滤波的本安Buck变换器输出纹波电压难以精确计算的问题,提出一种可快速、准确计算其输出纹波电压大小的方法。通过构建该变换器在电感电流连续模式下的等效电路模型,分析其频率特性,得出了该变换器的输出稳态响应。进一步的纹波理论计算及仿真分析表明可用基波电压纹波比近似全纹波比来求解该变换器输出纹波电压的结论。同时,为了给设计者提供理论指导,得出了满足输出纹波电压指标要求的电感、电容参数设计方法。与典型Buck变换器参数对比,发现在同样的电气性能指标要求下,采用LC滤波的Buck变换器仅需很小的电感、电容。表明该变换器更容易满足本安性能要求。最后,通过实验样机验证了输出纹波电压计算方法的准确性及元件参数设计思路的可行性。     

动态噪声特性未知系统的多模型自适应卡尔曼滤波

针对常规自适应卡尔曼滤波器存在过渡过程差的问题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼滤波器相比,多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.     

光纤陀螺零漂数据建模与滤波的研究

在对闭环式干涉型光纤陀螺零漂数据建立时间序列模型(ARIMA模型)的基础上,采用卡尔曼滤波算法对闭环式干涉型光纤陀螺零漂数据进行滤波处理,并通过功率谱密度分析卡尔曼滤波算法的滤波效果,同时采用Allan方差法解算滤波前后的零漂数据的各项噪声源误差系数,并通过各项噪声源误差系数分析滤波效果。     

利用超声多普勒检测涡流的模拟研究

为了优化利用超声多普勒技术检测速度波形,频谱宽度和涡流的精度,可利用短时傅里叶变换和频谱宽度校正的方法检测涡流的情况。从对各种包含频谱宽度和信号功率随时间变化及涡流信息的模拟多普勒信号的分析发现,当采用一定频响的低通滤波器时,短时傅里叶变换可有效地估计血流速度波形和涡流信息的波形。因此这种方法为分析涡流信息提供了一种快速手段。     

移动通信信道参量的自适应估计

本文首先提出了在插入无调制片的匹配滤波接收机条件下，频率衰落信道的瑞利乘性畸变的简单基带离散模型，建立了一个适应多普勒扩展Ｋａｌｍａｎ滤波器，最后作为一个例子估计了序列多普勒扩谱的归一体截止频率，另外文中给出了一个估计归一化截止频率的数字低通滤波器模型。     

自适应卡尔曼滤波法磷酸铁锂动力电池剩余容量估计

卡尔曼滤波法在估计动力电池的剩余容量(SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,笔者采用自适应卡尔曼滤波法来动态地估计电动汽车用磷酸铁锂动力电池的SOC。首先对电池模型进行了研究,建立了适用于SOC估计的电池模型,然后设计了相应的电池充放电实验检测到模型的参数,并进行了验证,最后将自适应卡尔曼滤波法应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC。仿真结果表明：自适应卡尔曼滤波法能够实时修正微小的模型误差带来的SOC估计误差,估计精度高于卡尔曼滤波法,且自适应卡尔曼滤波法对初值误差具有修正作用。实车循环行驶实验表明算法适用于磷酸铁锂动力电池的SOC估计。