基于异步航迹融合的乱序数据处理算法

针对集中式融合系统中从传感器到融合中心的传输延迟时间存在差异而导致融合中心出现乱序数据的问题,提出了一种能够处理单步延迟和多步延迟的乱序数据处(ATFOOSM)算法.首先利用乱序时刻(乱序数据的采样时刻)前的滤波结果,通过卡尔曼滤波来获取乱序时刻的目标状态,再采用异步航迹融合的方式实现对当前时刻目标状态的更新.仿真中采用ATFOOSM算法和重新排序算法对单步延迟和多步延迟下的乱序数据进行处理,结果表明ATFOOSM算法能够获得与重新排序算法相近的滤波精度.     

粒子滤波在锂离子电池剩余寿命预测中的应用

为有效预测锂离子电池剩余寿命,引入了粒子滤波算法.对粒子滤波的基本概念和算法实现步骤进行介绍,在给出锂离子电池寿命统计数据的基础上,应用粒子滤波算法计算其剩余寿命,解决了锂离子电池剩余寿命预测的问题.对相同的锂离子电池统计数据,利用扩展卡尔曼滤波方法计算进行对比实验.分析结果表明:粒子滤波算法比扩展卡尔曼滤波算法可靠,能较好地预测出锂离子电池的剩余寿命,误差小于5％.     

一种基于自适应粒子滤波的多层感知器学习算法

针对神经网络状态空间模型中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出一种自适应的粒子滤波神经网络训练算法.该算法用粒子滤波估计网络的权时,利用序贯更新先验信息的序贯可信度最大化方法在线估计未知系统噪声方差.仿真结果表明:该自适应粒子滤波算法明显优于其他传统的神经网络训练算法,如扩展卡尔曼滤波、噪声可调的扩展卡曼滤波、普通粒子滤波等.     

GPS静态单点定位的滤波算法比较

针对目前利用低成本全球卫星定位系统(GPS)进行静态单点定位精度较差的问题,分别将卡尔曼滤波、粒子滤波和扩展卡尔曼粒子滤波理论应用于其中.对两组由不同GPS-OEM板构成的单点定位系统实测的经纬度和海拔高度数据进行了滤波处理,并对不同滤波算法的效果作出了比较与分析.分析结果表明,滤波后定位精度有了明显提高,3种滤波算法中扩展卡尔曼粒子滤波的滤波效果最好,粒子滤波次之,卡尔曼滤波效果一般.实验结果为提高低成本CPS静态单点定位系统的定位精度提供了一种有效的解决方案,同时也对各滤波器理论上的滤波效果进行了验证.     

基于粒子滤波的锂离子电池剩余使用寿命预测

锂离子电池因其循环寿命产生的问题更加被重视。为了对锂离子电池的剩余循环使用寿命进行预测研究,采用了粒子滤波算法。首先对粒子滤波算法进行了概述。然后用它对电池的剩余使用寿命预测。简要描述了3组电池数据下的实验;并与扩展卡尔曼滤波进行了对比实验分析。实验结果表明了粒子滤波算法在3组数据下的绝对误差平均值近似4%,均方根误差平均值近似5%,扩展卡尔曼滤波的绝对误差平均值和均方根误差平均值分别近似6%和7%。说明了粒子滤波在锂离子电池剩余使用寿命预测中比扩展卡尔曼滤波精度更高。     

导航系统中量测滞后异步多传感器集中滤波算法

为解决异步多传感器组合存在的信息更新频率不同步,借鉴联邦滤波子滤波器的结构设计,提出在集中滤波器内根据组合时刻量测值的不同,选择相应量测矩阵进行切换的方法实现多传感器的异步组合.同时在该算法的基础上,利用非延时量测信息补偿滞后量测的方法,解决了多传感器组合量测滞后的问题.该算法在GPS/CNS/SINS组合导航实时仿真系统的应用表明,量测矩阵的切换对系统状态变量的滤波迭代没有不利影响,补偿量测滞后的方法对降低滤波误差有明显作用,滤波结果精度较高.     

一种基于IDDF的多AUV协同导航算法研究

为提高多自主水下航行器(AUV)协同导航效果,克服由于水声通信限制引起的协同更新频率低,进而导致的先验估计误差大、协同导航效果差,以及大初始化误差条件下协同收敛速度慢的问题,提出一种基于迭代插值滤波(IDDF)的多AUV协同导航算法.该算法将迭代滤波技术与插值滤波(DDF)算法相结合,不仅降低了传统EKF(扩展卡尔曼滤波)算法模型截断化误差对滤波精度的影响,而且通过量测信息的迭代更新,保证了系统在弱可观测条件下量测信息的充分融合.仿真结果表明该算法明显改善了系统的协同导航效果,证明了该算法对于多AUV协同导航系统的有效性.     

多传感器粒子滤波融合跟踪算法

对于非线性非高斯环境中的多传感器分布式状态估计问题,提出了一种基于二阶中心差分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,以在线自适应加权融合算法的方式得到系统最优估计.仿真结果表明,与采用扩展卡尔曼滤波的方法相比,该算法具有更高的估计精度.     

基于修正扩展卡尔曼序贯滤波的信息融合算法

针对基于扩展卡尔曼滤波的融合算法存在滤波精度不高的问题,将修正扩展卡尔曼滤波算法与集中式序贯融合算法相结合,用于毫米波雷达和红外传感器目标融合跟踪。即先对毫米波雷达进行修正扩展卡尔曼滤波,再将滤波结果与红外传感器进行融合滤波。仿真结果表明该算法能够提高对机动目标的跟踪精度,增强跟踪系统对环境变化的适应能力。     

高斯混合粒子滤波器在静基座捷联惯导系统初始对准中的应用

为解决传统粒子滤波算法中影响状态估计性能的采样枯竭问题,提出一种高斯混合粒子滤波(GMPF)算法,基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,采用加权EM算法取代传统粒子滤波的再采样过程,减弱了采样枯竭的影响,增强了算法的估计性能.对捷联惯导系统静基座大方位失准角初始对准的仿真结果表明,该算法的估计精度优于扩展卡尔曼滤波.