Lorenz混沌系统的数据同化方法研究

利用数据同化方法研究了Lorenz混沌系统中的非线性问题.提出了一种基于Cholesky分解的降秩平方根滤波算法,可以改善数据同化中的滤波发散现象.通过对卡尔曼滤波误差协方差矩阵进行Cholesky分解,降低协方差矩阵的计算量和存储量,提高滤波的收敛速度.在Lorenz混沌系统上研究了降秩平方根滤波的性能,通过敏感性分析试验,讨论了降秩平方根滤波的稳定性,验证了算法的有效性,比较了降秩平方根滤波与集合卡尔曼滤波的同化性能.结果表明,在Lorenz混沌系统的短期预报实验中,降秩平方根滤波的同化性能优于集合卡尔曼滤波.     

汽车毫米波雷达目标跟踪的快速平方根CKF算法

平方根容积卡尔曼滤波器(Cubature Kalman filter,CKF)算法直接以协方差阵三角分解因子进行滤波过程的预测和更新,保证协方差矩阵非负性,避免了滤波器发散,但预测更新都基于采样点,仍然具有较高的计算负荷。该文提出了一种适用于汽车毫米波雷达目标跟踪的快速平方根CKF算法,在预测阶段,利用Kalman滤波器方程进行状态和协方差阵预测,在更新阶段,利用预测值构造Sigma点,并以平方根CKF滤波器方程更新目标的状态和协方差阵。仿真实验表明:该文算法运算效率和滤波精度比平方根CKF、平方根无迹卡尔曼滤波(Unscented Kalman filter,UKF)等算法均有不同程度提高,适用于汽车毫米波雷达嵌入式目标跟踪软件。     

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

改进的强跟踪平方根分解UKF算法应用研究

针对一类非线性系统滤波问题,提出了一种改进的强跟踪平方根分解UKF算法.该算法通过引入自适应渐消因子改善了滤波器的鲁棒性,利用改善的平方根分解方法提高了滤波器的计算效率.通过实验仿真验证,该算法相对于传统的强跟踪UKF算法具有相近的估计精度和更快的计算效率,相对于强跟踪滤波器具有更高的精度.     

惯导初对准中的平方根无轨迹卡尔曼滤波

针对无轨迹卡尔曼滤波(UKF)在递推过程中,有些情况下出现状态协方差逐渐失去正定性,导致计算发散现象,对状态协方差进行矩阵分解,在滤波中用其平方根进行计算,保证其正定性.采用平方根无轨迹卡尔曼滤波(SRUKF)对大失准角情况下惯性导航系统初始对准非线性ψ角模型进行估计.蒙特卡罗仿真结果表明,SRUKF与UKF在滤波精度和收敛速度上基本一致,SRUKF的数值稳定性优于UKF.     

平方根滤波在地形辅助导航中的应用

结合地形辅助导航的特点 ,给出了一个快速的平方根矩阵分解公式 ,应用该公式的平方根滤波地形辅助导航系统 ,不仅可避免由计算机截尾误差的积累和传播使滤波协方差矩阵失去正定性而导致的滤波发散 ,而且还避免了通常对角化平方根分解中不可缺少的求矩阵特征根和特征向量 ,以及特征向量的正交化、单位化等繁琐的计算过程     

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。     

基于奇异协方差矩阵的谱估计方法

为了解决秩亏RCF(robust Capon filter-bank)谱估计方法的估计性能不稳健问题,提出一种基于奇异协方差矩阵的谱估计方法.该方法根据空间约束和导向矢量误差约束获得相应的窄带滤波器,并利用其对Capon滤波矢量进行滤波得到谱估计.仿真结果表明: 在采样协方差矩阵奇异的情况下,该谱估计方法获得的谱估计在精度及分辨率上均明显优于秩亏RCF谱估计方法.该方法是一种可以利用少量快拍进行谱估计的有效方法.     

改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用

非线性动态系统存在非线性和噪声不确定的问题,容积卡尔曼滤波对解算该类系统有较好的精度,为了提升导航系统对异常观测值的稳定性,对采样数据进行均值滤波处理,降低干扰较大的采样数据对于滤波结果的影响.用奇异值分解代替Cholesky分解,改善滤波稳定性,避免先验协方差非正定而降低滤波性能.最后通过引入抗差因子调节观测协方差矩阵,再次减少观测异常值对于滤波结果的影响.采用仿真实验进行分析,改进的抗差容积卡尔曼滤波算法对于减弱异常观测值影响有良好的效果.     

信号通路模型参数优化的非线性滤波方法

提出采用非线性滤波方法--平方根UKF估计信号通路模型的未知参数,利用协方差平方根代替协方差参加递推运算,保证了滤波算法的数值稳定性.以肿瘤坏死因子诱导的核转录因子κB信号转导网络为例,利用平方根UKF对系统模型的未知参数进行辨识.仿真结果表明,该非线性滤波方法能够从噪声数据中提取有效信号,提高了参数估计的精度,为解决复杂信号通路参数辨识中的不确定性问题提供了可靠的方法.     

平方根滤波在地形辅助导航中的应用

结合地形辅助导航的特点,给出了一个快速的平方根矩阵分解公式,应用该公式的平方根滤波地形辅助导航系统,不仅可避免由计算机截尾误差的积累和传播使滤波协方差矩阵失去正定性而导致的滤波发散,而且还避免了通常对角化平方根分解中不可缺少的求左阵特征根和特征向量,以及特征向量的正交化、单位化等繁琐的计算过程。     

基于全景视觉机器人的改进UKF-SLAM算法研究

标准UKF-SLAM算法根据协方差矩阵计算的Sigma点会逐渐偏离真实状态估计值,影响定位精度。针对上述问题,该文引入平方根滤波的方法,在迭代更新过程中直接传递协方差矩阵的平方根,确保协方差矩阵的非负定性,提出了一种基于全景视觉的改进UKF-SLAM算法。并通过仿真实验,验证了该文提出的改进UKF-SLAM算法具有更高的定位精度。     

采用平方根高斯核积分滤波的目标跟踪算法

为进一步提高目标跟踪精度，提出了一种新的平方根高斯核积分滤波算法(SGKQF)。选取比例因子重构高斯-厄米特积分点，利用高斯核构造的线性方程组计算相应权重，从而建立单变量高斯核积分规则；采用张量积方法将其扩展到多变量积分规则，以实现对多维积分的数值近似；将其引入非线性高斯递推滤波框架中，为增强算法的稳定性，在滤波过程中使用协方差的平方根形式，得到SGKQF算法。将所提算法应用于纯方位目标跟踪系统中，仿真结果表明，在选取合适高斯核带宽的条件下，相对于传统GHQF算法，SGKQF对目标位置和速度估计的精度分别提高了8.7%和11.8%,可获得更高的滤波估计精度。     

微钻刃面图像边缘角点自适应提取方法

针对微型钻针刃面视觉检测过程中的边缘角点提取问题,提出了一种基于协方差矩阵的自适应角点提取方法.通过边缘追踪算子获得微钻刃面单像素宽封闭边缘,采用自适应算法选取支持域,利用协方差矩阵获得边缘角点.应用该方法对方位各异的不同微钻进行刃面边缘角点提取,以验证该方法对不同刃面边缘角点提取的可靠性和方位无关性.     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

基于奇异值分解的空间变异地震动模拟

提出一种新的基于奇异值分解的地震动合成方法.该方法在合成多点地震动时采用复功率谱矩阵的奇异值分解,将复功率谱矩阵分解为一个埃尔米特矩阵与其共轭转置矩阵的乘积.该埃尔米特矩阵及其共轭转置矩阵分别由低阶的左、右特征值矩阵及奇异值平方根组成的矩阵近似表示,这一过程极大地降低了复功率谱矩阵的分解难度.算例验证表明:奇异值分解法既能避免科列斯基分解法及特征正交分解法中不合理元素的出现,又可通过分解矩阵的降维节省大量的存储空间,在保证精度的前提下提高合成效率.地震动合成实例计算分析表明使用该方法可快速高效地生成大量模拟点处的地震动时程.     

具有多丢包的随机奇异系统的分布式后验滤波器

考虑网络传输过程中的随机数据包丢失现象,研究带有多个传感器的局部随机奇异线性系统的分布式后验滤波问题。首先,基于典范型分解将原奇异系统转化为快、慢两个降阶子系统。快子系统的后验滤波由已有结果给出,然后针对慢子系统提出局部后验滤波器,且推导了任两个传感器子系统之间的互协方差矩阵的计算公式;进而由线性最小方差意义下的矩阵加权融合算法获得原始奇异系统的分布式融合后验滤波器。仿真研究验证了算法的有效性。     

基于SRCKF的水下航行器动基座初始对准技术

针对当海况不佳时,水下航行器即使处于系泊状态下也会产生大幅晃动,从而使得捷联惯性导航系统（SINS）无法快速完成自主初始对准的问题,提出了利用多普勒计程仪（DVL）提供的速度信息来辅助SINS实现运动中对准的方法．同时针对该环境下SINS只能获取粗略的初始方位信息的问题,提出了基于平方根求容积卡尔曼滤波（SRCKF）的动基座对准滤波算法．该滤波算法克服了扩展卡尔曼滤波（EKF）存在的滤波精度低以及须计算雅可比矩阵的不足,并在滤波过程中以协方差平方根矩阵代替协方差矩阵进行迭代更新,从而提高了滤波算法的收敛速度和数值稳定性．仿真结果表明：该方法能够解决水下航行器的动基座初始对准问题,且对准精度高,数值稳定性好．     

带有时滞和非线性扰动的中立系统的H_∞滤波设计

主要讨论带有混合时滞和非线性扰动的不确定中立型系统的H∞滤波设计问题。基于带有混合时滞和非线性扰动,构造了新颖的李雅普诺夫泛函,继而得到了一个新的中立型系统鲁棒稳定的延迟相关条件。通过采用线性矩阵不等式、Lyapunov稳定性理论及凸组合方法获得了具有更小保守性的结果。在满足H∞性能指标条件下,提出了一些新的滤波器存在的充分条件,使得滤波误差系统是渐近稳定的。为了方便使用MATLAB软件解答,将结果用线性矩阵不等式的形式给出,利用LMI工具箱进行求解,最后得到相应数据。和已有的文献相比,该方法得到的判据具有较小保守性。最后通过数值例子验证了该方法的有效性和优越性。     

带有色噪声的广义系统信息融合Kalman滤波器

对于带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统,应用奇异值分解,提出了广义系统多传感器信息融合状态滤波问题.基于Kalman滤波方法,在线性最小方差信息融合准则下,给出了按矩阵加权融合降阶稳态广义Kalman滤波器.为了计算最优加权,提出了局部滤波误差协方差阵的计算公式.一个Monte Carlo仿真例子说明了其有效性.