自适应卡尔曼滤波在地铁监测中的应用

目的通过滤波后的数据对比,验证自适应卡尔曼滤波在处理地铁变形监测数据工作中优于经典卡尔曼滤波.方法分别应用经典卡尔曼滤波和自适应卡尔曼滤波建立动态处理数据模型,对地铁变形监测数据进行处理,并与人工实测值进行对比.结果使用经典卡尔曼滤波处理后,数据精度提高38%,使用自适应卡尔曼滤波处理后,数据精度提高55%.结论自适应卡尔曼滤波与经典卡尔曼滤波相比,自适应卡尔曼滤波剔除噪声效果强与经典卡尔曼滤波,并且自适应卡尔曼滤波后数据整体变化平稳,与实测值吻合性较好,自适应卡尔曼滤波在处理沈阳地铁一号线监测数据中,优于经典卡尔曼滤波.     

基于UD分解自适应卡尔曼滤波算法在风场测量中的应用

提出了基于UD分解的自适应卡尔曼滤波算法,给出了一种风场模型,对风场进行仿真计算.结果表明,模型参数及噪声统计特性有误差时,基于UD分解的自适应卡尔曼滤波算法稳定、精度高,具有较强的自适应性,克服了自适应卡尔曼滤波易发散的缺点,比普通卡尔曼滤波精度高.     

带有相关噪声离散线性系统改进的卡尔曼滤波

研究在系统噪声和观测噪声相关情况下带有控制输入离散线性系统的估计问题,基于卡尔曼滤波和卡尔曼滤波的哈密尔顿方法,提出了一个改进的卡尔曼滤波算法.与经典卡尔曼滤波相比,此算法不需要计算卡尔曼增益矩阵和观测序列的条件均值,并在需要更少回归方程且回归方程易于计算的情况下,取得了最优性能.因此,此算法易于应用.仿真结果表明,此算法能够有效地估计系统状态.     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

基于卡尔曼滤波的差分光学吸收光谱法

针对差分光学吸收光谱(DOAS)技术中气体吸收结构的重叠问题,提出利用卡尔曼滤波进行光谱校正.卡尔曼滤波是一种递推式的现代滤波方法,它在吸收结构严重重叠的情况下,仍可得到很好的分析结果.文中简介了差分光学吸收光谱法,分析了卡尔曼滤波原理,并应用卡尔曼滤波对大气中SO2的差分光学吸收光谱进行了研究,同时探讨了大气中NO2和O3对SO2测量的影响.实验结果表明,该方法可有效地校正重叠,提高了DOAS系统的精度.     

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.     

基于SCKF的4旋翼无人机的姿态估计

获得准确的姿态角对于无人机的控制来说是十分重要的.考虑到平方根容积卡尔曼滤波算法(square-root cubature Kalman filter,SCKF),既能够克服扩展卡尔曼滤波(EKF)方法因线性化带来的误差,具有更好的非线性滤波功能,又在传统容积卡尔曼滤波方法中加入了平方根技术,从而能够有效提高数值计算的稳定性,并降低了算法的复杂度.该文将SCKF算法应用于4旋翼无人机的姿态估计中,提出了一种新的4旋翼无人机的姿态估计方法,并进行了仿真实验.实验结果表明:该方法相比传统的EKF方法滤波精度更高,相比较传统的容积卡尔曼滤波(CKF)、无迹卡尔曼滤波(UKF)方法计算时间更短.     

基于深度强化学习卡尔曼滤波锂离子电池SOC估计

针对锂离子电池的荷电状态(state of charge,SOC)估算精度,设计了一种基于深度强化学习卡尔曼滤波锂离子电池SOC估计算法.首先以锂离子电池二阶RC等效电路为研究对象,应用卡尔曼滤波算法,构建了锂离子电池的离散系统数学模型;然后结合深度强化学习思想,构造了一种深度强化学习卡尔曼滤波算法,该算法利用贝叶斯规则确保最佳协方差.仿真结果表明,深度强化学习卡尔曼滤波算法对锂离子电池荷电状态的精度有较好的估计.     

GPS监测地壳形变漂移速度的计算

根据动态卡尔曼滤波理论,结合GPS监测地壳形变数据处理的特点,构建了动态卡尔曼滤波计算地壳运动漂移速度的数学模型.结合IGS的GPS连续观测网络部分站点的多期数据,使用精密定位定轨软件GAMIT进行定位计算,获得高精度的站点坐标.将坐标作为具有先验方差信息的准观测值,设置站点漂移速度为未知数,进行卡尔曼滤波漂移速度的估计.计算结果与已有结果的比较表明,卡尔曼滤波漂移速度估计可以达到mm级的精度,可用于GPS监测地壳形变进行漂移速度的估计.     

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.     

基于数字摄影技术的动态变形数据的卡尔曼滤波分析

为了进一步减弱非量测数码相机噪声对测量精度的影响,提高基于数字摄影技术的工程结构动态变形监测精度,采用标准卡尔曼滤波、方差补偿卡尔曼滤波、极大验后卡尔曼滤波和方差分量卡尔曼滤波分别处理了桥梁弹性大变形数据,研究卡尔曼滤波在处理动态变形数据噪声中的适应性,并进一步量化了方差分量卡尔曼滤波在数据处理中的优势。研究发现,方差分量卡尔曼滤波噪声处理较为稳定,且误差较小。该方法不仅适用于基于数字摄影技术的动态弹性小变形噪声处理,在处理基于数字摄影技术的桥梁动态弹性大变形噪声时,同样具有较好的效果。室内相似材料模型试验研究表明,经过方差分量卡尔曼滤波进行数据处理后,测量误差小于0.5 mm,能够满足变形监测的精度要求。     

Maneuvering target tracking algorithm based on cubature Kalman filter with observation iterated update

Reasonable selection and optimization of a filter used in model estimation for a multiple model structure is the key to improve tracking accuracy of maneuvering target.Combining with the cubature Kalman filter with iterated observation update and the interacting multiple model method,a novel interacting multiple model algorithm based on the cubature Kalman filter with observation iterated update is proposed.Firstly,aiming to the structural features of cubature Kalman filter,the cubature Kalman filter with observation iterated update is constructed by the mechanism of iterated observation update.Secondly,the improved cubature Kalman filter is used as the model filter of interacting multiple model,and the stability and reliability of model identification and state estimation are effectively promoted by the optimization of model filtering step.In the simulations,compared with classic improved interacting multiple model algorithms,the theoretical analysis and experimental results show the feasibility and validity of the proposed algorithm.     

一种新的惯性/GPS组合导航系统随机干扰处理方法

研究动力学系统波动算法的简化和改进方法,用该方法对陀螺漂移,加速度计误差等随机干扰进行统计描述,巧妙地运用卡尔曼滤波除组合导航系统的波动型干扰,简化原算法,使计算量比原算法减少,通过对惯性／GPS组合导航系统中的波动法和卡尔曼滤波的比较及计算机仿真研究表明,新的改进波动算法与原算法几乎一样有效,波动型随机干扰的估算精度高于标准卡尔曼滤波。     

Steady-State Performance of Kalman Filter for DPLL

For certain system models, the structure of the Kalman filter is equivalent to a second-order variable gain digital phase-locked loop (DPLL). To apply the knowledge of DPLLs to the design of Kalman filters, this paper studies the steady-state performance of Kalman filters for these system models. The results show that the steady-state Kalman gain has the same form as the DPLL gain. An approximate simple form for the steady-state Kalman gain is used to derive an expression for the equivalent loop bandwidth of the Kalman filter as a function of the process and observation noise variances. These results can be used to analyze the steady-state performance of a Kalman filter with DPLL theory or to design a Kalman filter model with the same steady-state performance as a given DPLL.     

目标密集情况下的跟踪滤波器

本文讨论了在目标密集情况下卡尔曼滤波器作为跟踪滤波器存在的问题。指出在目标密集时,辨识的不准确性将会使卡尔曼滤波器失去其无偏性。然后本文给出了一种改进的滤波器。这种改进的滤波器在目标密集时仍能保证无偏性。     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

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。     

基于卡尔曼滤波的高速道路行程时间动态预测

首先介绍了卡尔曼滤波的算法，并定性说明了其优点－动态性、实时性。然后使用卡尔曼滤波法和传统的预测方法分别对同一观测数据进行了观测和对比，从而定量证明了卡尔曼滤波的高精度性，研究成果对于开发交通信息诱导系统和动态交通分配均具有较大的意义。     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.