基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中,基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是,在算法的过程噪声和观测噪声协方差初值的选取不当时,会导致估计结果误差很大甚至发散。另外,由于此类算法是基于最小均方误差准则,算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声,会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度,本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法,算法在观测更新过程中引入最大相关熵作为优化准则,以解决在非高斯噪声下的估计精度下降的问题,在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新,取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验,通过与两种基于卡尔曼滤波框架的估计算法进行对比表明,AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果,而且在非高斯噪声下也能够保持更高的多径估计精度,有效抑制非高斯噪声的干扰。     

有色噪声下的卡尔曼滤波

以平台式惯导系统为例 ,论述了如何用卡尔曼滤波技术处理有色噪声 .     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

有色噪声自适应滤波的研究

本文利用复杂输出相关法解决测量噪声为有色且无任何先念知识的一种自适应滤波方法.该方法对处理有色噪声的滤波不采用扩大状态变量的方法,采用等效观测方程的方法,使得计算没有复杂化,滤波器的维数没有增加,并通过实例模型进行计算,表明该方法可行.     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

面向脉冲噪声环境的多径信道鲁棒估计方法

在低压电力线通信(power line communication,PLC)中,由于脉冲噪声的干扰和阻抗不匹配引起的多径信道的影响,传统的在加性高斯白噪声环境下的信道估计算法运用到电力线通信时,往往效果很差,甚至得到的结果毫无意义。针对电力线通信中的脉冲噪声,采用了Middleton Class A脉冲噪声模型。通过基于高阶矩的方法对脉冲噪声的参数进行估计。根据估计得到的脉冲噪声参数,提出了新颖的、在脉冲噪声环境中鲁棒的信道估计算法。通过仿真,验证了提出的算法是可靠的,并且具有一定的灵活性。     

矢量传感器声源方位与噪声协方差阵联合估计

针对空域非均匀白噪声,通过矩阵变换估计噪声协方差矩阵,进而采用噪声预白化技术获取声源方位的最大似然估计,该方法避免了原最大似然算法加权参数选取的一维搜索过程,提高了算法效率;针对空域色噪声,利用噪声协方差矩阵的先验分布信息,结合噪声预白化技术,提出声源方位与噪声协方差矩阵迭代联合估计算法.仿真实验表明,空域非均匀白噪声背景下,与原最大似然估计方法相比,方位估计精度基本相同,但算法效率更高;空域色噪声背景下,与原最大似然估计方法相比,该方法提高了方位估计精度.     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

基于观测噪声实时估计的卡尔曼滤波车窗防夹系统研究

卡尔曼滤波可有效解决电机参数变化对车窗防夹控制性能的影响。然而,由于观测噪声往往是未知并且随时间变化,这对基于卡尔曼滤波的车窗防夹控制系统性能有着重要的影响。本文利用小波变换可以对信号和噪声进行分离的特性,提出了一种基于观测噪声实时估计的电动车窗防夹控制方法。在Matlab环境下进行了建模和仿真,结果表明本文算法可以有效实现对观测噪声的实时估计,在不同的噪声条件下都达到了较好的控制效果。     

有色测量噪声下的输入白噪声估计算法

由于在实际工程中,测量噪声并不是白噪声而是时间相关的有色噪声．本文通过建立等效测量方程提出了测量噪声是有色的情况下输入白噪声的估计算法．     

基于Kalman滤波的白噪声估计理论的推广

应用Kalman滤波方法和射影理论,将现行的白噪声估计理论推广到一般的随机系统,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻也是相关的。提出了统一的最优和稳态白噪声和拟白噪声估值器。一个仿真例子说明了其有效性。     

一种基于扩展Kalman滤波的多径估计算法

定位系统中,噪声环境下的多径估计是消除多径干扰的前提。提出了一种基于扩展Kal-man滤波(EKF)的多径估计算法,可以有效的估计多径信号的时间延迟和幅度。分析了本地码估计偏差、EKF的估计初值、相关间距以及采样频率对多径估计性能的影响。结果表明,EKF在估计多径信号时,EKF初值不仅影响其收敛速度,而且EKF初值中的幅度初值决定其是否收敛。同时,EKF时间延迟估计误差可以通过提高采样频率和增加最大早晚码间距来减小。     

一种改进的滤波器噪声模型的自适应估计法

提出了一种改进的加权最小二乘法估计噪声统计特性Q和R的方法。该方法在最小二乘法的基础上,通过建立次优估计新息自相关函数来确定权值并递推出最优增益。进而推出了噪声的统计特性,并且简化了Q的推导方法。仿真结果表明,加权后的估计值比不加权的估计值收敛更快,精度更高。     

基于Kalman滤波的稳态白噪声估值器

基于 Kalman 滤波,对带非零均值的相关噪声系统提出了统一的稳态白噪声估值器,可统一处理白噪声滤波、平滑和预报问题。它们包括稳态输入白噪声估值器和观测白噪声估值器,且包括白噪声新息滤波器和 Wiener 滤波器。一个 Bernoulli-Gaussian 白噪声的仿真例子说明了它们的有效性。     

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进. 利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%～40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.     

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.