广义联邦滤波器的设计与实验

为了克服联邦滤波器理论中对滤波器维数的限制,基于信息滤波算法和信息分配原理,发展了广义联邦滤波器设计理论。提出了当主滤波器维数和局部滤波器维数不相同时,广义联邦滤波器达到全局最优的解析补偿方法。并将上述设计方法应用到双MIMS/GPS组合导航系统实验中。实验结果表明:经解析补偿的广义联邦滤波器的定位精度同集中Kalman滤波器的定位精度十分接近,具有全局滤波最优性。广义联邦滤波器的设计使联邦滤波理论更加完善,增强了其实用性。     

变分配系数联邦Kalman滤波在塔机定位中的应用

鉴于塔机的复杂结构,建立了应用联邦Kalman滤波算法的塔机定位系统,并提出了改进的变分配系数联邦Kalman滤波方法,在联邦Kalman滤波系统的循环滤波过程中,分配系数随噪声的不断变化而不断调整.此联邦Kalman滤波方法适用于复杂的、大噪声的信息融合系统,对目标状态估计更为精确有效,可以有效提高塔机系统的定位精度,实现塔机的精确定位.仿真结果表明其正确性与有效性.     

带位置和速度观测的信息融合Kalman跟踪滤波器

应用基于ARMA模型的现代时间序列分析方法,和应用基于Riccati方程的经典Kalman滤波方法,对带位置和速度观测的两传感器系统,在线性最小方差信息融合准则下,分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器,其中,按标量加权可明显减少计算负担,便于实时应用。一个仿真例子说明了两种方法引出相同的结果,但构造ARMA新息模型时必须进行左素分解,且说明了三种加权融合滤波器的精度无显著差异。     

两传感器信息融合稳态Kalman滤波器和平滑器

应用Kalman滤波方法,基于Riccati方程,对输入噪声和观测噪声相关,且传感器观测噪声相关的两传感器系统,在线性最小方差最优信息融合准则下,提出了按矩阵加权最优信息融合Kalman滤波器和平滑器。为了计算最优加权阵,提出了局部估计误差互协方差阵的计算公式。同单传感器情况相比,可提高融合估计精度。一个目标跟踪系统的仿真例子说明了其有效性。     

基于联邦滤波的惯性导航姿态组合算法

为了充分利用姿态量测信息来提高组合导航系统的姿态精度，以联邦滤波为基础，研究了以姿态、位置和速度信息作为观测量的多信息融合导航技术，分析并提出了适合工程使用的联邦滤波器的原理结构与算法实现，深入推导了基于联邦滤波的姿态组合算法的观测矩阵的具体形式，最后给出了仿真和实测数据的验证．结果表明，基于联邦滤波的姿态组合滤波算法能够有效地提高惯导系统的姿态精度，对方位角的改善尤为明显．     

基于自适应Kalman滤波器的原子钟信号预测方法

给出一种Kalman滤波器噪声方差阵的自适应更新方法, 该方法在进行原子钟参数估计时不需要预先输入噪声参数, 且噪声参数在递推过程中自动更新并随噪声改变而自适应改变. 利用国家授时中心标准时间(UTC(NTSC))与铷原子钟的钟差数据进行了验证, 结果表明, 效果优于一般的Kalman滤波器.      

两传感器自校正信息融合Kalman滤波器

用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识,对含有未知模型参数和噪声方差的两传感器线性离散随机系统,提出了自校正信息融合Kalman滤波器。它具有渐近最优性。一个仿真例子说明了其有效性。     

联邦滤波信息分配方法及其在传递对准中的应用

针对高动态导航环境中固定信息分配策略不能满足应用需求的问题,根据联邦滤波公式定量分析了信息分配系数的选择对各子滤波器精度、鲁棒性及计算稳定性的影响.考虑通过提高无故障子滤波器的鲁棒性来提高联邦滤波器的快速重构能力,同时兼顾子滤波器的精度和计算稳定性,提出了基于模糊规则表的信息分配策略,给出了实现该策略的具体方法,并将其用于某导航系统的快速传递对准中.理论分析与仿真结果表明,该方法可以有效提高无故障子系统对系统故障的抗干扰能力,并可保证系统的计算稳定性.     

两传感器信息融合稳态最优Kalman滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了两传感器最优信息融合稳态Kalman滤波器。为实现最优融合,分别提出了计算局部滤波稳态误差方差和协方差阵的Lyapunov方程和拟Lyapunov方程及其迭代算法,并证明了算法的收敛性。一个仿真例子说明了其有效性。     

多传感器ARMA信号自校正分布式融合Kalman滤波器

对含未知模型参数和未知噪声方差的多传感器自回归滑动平均（ARMA）信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器,然后用取局部估值器的平均得到信息融合估值器。将这些融合估值器代入ARMA信号的全局最优分布式融合Kalman滤波器,提出了一种自校正分布式融合Kalman滤波器。用动态误差分析方法证明了它收敛于全局最优分布式Kalman滤波器,因而它具有渐近全局最优性。一个目标位置跟踪系统仿真例子说明了其有效性。     

一种联邦滤波在定姿系统中的应用研究

以SINS／GPS／TCM2电子罗盘组合定姿系统作为研究对象．建立了SINS、GPS、TEM2电子罗盘的数字模型,根据联邦滤波器的结构组成,以SINS作为参考系统,分别与GPS、电子罗盘组成2个滤波器．运用联邦滤波器算法对定姿系统进行了数据仿真,结果表明,联邦滤波的滤波精度与集中卡尔曼滤波精度相同,同时证明了不同的信息分配系数会导致子滤波精度发生改变,而对全局滤波精度没有影响．     

基于联邦Kalman滤波的Wi-Fi/GPS车辆组合定位系统

针对全球卫星定位系统(GPS)在密集城市地带、隧道、室内停车场等环境下不可用及Wi-Fi定位精度不足的问题,提出了一种Wi-Fi/GPS组合定位系统.该系统基于联邦Kalman滤波器,先通过两个并行的局部滤波器获得Wi-Fi、GPS定位子系统的局部最优估计,再由主滤波器融合得到最优全局估计.仿真结果表明:较之单独使用G...     

基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的结构和算法,并将此方法运用于燃料电池发动机多传感器的复杂系统中．理论分析与仿真结果表明,该联合卡尔曼滤波器设计合理,其融合算法具有全局最优性,能够有效地对燃料电池发动机传感器的故障进行检测,改善了系统的容错能力和复原能力,提高了系统运行的稳定性．     

基于联邦滤波的多传感器主动容错估计方法

针对冗余传感器系统的容错问题,改进一种有反馈式联邦滤波的容错估计算法。通过残差法对硬故障进行检测,并隔离故障子系统的估计值。若全部子系统出现硬故障,取上一时刻的联邦滤波的最优值,通过系统状态方程计算得到系统状态量的预测值进行容错补偿。定义可信度因子,设计可信度单调性法则检测子系统软故障,并设计校正策略。大量仿真实验表明,改进后的反馈式联邦滤波的容错估计算法,可在保证系统估计精度的前提下,提高多传感器系统的容错性与鲁棒性。     

基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法

车辆行驶信息感知是汽车防碰撞系统的关键技术之一,只用单一传感器对目标车辆进行测量容易产生虚警.在对联合卡尔曼滤波分析的基础上,给出了基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法.计算机仿真结果表明,该算法可以得到较精确的融合数据,对于增强汽车防碰撞系统的安全性具有重要意义.     

基于联邦卡尔曼滤波的某舰船组合导航系统的设计

为了得到更高精度的导航信息,在某船现有的固定指北惯性导航系统的基础上,将惯导与GPS结合,设计了一种基于联邦卡尔曼滤波的舰船用组合导航系统,研究了该组合导航系统的数据处理方法,并对该组合方式进行仿真,验证了可行性.     

联邦滤波在RAPINS/计程仪/重力匹配组合导航系统中的应用

RAPINS/计程仪/重力匹配组合导航系统是一种简易的无源导航系统,为了改善系统的容错性能,设计了基于该组合系统的联邦滤波器,建立了系统的工作模式,给出了联邦滤波算法.在该联邦滤波器中充分利用计程仪输出的速度信息,采用不等间隔滤波来进行信息融合.采用Matlab/Simulink对该组合导航系统在分辨率为0.005°×0.005°的数字重力异常图中进行了仿真研究.理论分析和仿真结果表明,基于联邦滤波的RAPINS/计程仪/重力匹配组合系统能够改善系统的容错性,且具有与集中式滤波相似的导航精度.     

基于区间卡尔曼滤波的多传感器信息融合

目标运行建模过程中,存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参数确定的情形推广至参数不确定的情形,给出了基于区间卡尔曼滤波的多传感器信息融合算法,解决了系统参数不确定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计,而是目标状态的区间估计．     

基于无先导卡尔曼滤波的RBFN训练算法研究

提出了应用无先导卡尔曼滤波器（UKF）来训练径向基神经网络（RBFN）的新方法。与广义卡尔曼滤波器（EKF）和双重卡尔曼滤波器（DEKF）对函数的一阶近似不同,UKF对非线性函数采用二阶近似展开,而且最重要的一点是不必求取系统的雅克比矩阵,从而大大减小计算量。本文对时间序列预测及分类问题进行了仿真,结果证实了该方法的有效性和快速性。