基于卡尔曼滤波的期货价格仿射期限结构模型

由于受国内外多种因素共同影响,期货价格在短时间内变动较大,为准确拟合与预测期货价格,本文根据期货价格的行为特征,提出一个n因素的仿射期限结构模型,并基于卡尔曼滤波和极大似然法,以沪铜日结算价的面板数据为样本时期货价格的期限结构进行实证分析.结果表明,该仿射模型对沪铜是适用的,而且模型中因素数目越多,模型拟合与预测能力越强,其中,2因素的仿射模型可以较为准确地模拟期货价格的期限结构,3因素的仿射模型可以较为准确地模拟和预测期货价格的期限结构.     

捷联惯导系统简化非线性对准研究

对任意大失准角条件下的捷联惯导系统非线性对准进行了建模和简化,并给出了差分GPS辅助条件下的大失准角行进间对准简化模型。针对四组不同量级的初始姿态失准角,分别采用线性模型和非线性模型进行卡尔曼滤波（KF）和Unscented卡尔曼滤波（UKF）静态对准仿真,结果表明文中大失准角非线性模型可适用于任意角度的初始对准,小失准角和大方位失准角情况下UKF对准可达角分级精度,但在水平和方位皆为大失准角情况下UKF收敛至一定程度后仍需与KF配合使用。

Abstract：

Modeling for Strapdown Inertial Navigation System （SINS） initial alignment with arbitrarily misalignment angles was created and simplified,and the nonlinear alignment modeling for SINS initial alignment on-move with the help of Differential GPS （DGPS） was proposed.Simulations of static-base initial alignments through linear Kalman Filtering （KF） and nonlinear Unscented Kalman Filtering （UKF） were carried out with four different weights of initial misalignment angles.Results show that the simplified nonlinear model can implement initial alignment with arbitrarily misalignment angles.The nonlinear UKF can reach minute magnitude precision as all of misalignment angles are small or only azimuth misalignment angle is large.However,if both initial horizontal and azimuth misalignment angles are large,KF is still recommended to use after UKF convergence to small scales.     

基于两次Kalman滤波的观测噪声自适应调整算法

在实际的目标跟踪过程中,由于目标远近等各种客观因素的影响,观测噪声是随时变化的.但是在标准卡尔曼滤波中,如果将观测噪声协方差设为恒定值,必然造成跟踪结果不理想.针对这种情况,通过在任意时刻施行两次卡尔曼滤波的结果来自适应地调整观测噪声协方差,使卡尔曼滤波算法中的观测噪声协方差与实际值更加接近,从而提高对目标的跟踪精度.最后Monte Carlo仿真实验证明了本算法的有效性.     

基于IMM-UKF方法的主动段目标分级与关机识别

主动段目标的分级与关机识别对于系统把握目标模型切换并部署后续跟踪具有重要意义。建立了主动段目标的分级和关机所涉及的两级主动段模型和中段模型;引入了交互式多模型框架以应对不确定模式下的跟踪问题,引入了无迹卡尔曼滤波以解决非线性估计问题。在天基观测条件下进行了仿真实验,结果表明,利用模型概率和总体估计误差的异常变化,可有效识别主动段目标的分级和关机。     

基于四元数平方根UKF算法的SINS/GPS紧组合导航系统研究

在较大初始姿态误差角下,针对SINS/GPS紧组合导航系统扩展卡尔曼滤波（extenthed Kalman filter, EKF）算法定位精度下降的问题,提出了一种基于四元数的平方根无迹卡尔曼滤波（square root unscented Kalman filter, SRUKF）算法。为解决SRUKF算法中四元数正交规范化的限制,通过构造姿态矩阵代价函数将四元数预测均值问题转化为代价函数最小时的四元数向量求解问题,保证了均值四元数的规范化;利用乘性四元数误差表示四元数预测值与均值之间的距离,求取四元数的预测协方差矩阵,保证了算法的合理性。在此基础上,给出了SINS/GPS紧组合系统四元数平方根无迹卡尔曼滤波算法的具体步骤。在较大初始姿态误差角下的仿真实验结果表明,与EKF算法相比,该算法精度更高,稳定性更强。     

衰减记忆自适应滤波在惯导系统传递对准中的应用

针对滤波稳定性问题,提出了一种改进的衰减记忆自适应滤波算法。通过引入衰减记忆滤波矩阵,根据残差序列输出的互不相关性,在线自适应地调整衰减因子,从而使衰减记忆滤波工作在最佳状态。将该算法应用于惯导系统的传递对准过程,仿真结果表明在模型和噪声统计特性的先验信息不准确时,该算法优于传统的卡尔曼滤波。     

调制型光纤捷联系统系泊状态标校方法

针对舰船系泊状态特有的运动环境及惯性器件偏差对捷联系统导航精度的影响,提出一种单轴四位置旋转调制方案并建立该系统误差方程。研究了直观分析系统参数可观测性的解析方法,并运用谱条件数法计算出惯性测量单元（inertial measurement unit, IMU）在静止和旋转状态下各状态量的可观测度,利用分离位置回路的卡尔曼滤波模型实现了器件偏差的现场估计。数值仿真显示,单轴四位置转停方案可以有效地提高惯性器件偏差的可观测度,大大提高了系泊状态下惯性器件偏差的估计精度。     

基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点,针对这一问题,提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则。通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳。     

基于TS模糊模型的热工过程建模方法

热工过程对象通常具有复杂的动态特性和非线性、强耦合、不确定性等特征,从而使得常规建模方法难以取得满意的效果,因此提出一种改进型TS模糊模型在线建模方法。此建模方法基于以下思想,首先提出基于中心粒群算法的截集模糊C-均值聚类算法并对TS模糊模型进行模型结构离线辨识,确定模型的结构和前件部分参数的初始值;然后应用解耦扩展卡尔曼滤波算法进行后件参数在线辨识,同时对前件辨识结果进行精确修正。最后,对煤气炉、500MW机组及气化炉等热工过程进行仿真计算表明本方法具有精度高、计算量小等优点。     

突发污染源散发特性辨识与仿真研究（英文）

在载人航天器、潜艇、飞机等密闭微环境中,如果发现有污染源存在,确定污染源的位置及其散发特性具有重要意义。笔者提出一种新型的浓度离散随机模型,在采用敏感性分析方法实现污染源定位后,利用隐式与显式卡尔曼滤波相结合的方法实现污染源散发特性的动态辨识与预测,同时完成空气污染物浓度预测。笔者采用蒙特卡罗仿真实验方法对一密闭空间进行了动态仿真研究,仿真结果表明提出的方法可以实现污染源散发特性的快速准确辨识,具有重要的应用价值。

Abstract：

In case of contaminants appear in enclosed spaces such as spacecraft,submarine,aircraft and so on,it is useful to find the contaminant source. A novel algorithm was proposed to identify contaminant source strength based on finite sensors. After having identified the source location by using the Sensitivity Analysis Algorithm （SAA）,this method built a new discrete concentration stochastic model,and combined implicit and explicit Kalman filter. Monte Carlo simulation was used in our experiment. The simulation results show that the new method could track and predict the source strength dynamically; meanwhile,it also could predict the distribution of contaminant concentration.