基于运动模式识别的高程估计算法研究

在室内行人定位系统中,行人的高程定位精度关系到整个定位系统的可靠性。本文提出一种基于腰间传感器的室内行人高程估计算法。首先利用支持向量机识别行人上楼下楼动作,针对行人的运动状态采用自适应的高程估计算法。针对气压计测量值易受环境影响的问题,采用了基于EKF融合气压和加速度的高度估计算法,提高了高度估计算法的稳定性。经实验验证,当室内人员进行平地走、上楼等一连串动作后,基于差分气压测高法计算的高度误差为9.92%,基于加速度估计的行人高度误差为9.52%,EKF融合后定位误差下降到2.32%,提高了高程估计的精度。     

基于采样交通量与卡尔曼滤波的增程式电动汽车续航里程估算研究

为了提高增程式电动汽车续驶里程估算精度,消除驾驶员因电动汽车续驶里程估计不准确产生的忧虑心理,提出一种新的基于采样交通量与卡尔曼滤波的增程式电动汽车里程估算方法。依据不同道路等级,通过指数回归模型对增程式电动汽车交通量进行估算。介绍了卡尔曼滤波原理,给出卡尔曼滤波方法状态方程与观测方程,利用最小二乘法对卡尔曼滤波公式进行推导,获取状态向量预测值和状态向量测试方差矩阵。介绍了单位能耗行驶里程计算方法。结合采样交通量和剩余续驶里程计算结果,通过卡尔曼滤波方法获取下一时刻增程式电动汽车的续驶里程,实现对增程式电动汽车续驶里程的估算。经实验验证,所提方法估算准确性高。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

集合转换卡尔曼滤波同化的一种分析方案

集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效果。通过对状态变量和观测变量的转换,将观测算子视为预报算子的一部分,对传统的同化算法进行改进,减小了同化中的误差。以典型的Lorenz-96预报模型来验证算法,对于较大模型误差或较强非线性观测算子的情形,结果好于传统的方法。     

球直坐标转换误差分析及对卡尔曼滤波的制约

将观测器 (如雷达 )在球坐标系的测量值转换到三维直角坐标系后 ,其误差分布规律将发生变化。通过分析 ,证明了理论模型不能直接应用于卡尔曼滤波 ,得到了适用于卡尔曼滤波的直角坐标系的工作模型 ,并对转换后的误差的理论模型和工程模型进行数值比较 ,两者的数字特征非常接近。     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

一种车载卫星通信跟踪技术

文中提出了一种基于两轴座架结构的低成本车载卫星通信天线跟踪技术.首先介绍了该座架结构形式,分析了其特点,介绍了横摇轴对系统性能的影响,推导出了其空间对星三轴计算补偿公式,在此基础上进一步对跟踪误差进行了仿真分析,说明了补偿的必要性.还对系统一些关键技术如传感器卡尔曼滤波、圆锥扫描跟踪进行了介绍.工程实际应用表明,该项跟踪技术跟踪卫星信标信号稳定,达到了系统设计要求.     

车辆自适应巡航控制系统有效目标辨识算法

针对现有汽车自适应巡航控制系统(adaptive cruise control,ACC)在弯道上经常出现的追踪目标丢失问题,利用微波雷达、三轴陀螺仪、车道线识别系统等传感器构建了自然驾驶行为试验车。在高速公路、国道等道路下进行了多位驾驶人的实际道路自然驾驶试验,提取了自然跟车过程中的自车运动状态数据以及道路交通环境数据。采用车速与车身横摆角速度,基于非线性三自由度车辆动力学模型建立了横摆角速度的卡尔曼滤波器,实现了对道路曲率的在线实时估算。在此基础上,以前方目标车辆的后侧中心是否处于本车车道为判断依据,建立了ACC系统有效目标辨识模型。研究结果表明:建立的模型能够快速识别ACC系统的有效目标,对多个目标的区分能力较强;尽管该道路曲率估算误差较大,但模型依然能够准确辨识得到ACC系统的有效目标。     

EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.